基于局部不变性特征的无人机影像特征点提取.pdfVIP

2015年6月 地理空间信息 Jun.,2015 第13卷第3期 GEOSPATIAL INFORMATION Vol.13,No.3 doi:10.3969/j.issn.1672-4623.2015.03.017 基于局部不变性特征的无人机影像特征点提取 甘  洁1 （1. 福建省基础地理信息中心，福建 福州 350003） 摘  要：针对不同尺度影像特征点提取的问题，提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照， 详细分析了SURF特征点检测算法，并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、 SURF等算法进行了比较。结果表明，SURF算法提取影像特征点的速度较快、适应性较强。 关键词：影像；特征点提取；算法；局部不变性特征；SIFT；SURF 中图分类号：P231.5 文献标志码：B 文章编号：1672-4623（2015）03-0047-03 无人机影像具有高空间分辨率、时效性强、低成本、 算法，用来侦测和描述影像中的局部性特征。SIFT算 高安全性等优点，在地理国情方面的应用越来越广泛。 法主要由构建影像尺度空间、关键点精确定位、确定 但受无人机飞行高度、数码相机焦距和高空间分辨率 关键点方向、生成关键点描述符4个步骤构成[6]。 的限制，单张无人机影像的覆盖范围有限，仅依靠单 2.1  构建影像尺度空间及特征点精确定位 张影像，难以形成对整个区域的认知，因此需要对大 多尺度空间中的特征点可以通过高斯模糊技术和 [7] 量无人机影像进行拼接。空中三角测量是传统无人机 影像金字塔技术相结合来实现精确定位 。一幅二维 影像的拼接方法，该方法虽然精度很高但需要布设大 影像的尺度空间可以定义为： [1] 量地面控制点 、人工选点，耗费大量时间和人力。 ^ h = ^ h ^ h L x,y ,v G x ,y ,v 7 I x,y (1) 如何准确、快速地提取无人机影像的特征点成为无人 式中，G （x ，y ， ）为尺度可变的高斯函数，G （x ，y ，σ 2 2 - （x +y ）/2σ 2 机影像处理研究的热点。 σ）=e /2πσ ；I （x ，y ）为影像在像素坐标 （x ，y ） 的灰度值 ； 为卷积操作 ； 为影像尺度因子。σ ⊗ 1  常用算法介绍 将通过高斯差分（DoG）影像尺度空间和影像二 比较常用的特征点提取算法有Moravec算法、 维平面所共同构成的三维空间中的局部极值点作为影 [2] 像特征点，这样求取的极值点并不一定都是