一种低空无人机载高光谱遥感影像自动拼接方法

摘要

本发明涉及一种低空无人机载高光谱遥感影像自动拼接方法，包括以下步骤：采集待拼接的高光谱遥感影像并对影像中各个波段计算峰值信噪比选出特征波段；基于上述特征波段提取特征点并进行匹配得到粗匹配点；基于上述粗匹配点剔除其中误匹配点得到精确匹配点并进行配准得到配准后的全波段影像；基于上述配准后的全波段影像利用线性过渡法融合得到拼接后的高光谱影像。本发明具有易于实现、拼接精度高、光谱畸变小等优点，可用于无地面控制点的无人机载高光谱遥感影像的自动拼接，解决了当前单幅无人机载高光谱遥感影像图幅过小的问题，且拼接后影像的光谱畸变很小，可应用于高光谱遥感影像分类与识别以及土地利用/覆盖分类等多种应用中。

说明书

技术领域

本发明涉及的是遥感图像处理技术领域，适用于无人机载高光谱遥感影像，提出一低空无人机载高光谱遥感影像自动拼接方法。

背景技术

高光谱遥感是当前遥感领域的主要研究热点之一，它使用多而窄的电磁波波段来获取地物的遥感影像，对地物进行更为准确的探测，提取地表有用的特征信息，从而更有效地对地表物质进行识别和分类。高光谱遥感在环境监测、精细农作物、林业等方面都有良好的应用前景。近年来成像光谱仪硬件技术不断发展，体积越来越小、重量越来越轻、成本越来越低，使得利用成像光谱仪获取高光谱影像更为方便、快捷。随着机动性强、成本低、精度高的无人机航测遥感系统发展，将成像光谱仪与无人机集成来获取高光谱成为新的研究热点。然而由于无人机航拍影像受飞行高度，相机本身参数的影响，单张无人机影像所覆盖的区域面积不大，需要对多张影像进行拼接，才能有效覆盖研究区域。无人机载高光谱遥感影像图幅较小，为每幅影像单独添加控制点信息工作量大、耗时长，对拼接后影像统一添加控制点信息将大大缩短工作时间，提高工作效率。

图像拼接是指把两幅或多幅具有重叠区的图像合成一张完整图像的过程。图像配准和图像融合是图像拼接技术的两个关键技术。图像配准的方法主要分为3类：基于灰度信息的、基于变换域的、基于特征的。基于特征的图像配准方法是目前最常用的方法之一。基于尺度空间不变的特征描述算法提取的特征点在图像缩放、旋转甚至仿射变换等条件下都保持较好的不变性，在特征提取中具有里程碑的意义。

发明内容

鉴于目前技术存在的上述不足，本发明提供一种低空无人机载高光谱遥感影像自动拼接方法，本发明具有易于实现、拼接精度高、光谱畸 变小等优点，可用于无地面控制点的无人机载高光谱遥感影像的自动拼接，解决了当前单幅无人机载高光谱遥感影像图幅过小的问题，且拼接后影像的光谱畸变很小，可应用于高光谱遥感影像分类与识别以及土地利用/覆盖分类等多种应用中。

本发明采用如下技术方案：

一种低空无人机载高光谱遥感影像自动拼接方法，包括以下步骤：

采集待拼接的高光谱遥感影像并对影像中各个波段计算峰值信噪比选出特征波段；

基于上述特征波段提取特征点并进行匹配得到粗匹配点；

基于上述粗匹配点剔除其中误匹配点得到精确匹配点并进行配准得到配准后的全波段影像；

基于上述配准后的全波段影像利用线性过渡法融合得到拼接后的高光谱影像。

作为本发明的优选技术方案，所述采集待拼接的高光谱遥感影像并对影像中各个波段计算峰值信噪比选出特征波段的步骤包括：

采集待拼接的两幅高光谱遥感影像并对影像中各个波段计算峰值信噪比；

基于上述各个波段的峰值信噪比选出峰值信噪比最高的波段作为特征波段。

作为本发明的优选技术方案，所述基于上述特征波段提取特征点并进行匹配得到粗匹配点的步骤包括：

基于上述特征波段使用SIFT算法提取特征点；

对提取特征点采用欧氏距离和相关系数相结合的综合相似性测度方法进行匹配得到粗匹配点。

作为本发明的优选技术方案，所述基于上述粗匹配点剔除其中误 匹配点得到精确匹配点并进行配准得到配准后的全波段影像的步骤包括：

基于上述粗匹配点使用随机抽样一致的方法剔除误匹配点实现特征点的精确匹配得到精确匹配点；

基于上述精确匹配点对影像进行配准得到配准后的全波段影像。

作为本发明的优选技术方案，所述基于上述配准后的全波段影像利用线性过渡法融合得到拼接后高光谱影像的步骤包括：

将配准后的全波段影像利用线性过渡法融合得到拼接后高光谱影像。

作为本发明的优选技术方案，所述计算峰值信噪比的公式为：

式中，PSNR是峰值信噪比，MSE是图像与标准图像之间均方误差，I(i,j)是图像(i,j)处的像元值，K(i,j)是标准图像(i,j)处的像元值。

作为本发明的优选技术方案，所述基于上述特征波段使用SIFT算法提取特征点的步骤包括：

构建尺度空间，检测极值点，

L(x,y,σ)＝G(x,y,σ)*I(x,y)

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)＝L(x,y,kσ)-L(x,y,σ)

式中，G(x,y,σ)是尺度变化的高斯函数，D(x,y,σ)是高斯差分函数，(x,y)是图像中像素位置，σ是尺度空间因子；

对特征点进行精确定位及剔除不良的特征点，其中特征点是由高斯差分空间的局部极值点所组成，

为修正值，代入式得：

对特征点方向的确定，其中特征点的梯度表示为：

梯度幅值为：

梯度方向为：

计算以特征点为中心的4×4窗口内8个方向的梯度信息，获得4×4×8的128维向量描述的特征点。

作为本发明的优选技术方案，所述对提取特征点采用欧氏距离和相关系数相结合的综合相似性测度方法进行匹配得到粗匹配点的步骤中，欧式距离为：EDist＝||X-Y||，式中，X、Y表示描述两个特征点的128维向量，相关系数为：式中，Cov表示两个向量之间的协方差，Std表示向量的标准差，所述欧氏距离和相关系数相结合的综合相似性测度方法的计算公式如下：EDist_ρ＝(1-ρ)×EDist，代入可得：

式中，x_i、y_i表示X、Y向量第i维的值，x_mean、y_mean表示128维向量的平均值。

作为本发明的优选技术方案，所述基于上述粗匹配点使用随机抽样一致的方法剔除误匹配点实现特征点的精确匹配得到精确匹配点的步骤包括：

步骤a：随机从粗匹配点中选出不在同一条直线上的四对匹配点，计算变换矩阵H；

步骤b：利用上述计算的变换矩阵H对每个匹配点进行变换，计算通过变换得到的匹配点与对应匹配点之间的距离d并与设定的阈值进行对比；

步骤c：将匹配点分为外点和内点，反复步骤a-步骤b，直到满足迭代次数或变换矩阵H值的变化小于设定的阈值。

作为本发明的优选技术方案，所述将配准后的全波段影像利用线性过渡法进行光谱融合的步骤中，过渡因子α，其中0≤α≤1，I₁、I₂为待拼接影像，I为拼接后的影像，

两幅影像的重叠区域在x轴方向上最大值和最小值分别为：x_max、x_min，则过渡因子α为：

本发明的有益效果：对无控制点的无人机载高光谱遥感影像，首先计算待拼接高光谱影像各个波段的峰值信噪比，从中选取峰值信噪比最高的波段作为特征波段，对选取的特征波段使用SIFT算法进行特征提取，然后采用欧氏距离和相关系数相结合的综合相似性测度方法进行匹配，再使用随机抽样一致方法剔除误匹配点进行特征点的精确匹配，根据精确匹配的点对全波段影像进行配准，对配准后的全波段影像利用线性过渡法进行融合，最后输出拼接好的高光谱遥感影像。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实 施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a为本发明的流程图；

图1b为本发明的其中一种具体流程图；

图2a和图2b为本发明实施例1中的基准高光谱影像和待拼接高光谱影像；

图3为本发明中实施例1最终拼接效果图；

图4为本发明中实施例1拼接前后典型地物1的光谱曲线对比图。

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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-图4所示，一种低空无人机载高光谱遥感影像自动拼接方法，包括以下步骤，

步骤S1：采集待拼接的高光谱遥感影像并对影像中各个波段计算峰值信噪比选出特征波段，其中包括步骤S1a：采集待拼接的两幅高光谱遥感影像并对影像中各个波段计算峰值信噪比；步骤S1b：基于上述各个波段的峰值信噪比选出峰值信噪比最高的波段作为特征波段，具体为：输入待拼接的高光谱遥感影像，计算输入的待拼接高光谱影像的各个波段峰值信噪比，选取峰值信噪比最高的波段作为特征波段；峰值信噪比计算公式如下：

式中，PSNR是峰值信噪比，MSE是图像与标准图像之间均方误差，I(i,j)是 图像(i,j)处的像元值，K(i,j)是标准图像(i,j)处的像元值。

步骤S2：基于上述特征波段提取特征点并进行匹配得到粗匹配点：其中包括步骤S2a：基于上述特征波段使用SIFT算法提取特征点；具体包括对选取的特征波段，使用SIFT算法提取特征点；SIFT算法提取特征点过程如下：

①构建尺度空间，检测极值点

L(x,y,σ)＝G(x,y,σ)*I(x,y) (13)

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)＝L(x,y,kσ)-L(x,y,σ) (15)

式中，G(x,y,σ)是尺度变化的高斯函数，D(x,y,σ)是高斯差分函数，(x,y)是图像中像素位置，σ是尺度空间因子。

②特征点精确定位及剔除不良的特征点

特征点是由高斯差分空间的局部极值点所组成。

为修正值，代入式(16)得：

③特征点方向确定

特征点的梯度表示：

梯度幅值：

梯度方向：

④计算以特征点为中心的4×4窗口内8个方向的梯度信息，最终获得4×4×8的128维向量描述的特征点。

步骤S2b：对提取特征点采用欧氏距离和相关系数相结合的综合相似性测度方法进行匹配得到粗匹配点，对提取特征点采用欧氏距离和相关系数相结合的综合相似性测度方法进行匹配的过程为；

欧式距离：

EDist＝||X-Y|| (22)

式中，X、Y表示描述两个特征点的128维向量。

相关系数：

式中，Cov表示两个向量之间的协方差，Std表示向量的标准差。

欧氏距离和相关系数相结合的综合相似性测度方法计算公式如下：

EDist_ρ＝(1-ρ)×EDist (24)

代入可得：

即：

式中，x_i、y_i表示X、Y向量第i维的值，x_mean、y_mean表示128维向量的平均值。

步骤S3：基于上述粗匹配点剔除其中误匹配点得到精确匹配点并进行配准得到配准后的全波段影像，其中包括步骤S3a：基于上述粗匹配点使用随 机抽样一致的方法剔除误匹配点实现特征点的精确匹配得到精确匹配点，具体包括对得到的匹配点，使用随机抽样一致方法剔除其中误匹配点，实现特征点的精确匹配。随机抽样一致是一种经典的去“外点”方法，通过反复迭代的方式从包含“外点”的数据集中选出“内点”。具体步骤如下：

步骤a：随机从粗匹配点中选出不在同一条直线上的四对匹配点，计算变换矩阵H；

步骤b：利用上述计算的变换矩阵H对每个匹配点进行变换，计算通过变换得到的匹配点与对应匹配点之间的距离d并与设定的阈值进行对比；

步骤c：将匹配点分为外点和内点，反复步骤a-步骤b，直到满足迭代次数或变换矩阵H值的变化小于设定的阈值。

步骤S3b：基于上述精确匹配点对影像进行配准得到配准后的全波段影像，具体为根据精确匹配点，以基准全波段影像为基准对待拼接全波段影像进行配准。

步骤S4：基于上述配准后的全波段影像利用线性过渡法融合得到拼接后的高光谱影像，其中包括步骤S4a：配准后的全波段影像利用线性过渡法进行融合，具体为对两幅全波段影像利用线性过渡法进行融合，过渡因子α(0≤α≤1)。

假设I₁、I₂为待拼接两幅影像，I为拼接后的影像。则有：

两幅影像的重叠区域在x轴方向上最大值和最小值分别为：x_max、x_min，则过渡因子α为：

步骤S4b：输出拼接后的高光谱影像。

以下提供具体的实施方式来进一步阐述本发明。

如图2a、图2b、图3和图4所示，一种低空无人机载高光谱遥感影像自动拼接方法，具体实施方式的步骤；图2a、图2b是本发明使用的两幅高光谱遥感影像，它是UHD185机载成像光谱仪获取的华北地区某地一条航线上的两幅高光谱遥感影像，影像共有138个波段，光谱范围450～950nm，光谱分辨率8nm@532nm，采样间隔4nm，光谱通道125个。UHD185成像光谱仪是由德国Cubert公司研制的最新型无人机载成像光谱仪，其最大的特点是采用全画幅成像技术，与常见的推扫式成像光谱仪对比，具有重量轻、成像无需高精度惯导和GPS设备支持、数据处理难度小、图像数据质量高、可用性强等优点。图3是最终拼接效果图，图4是拼接前后典型地物1的光谱曲线对比图。

为了更为准确的验证本发明方法的有效性，提取影像中典型地物1的拼接前后光谱曲线，选用光谱角余弦、光谱相关系数、光谱信息散度指标对拼接前后的光谱曲线相似度进行评价，其中光谱角余弦值越大相似度越高，光谱相关系数值越大相似度越高，光谱信息散度值越小相似度越高。具体结果见表一。

表一

本发明的拼接方法能够对无控制点的无人机载高光谱遥感影像进行自动拼接，拼接效果好、精度高、光谱畸变小，适用于无地面控制点的无人机载高光谱遥感影像的自动拼接。

随着成像光谱仪技术和无人机技术的不断发展，无人机与成像光谱仪相结合使得高光谱遥感影像的获取变得越来越便捷。然而，由于无人机航拍单幅影像所覆盖的区域面积不大，为获取整个研究区域影像，需要对多张影像 进行拼接，另外为每幅影像单独添加控制点信息工作量大、耗时长，拼接后添加控制点信息将大大提高工作效率，因此研究无控制点高光谱遥感影像的自动拼接方法具有十分重要的现实意义，本发明为无控制点的无人机载高光谱遥感影像的自动拼接提供了一种方法。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。