本发明涉及图像处理技术领域，具体涉及一种无人机航拍序列图像快速拼接方法。
背景技术
随着无人机在军事侦察、抗灾救灾、森林火灾监测、遥感遥测等领域的应用越来越广泛，它的独特有点吸引了越来越多的国内外专家学者投入到无人机关键技术的研究中。无人机航拍序列图像拼接技术是运用图像拼接技术，将无人机航拍序列图像进行拼接，形成一幅大场景的直观易理解的图像。由于航拍图像的数据量大、数据处理时间长及作业强度高等问题的存在。如何高效的实现无人机航拍序列图像的拼接已经成为了一个热点研究问题。现有技术中王书民等人对航拍序列图像拼接前后进行批量采用和裁剪等预处理，然后基于sift特征点航拍序列图像的快速拼接，实现航拍图像的自动化拼接；樊庆文等人提出利用基于等距序列图像快速拼接的方法和数学模型；黄琼丹等人把优化理论运用于基于特征点的拼接方法，算法完成序列图像拼接，封靖波等人提出一种基于相似曲线的拼接算法，能自动对一组图像进行无缝拼接。
然后现有技术中的拼接方法都或多或少的存在稳定性差、拼接效果不理想、冗余消息多、拼接效率低且拼接时间长的缺点；鉴于此，如何提供一种稳定性和拼接效果好、冗余消息低、拼接时间短、拼接效率高的无人机航拍序列图像快速拼接方法是本领域技术人员需要解决的技术问题。
技术实现要素：
本发明针对现有技术中的拼接方法都或多或少的存在稳定性差、拼接效果不理想、冗余消息多、拼接效率低且拼接时间长的难题，而提供一种无人机航拍序列图像快速拼接方法。
本发明为解决上述技术问题，采用以下技术方案来实现：
设计一种无人机航拍序列图像快速拼接方法，包括如下步骤：
步骤一：首先，设第k次拼接的两幅图像为mi和mj，其中j＞i，tk为图像mi和图像mj的帧间距，tk＝j-i；然后，建立下一次用于拼接的关键帧mm与mj间距模型：
tk+1＝tk+(n-ρ)/(avk)，其中n为mi与mj匹配特征点数，ρ为预设最佳拼接特征数，vk为飞行速度，单位为像素/帧，a为可调参数；
步骤二：设第k次由图像rmk-1和mj拼接的拼接结果为rmk,(ck,xck,y)分别为rmk-1的匹配特征点集中心点的图像中的坐标位置，(c′k,xc′k,y)分别为mj的匹配特征点集中心点在图像中的坐标位置，并建立卡尔曼滤波器模型：
状态方程：xk＝φk/k-1xk-1+wk-1；
观测方程：zk＝hkxk-1+uk；
其中，xk-1表示rmk-1和mj的匹配特征点集中心点的状态向量，φk/k-1为从k-1时刻到k时刻系统的状态转移矩阵，表示从第k-1次拼接到第k次拼接抽取的视频图像关键帧的采样时间间隔，hk为投影变换矩阵，wk-1和uk分别为零均值的系统噪声向量和观测向量；
步骤三：根据步骤二建立的卡尔曼滤波器模型，由pmsk-2(x，y)和pmsk-1(x，y)预测得到第k次待拼接的两幅图像rmk-1和mj的匹配特征点集中心点pmsk-1(x，y)和pmk(x，y)；
步骤四：预设特征搜索区域占原图像的比率λ，则在以pmsk-1(x，y)为中心的矩阵区域和以pmk(x，y)为中心的矩阵区域中进行sift搜索、特征匹配、ransac算法特征提纯，最终得到匹配的特征集为key1和特征集key2；
步骤五：根据步骤四得到的特征集key1和特征集key2计算特征集的中心点pms′k(x，y)和pm′k(x，y)，并进行卡耳曼滤波模型更新；根据特征集key1和特征集key2的特征匹配对数n进行关键帧提取时间tk+1的调整；
步骤六：将特征集key1和特征集key2中的特征点映射到rmk和mj中，计算投影变换矩阵hk；
步骤七：对rmk-1和mj拼接后的图像进行优化处理后得到图像rmk便得到经拼接后完整的图像。
优选的，所述的k-1时刻到k时刻系统的状态转移矩阵为
优选的，所述的投影变换矩阵为
优选的，所述的sift搜索的搜索时间为λ，且所述的λ＝0.5。
优选的，所述的sift搜索包括特征点提取和描述、特征点配对、生成变换矩阵、映射图像步骤。
优选的，所述的匹配特征点数n的取值范围为100-160。
优选的，所述的可调参数a的取值范围为0.1-0.9。
优选的，所述的预设最佳拼接特征数ρ的取值范围为100-160。
优选的，所述的系统噪声向量wk-1为无人机侧摆、振动引起的零均值高斯白噪声。
优选的，所述的优化处理包括除噪和尺寸裁剪。
本发明提出的一种无人机航拍序列图像快速拼接方法，有益效果在于：
(1)本发明方法基于无人机航拍序列图像的特点，首先利用图像拼接过程中得到的匹配特征点集提取出面向图像拼接的关键帧，然后建立无人机航拍序列图像待拼接帧的相交区域中心点的卡尔曼滤波器，以此对特征搜索区域进行预测，这一方面保证了进行无缝图像拼接的特征点数量，保证了拼接效果，另一方面大大降低了图像拼接过程中的冗余信息，减少了拼接时间，进而提高了拼接效率；
(2)本发明方法采用基于sift特征的图像配准方法，具有提取特征稳定的优点，且能在图像旋转、尺度变换、仿射变换、视角变换和光照变化的情况下提取稳定的特征点的有益效果；本发明方法基于无人机使用，可以适应于无人机快速移动和快速拍照的实际使用环境；
(3)本发明方法稳定性和拼接效果好、冗余消息低、拼接时间短、拼接效率高，与无人机配合使用可广泛引用于军事侦察、抗灾救灾、森林火灾监测、遥感遥测等领域。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。
图1是本发明对比例中不同的特征数阈值对关键帧提前时间间隔影响的曲线图；
图2是本发明对比例中不同的特征数阈值对图像拼接时间的影响的关系图；
图3是本发明对比例中不同的搜索范围时的拼接时间和提取的关键帧的关系图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例
本发明的一种无人机航拍序列图像快速拼接方法，包括如下步骤：
步骤一：首先，设第k次拼接的两幅图像为mi和mj，其中j＞i，tk为图像mi和图像mj的帧间距，tk＝j-1；然后，建立下一次用于拼接的关键帧mm与mj间距模型：
tk+1＝tk+(n-ρ)/(avk)，其中n为mi与mj匹配特征点数，ρ为预设最佳拼接特征数，vk为飞行速度，单位为像素/帧，a为可调参数；
步骤二：设第k次由图像rmk-1和mj拼接的拼接结果为rmk,(ck,xck,y)分别为rmk-1的匹配特征点集中心点的图像中的坐标位置，(c′k,xc′k,y)分别为mj的匹配特征点集中心点在图像中的坐标位置，并建立卡尔曼滤波器模型：
状态方程：xk＝φk/k-1xk-1+wk-1；
观测方程：zk＝hkxk-1+uk；
其中，xk-1表示rmk-1和mj的匹配特征点集中心点的状态向量，φk/k-1为从k-1时刻到k时刻系统的状态转移矩阵，表示从第k-1次拼接到第k次拼接抽取的视频图像关键帧的采样时间间隔，hk为投影变换矩阵，wk-1和uk分别为零均值的系统噪声向量和观测向量；
步骤三：根据步骤二建立的卡尔曼滤波器模型，由pmsk-2(x，y)和pmsk-1(x，y)预测得到第k次待拼接的两幅图像rmk-1和mj的匹配特征点集中心点pmsk-1(x，y)和pmk(x，y)；
步骤四：预设特征搜索区域占原图像的比率λ，则在以pmsk-1(x，y)为中心的矩阵区域和以pmk(x，y)为中心的矩阵区域中进行sift搜索、特征匹配、ransac算法特征提纯，最终得到匹配的特征集为key1和特征集key2；
步骤五：根据步骤四得到的特征集key1和特征集key2计算特征集的中心点pms′k(x，y)和pm′k(x，y)，并进行卡耳曼滤波模型更新；根据特征集key1和特征集key2的特征匹配对数n进行关键帧提取时间tk+1的调整；
步骤六：将特征集key1和特征集key2中的特征点映射到rmk和mj中，计算投影变换矩阵hk；
步骤七：对rmk-1和mj拼接后的图像进行优化处理后得到图像rmk便得到经拼接后完整的图像。
优选的，所述的k-1时刻到k时刻系统的状态转移矩阵为
优选的，所述的投影变换矩阵为
优选的，所述的sift搜索的搜索时间为λ，且所述的λ＝0.5。
优选的，所述的sift搜索包括特征点提取和描述、特征点配对、生成变换矩阵、映射图像步骤。
优选的，所述的匹配特征点数n的取值为1160。
优选的，所述的可调参数a的取围为0.9。
优选的，所述的预设最佳拼接特征数ρ的取值为160。
优选的，所述的系统噪声向量wk-1为无人机侧摆、振动引起的零均值高斯白噪声。
优选的，所述的优化处理包括除噪和尺寸裁剪。
对比例
随机选择一段无人机自动拍摄的视频序列图像，该视频序列中，飞机有明显的摆动，拍摄高度不变，然后选择每帧图像大小为480*640，实验在cpu主频为1.66ghz的intelt2300，内存在2.5gb的pc机上进行，为了分析选取的特征数量阈值对贫瘠的影响，因此选取视频序列中的第100帧到第1100帧，序列抽样初始值为60帧，搜索区域比率参数λ＝0.5，速度转化为像素，初始速度为32像素/帧，选取的特征数阈值分别为100、110、120、130、140、150、160；参阅附图1所示，拼接抽取的帧数随着特征数阈值的增加而增加，关键帧的抽取时间间隔随着阈值的增加而减小；
参阅附图2所示，可以看出拼接时间随着特征数阈值的增加而增加，关键帧提取周期与特征数阈值成反比例，采样帧数与特征阈值成正比。由此可见，在保证拼接效果的情况下，特征阈值越小，越有利于视频序列图像的快速拼接；
参阅附图3所示，可以看出总的拼接时间以0.8时最低，这是由于随着搜索范围的扩大，虽然总的拼接次数减少了，但是单次拼接说花的时间随着增加，因此拼接总时间应是由特征次数和搜索范围的综合因素决定。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。