遥感影像图像拼接算法研究.docVIP

遥感影像图像拼接算法研究 　　【摘要】针对高分辨率遥感影像的图像特点，采用SURF特征算法实现对图像的快速拼接。该方法利用SURF算子提取特定区域的图像特征;并应用图像的几何特征做进一步的特征点筛选，以提高图像拼接效率，减少计算误差;利用RANSAC配准算法对图像进行配准，以消除误匹配;对于光照不均匀情况，致使拼缝图像插值不均匀，可采用三次样条插值法处理，使拼接后图像整体更符合人眼评价标准。 　　【关键词】图像拼接;SURF算法;RANSAC配准;三次样条插值法 　　Abstract：For the image features of high resolution remote sensing image，using SURF registration algorithm for mosaicing image quickly. In this scheme，SURF（Speeded Up Robust Features）is applied to extract features from the images;and using the geometric features of image to screen the feature points，in order to improve the efficiency of image mosaic and reduce the error in calculating;and then，for eliminating the matching error，bring in the RANSAC（Random Sampling Consensus）algorithm for image registration;for the non-uniform illumination，lead to the seaming image interpolations are not uniform. In order to solve this problem，we using the Cubic Spline Interpolation，so that the whole image is more consistent with human eyes evaluation standard after mosaic. 　　Keywords：image mosaic;SURF algorithm;RANSAC registration;Cubic Spline Interpolation 　　1.引言 　　随着国民经济的发展，高分遥感影像的应用已从军事化扩展到国民生活中。而为实现对更大范围地面图像的探索研究，需要对航拍的影像进行精准拼接处理，因为对多幅遥感影像的拼接处理技术成为重要的应用技术之一。 　　2.现状研究 　　图像拼接技术是将不同时间，不同视角或不同传感器获得的数张有重叠部分的图像拼成一幅大型的无缝高分辨率图像的技术。 　　随着高分辨率遥感影像应用范围的不断扩宽，图像拼接已经成为了图形图像处理和计算机视觉领域的研究热点。近几年，国内外研究学者不断地向匹配精度高、鲁棒性好、时间效率高等优点方向研究[1]。基于这种诉求，同时为了克服现有拼接效果不佳的缺点，提出一种综合型的拼接算法理论。 　　3.算法的基本原理 　　3.1 SURF特征提取 　　SURF是一种特征点提取算法，作为一种尺度不变特征变换算法，相较于SIFT算法具有更好的鲁棒性，并且克服了SIFT算法数据计算量大、时间复杂度高的缺点。 　　Hessian矩阵是SURF算法的核心[2]，在算法中选用图像像素函数L（x，y），并用二阶标准高斯函数作为滤波器，得到H矩阵： 　　为了平衡准确值与近似值之间的误差，引入一种叫做权值硼的权值，可随尺度的变化而变化，则H矩阵判别式又可表示为： 　　其行列式表达式为： 　　SURF算法与SIFT算法的区别主要在于构建尺度空间上，这两种算法采用的均为图像金字塔法，如图1所示。图像的尺度大小用高斯标准差来表示，但在具体理论应用上两种算法截然不同。在SIFT算法中，保持滤波器大小不变，在计算每层图像尺寸时，需要根据前一层图像的尺寸重新设置，即需进行二次抽样，大大加重了计算量;在SURF算法中，保持图像大小不变，申请增加图像核的尺寸，允许尺度空间多层图像同时被处理，大大提高了运算效率[3]。 　　图1 SURF算法和SIFT算法滤波金字塔 　　在基础条件确定后，SURF算法的重点在于对特征点的提取，为了保证旋转不变性，首先以特征点为圆心，计算半径为6S（S为特征点所在尺度值）的领域内Harr小波的dy、dz响应，并赋于权重系数。然后将60°范围内