一种无人机图像拼接方法与流程

技术特征：

1.一种无人机图像拼接方法，其特征在于，包括：

获取无人机拍摄的待匹配图像的SIFT特征匹配对；

随机选取一幅待匹配图像作为参考图像，以此参考图像所在的图像平面作为最终拼接图像的参考平面，此参考图像的单应矩阵为单位阵，以此参考图像为基准，通过两两配准关系得到其它待匹配图像的初始变换参数；

假设图像的变换参数设为X_i，X_i表示由单应矩阵的8个独立参数组成的列向量，T_i为由X_i表示的变换，令定义目标函数：

E(X)＝E_cor(X)+ωE_rig(X)；

其中，ω为常数权重；E_cor(X)为基于特征点对应的能量项，E_rig(X)为变换参数X的约束项；

将所述SIFT特征匹配对的特征对应代入所述目标函数，并以待匹配图像的初始变换参数作为初值，采用LM算法进行优化；

对变换后的图像进行融合处理，消除拼接缝隙。

2.如权利要求1所述的方法，其特征在于，所述获取无人机拍摄的待匹配图像的SIFT特征匹配对包括：

从每张待匹配图像中提取图像SIFT特征点，采用FLANN算法进行SIFT特征匹配，对SIFT特征匹配对采用RANSAC算法剔除误匹配。

3.如权利要求2所述的方法，其特征在于，包括：

采用基于特征的方法对待匹配图像进行配准，用8自由度的单应矩阵H_i表示第i幅待匹配的变换参数，H_i为：

对于图像上的某个点x来说，用单应矩阵对其进行变换，变换后的坐标x′为：x′＝Hx。

4.如权利要求3所述的方法，其特征在于，包括：

所述目标函数中的E_cor(X)定义为：

其中，e_i＝T_m(p_i,m)-T_n(p_i,n),1≤m,n≤M；(p_i,m,p_i,n)表示第i个SIFT匹配对；n_ref为参考图像的标号，为参考图像中的匹配对数。

5.如权利要求4所述的方法，其特征在于，包括：

所述E_rig(X)的定义为：

其中：

E_rig(X_i)＝(a_ib_i+c_id_i)²

+(a_i²+c_i²-1)²

+(b_i²+d_i²-1)²；

+(g_i²+h_i²)²

其中，p_i为第i幅图像中的点对应的个数。

6.如权利要求5所述的方法，其特征在于，所述对SIFT特征匹配对采用RANSAC算法剔除误匹配包括：

步骤a：随机抽取m对SIFT特征匹配对的特征，用SIFT特征匹配对的特征计算出一个8自由度的单应变换H_R；

步骤b：计算其它SIFT匹配对的特征对H_R的支持度；

其中，对于某一对匹配对(x_A,x_B)，x_A、x_B为齐次坐标，如果||x_A-x′_A||小于预先设定的阈值，则所述(x_A,x_B)支持变换参数H_R；其中，x′_A＝H_Rx_B；

重复步骤a和步骤b预设的次数，计算获得最大支持度的H_R，设为H_best；用所有支持H_best的匹配对重新计算一个变换参数，设为H_out；

把所有支持H_out的匹配对作为正确的匹配对。

7.如权利要求6所述的方法，其特征在于：

所述待匹配的SIFT特征匹配对采用RANSAC算法剔除误匹配后，如果正确的匹配对小于预先设定的阈值，则认为待匹配图像之间没有重叠的公共区域。

8.如权利要求7所述的方法，其特征在于，所述对变换后的图像进行融合处理包括：

在某个像素点(x,y)处对来自多幅待匹配图像的图像灰度值进行加权叠加，权重W(x,y)＝w(x)w(y)；

其中，w(x)的取值范围为[0,1]，在图像中心处为1，越靠近图像边缘w(x)越小；

线性加权用公式表示为：

其中,其中，W_i(x,y)为第i幅图像(x,y)处的权重；I_i(x,y)为第i幅图像在(x,y)处的灰度值。

9.如权利要求8所述的方法，其特征在于：

所述对变换后的图像进行融合处理方法采用多频段图像融合进行图像方法进行融合：得到最终的拼接结果

其中，对于待融合的图像，建立拉普拉斯图像金字塔；

在拉普拉斯图像金字塔的每一层，采用线性加权融合方法进行融合。

10.如权利要求9所述的方法，其特征在于：

权重的计算方法如下：

先用所述线性加权用公式得到每幅图像的权重W_i(x,y)；

再计算

对于拉普拉斯图像金字塔最底层的图像，权重为为：

其中，g_σ(x,y)为高斯函数；σ为高斯平滑因子；

对于拉普拉斯图像金字塔其他层，权重为：

其中，

用线性融合后的拉普拉斯金字塔进行重建，得到最终的融合图像。