航空影像镶嵌及几何纠正研究与实现.docxVIP

航空影像镶嵌及几何纠正研究与实现 摘要：解决影像拼接与纠正自动化算法的设计与实现问题、影像纠正过程中人工干预过多的问题以及影像拼接过程中人工选择特征点而导致的生成效率低下问题，提高航空影像镶嵌和纠正的自动化程度，进而提高航空正射影像的生成效率，具有生产实际意义。本文基于SIFT（Scale Invariant Feature Transform）算法实现了航拍影像的特征的自动提取，通过K-D树算法实现了SIFT特征的自动匹配，根据匹配的SIFT计算出了变换矩阵，通过矩阵变换和融合算法将相邻影像进行了镶嵌，再用多项式模型对得到的影像进行了几何纠正，最终达到了正射影像制作目的。在Opencv和ArcGIS平台的基础上将整个正射影像制作过程开发成了一个正射影像制作系统，并且采用了实际的航拍数据对算法实现效果进行了验证，实验表明，本文设计的系统是可行的。 关键词?SIFT；特征匹配；影像镶嵌；几何纠正 1 引言 目前实际生成过程中，航空正射影像的制作一般有两个途径可以完成，一是借助摄影测量影像处理系统在数字高程模型（DEM）的辅助下将航拍序列影像制作成正射影像，一是利用多种软件在地形图的辅助下将影像制作成正射影像，这两种方案都存在都各自存在一定的问题。 影像镶嵌的关键在于匹配算法，而匹配算法主要有基于灰度和基于特征两大类，基于影像灰度信息进行影像匹配的算法主要有MAD[1]和SSDA[2]（Similarity Detection Algorithm）算法。Harris[3]角点检测算法、SUSAN（Small Univalue Segment Assimilating Nucleus）角点检测法[4]、SIFT算法、PCA-SIFT算法、GLOH（Gradient Location Orientation Histogram）算法[5]、SURF（Speeded Up Robust Features）算法、ASIFT（Affine Scale Invariant Feature Transform）算法[6]等是常见的基于特征的影像匹配算法。解决影像镶嵌及纠正处理的自动化算法的实现问题，进而提高航空影像制作正射影像的生产效率，具有生产实际意义。 2 系统设计与实现 2.1 系统总体设计 实现三大模块： SIFT特征提取、SIFT特征匹配、影像镶嵌以及几何纠正。 2.2 系统详细设计 2.2.1影像特征提取模块 SIFT算法的主要过程如图2-2所示。该算法核心是结合了多尺度理论对影像进行处理，根据待处理影像的大小确定需要建立的金字塔阶数以及每一阶包含的影像的层数，通过高斯模板运算建立每一阶影像的所有的影像层，然后再在高斯金字塔的基础上进行差分运算得到差分高斯金字塔。在差分高斯金字塔上进行极值搜索，得到特征点的位置信息，然后根据特征点的邻域窗口信息，得到特征点的描述向量信息，得到了特征点的位置信息和描述向量信息之后，整个特征点提取过程完成。 2.2.2影像镶嵌模块 影像镶嵌主要有拼接和融合两部分，其中拼接是基础，融合是最终效果的体现。影像拼接的基础又是影像之间的正确的同名点对的查找，同名点对正确查找的前提又是特征点的正确自动提取，本文设计的系统所采取的特征点提取算法是SIFT算法。整个镶嵌过程如图2-3所示，为了解决大影像特征提取的效率问题，先裁剪出待镶嵌影像的重叠部分,然后对裁剪出来的重叠区域进行SIFT特征提取，再采用K-D树算法对提取到的SIFT特征进行最近邻匹配，根据得到的匹配结果，计算出变换矩阵，根据变换矩阵将左右影像变换到同一个空间，达到影像拼接的目的，对重叠区域的像素，采取影像融合算法进行融合以保证拼接后的图像不会出现裂痕，最终达到影像镶嵌的目的。 2.2.3几何纠正模块 几何纠正模块主要是基于ArcGIS的二次开发接口实现的。影像的几何纠正的关键步骤就是准确地选取同名点对，将待纠正影像纠正到参考影像的坐标系统下。先辅助人工干预，分别在待纠正影像和参考影像中选取控制点，获得两个同名点的坐标，然后根据选定的纠正模型，求解出纠正模型的相关的系数，然后再用纠正模型计算出待纠正影像的所有像素点的新的坐标，在获得新坐标之后，再从原始影像上找到对应像素的像素值，不在整数行列上的像素需要进行灰度值重采样，获得新影像的像素值之后，确定新影像的输出范围，将纠正好的影像输出保存。 2.3 系统实现 2.3.1 建立金字塔底层影像 高斯影像金字塔的底层影像的生成过程是，通过相应算法得到一维高斯运算模板，在原始影像的行和列方向都进行模板运算，先在行方向进行一维模板运算，然后再在影像的列方向进行模板运算，分成行和列的运算之后，算法的效率得到了很大程度的提高。整个算法主要包含了如下的几个关键步骤。 2.3.2 高斯金字塔、差分高斯金字塔的建立过程 s