秦文俊，劉亞偉，葉洺凱，牛 浩

(中國(guó)人民解放軍31439部隊(duì)，遼寧 沈陽(yáng) 110100)

0 引言

無(wú)人機(jī)測(cè)繪是綜合集成無(wú)人機(jī)飛行器、遙感遙測(cè)、通信和圖像處理等多學(xué)科技術(shù)，通過(guò)獲取目標(biāo)區(qū)域的地理空間信息，快速完成遙感數(shù)據(jù)處理、測(cè)量成圖、環(huán)境建模及分析的理論和技術(shù)。無(wú)人機(jī)測(cè)繪系統(tǒng)能夠?qū)崿F(xiàn)高分辨率、近地、多角度測(cè)量，從而形成時(shí)間與空間重疊度高的序列圖像[1]。

無(wú)人機(jī)作為測(cè)繪領(lǐng)域外部作業(yè)的新工具，大大減少外部作業(yè)人員的工作量，同時(shí)測(cè)繪效率也得到了質(zhì)的提升。但是，由于無(wú)人機(jī)測(cè)繪圖像易受尺度、旋轉(zhuǎn)和光照等外界因素的影響，導(dǎo)致現(xiàn)有圖像拼接算法拼接質(zhì)量大大降低。而基于局部特征匹配的圖像拼接方法在測(cè)繪尺度、傾斜和光照等變化具有較好的魯棒性。局部特征點(diǎn)是圖像特征的局部表達(dá)，它反映圖像上具有的局部特殊性，局部特征往往對(duì)應(yīng)著圖像中的一些線條交叉、明暗變化的結(jié)構(gòu)。由于無(wú)人機(jī)測(cè)繪圖像受到飛機(jī)抖動(dòng)的影響，導(dǎo)致圖像出現(xiàn)微小的傾斜、旋轉(zhuǎn)等變化，同時(shí)相鄰圖像間存在一定程度光照變化，而本文采用的局部特征圖像拼接技術(shù)(GFTT+FREAK)可增強(qiáng)測(cè)繪無(wú)人機(jī)圖像拼接的準(zhǔn)確性和魯棒性，同時(shí)由于局部特征匹配的圖像拼接技術(shù)可對(duì)未經(jīng)預(yù)處理的原始圖像進(jìn)行準(zhǔn)確拼接，所以圖像拼接效率也會(huì)得到顯著提高[2-5]。

1 局部特征匹配算法對(duì)比測(cè)試及優(yōu)選

目前常用的特征檢測(cè)方法有：STAR，F(xiàn)AST，SIFT，SURF，ORB，BRISK。常用的特征描述方法有：SIFT，SURF，ORB，BRISK，F(xiàn)REAK[6-10]。

局部特征匹配算法的匹配流程如圖1所示。

圖1 局部特征匹配流程

根據(jù)局部特征匹配流程，在相同硬件條件下分別對(duì)特征檢測(cè)子和特征描述子不同組合的匹配點(diǎn)數(shù)n和匹配所用時(shí)間t/s進(jìn)行統(tǒng)計(jì)，進(jìn)而測(cè)試不同組合特征匹配的準(zhǔn)確性和快速性，測(cè)試圖像如圖2所示，是由大疆無(wú)人機(jī)拍攝，拍攝高度為100 m，圖像重疊度為40%。

圖2 實(shí)驗(yàn)測(cè)試圖

實(shí)驗(yàn)數(shù)據(jù)如表1所示，測(cè)試數(shù)據(jù)均是每項(xiàng)測(cè)量20次取平均值所得[11]。

表1 檢測(cè)子、描述子不同組合性能測(cè)試表

組合匹配點(diǎn)數(shù)匹配時(shí)間/sSTAR+SIFT350.067STAR+SURF350.023STAR+ORB350.023STAR+BRISK350.239STAR+SURF350.056FAST+SIFT1 6060.588FAST+SURF1 6060.156FAST+ORB9780.038FAST+BRISK1 3450.294FAST+FREAK1 1350.106SURF+SIFT6971.108SURF+SURF6970.141SURF+ORB5370.047SURF+BRISK4770.266SURF+FREAK2000.083BRISK+SIFT1610.413BRISK+ORB1340.240BRISK+FREAK930.278組合匹配點(diǎn)數(shù)匹配時(shí)間/sGFTT+SIFT1 0000.195GFTT+SURF1 0000.066GFTT+ORB6400.032GFTT+BRISK8530.265GFTT+FREAK7120.083SIFT+SIFT8710.322SIFT+SURF8710.183SIFT+ORBXXSIFT+BRISK7370.319SIFT+FREAK6360.129ORB+SIFT4400.634ORB+SURF4400.131ORB+ORB4400.023ORB+BRISK2430.258ORB+FREAK270.052BRISK+SURF1610.251BRISK+BRISK1610.452

根據(jù)測(cè)試結(jié)果，從中優(yōu)選出匹配點(diǎn)數(shù)大于等于500個(gè)，匹配時(shí)間0.1 s以下的組合分別為GFTT+ORB，GFTT+SURF，GFTT+FREAK，F(xiàn)AST+ORB，SURF+ORB。由此可見(jiàn)ORB特征描述子更加適用于小型無(wú)人機(jī)測(cè)繪圖像的圖像拼接。

考慮到小型無(wú)人機(jī)測(cè)繪過(guò)程中由于飛機(jī)的抖動(dòng)，導(dǎo)致圖像產(chǎn)生微小傾斜、旋轉(zhuǎn)變化，從而影響圖像的拼接，而ORB描述子不具有尺度不變性和旋轉(zhuǎn)不變性，所以O(shè)RB描述子不適合無(wú)人機(jī)測(cè)繪圖像的拼接。

針對(duì)圖形傾斜、旋轉(zhuǎn)問(wèn)題，對(duì)剩余的2組組檢測(cè)子、描述子組合GFTT+SURF，GFTT+FREAK進(jìn)行測(cè)試，從而選出對(duì)圖像傾斜變化魯棒性最好的組合作為本文局部特征匹配算法。實(shí)驗(yàn)數(shù)據(jù)如圖3所示，2張圖像發(fā)生了較小的傾斜變化。利用測(cè)試圖像分別對(duì)優(yōu)選出的3個(gè)組合進(jìn)行魯棒性測(cè)試，測(cè)試數(shù)據(jù)均是測(cè)量20次取平均值所得，測(cè)試過(guò)程中分別對(duì)正確匹配點(diǎn)數(shù)、所用時(shí)間和平均每點(diǎn)耗時(shí)3個(gè)指標(biāo)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如表2所示。

3.1 近年來(lái)我國(guó)老年腸道疾病的發(fā)生率不斷上升，腸道檢查日益普及，行結(jié)腸鏡檢查的老年便秘患者也逐年增加，清腸措施不斷完善，清腸劑也越來(lái)越多，有效的清潔腸道是結(jié)腸鏡檢查成功的關(guān)鍵。腸道清潔度不佳，不僅影響腸鏡檢查操作，更重要的是遺漏病變［4］。

圖3 魯棒性側(cè)視圖

表2 魯棒性測(cè)試表

組合正確匹配點(diǎn)數(shù)n所用時(shí)間/s平均每點(diǎn)耗時(shí)/sGFTT+SURF1 0000.0960.000 096GFTT+FREAK8980.0740.000 082

由表2可得，GFTT+SURF，GFTT+FREAK針對(duì)圖像傾斜、旋轉(zhuǎn)變化都具有較好的魯棒性，但是GFTT+FREAK耗時(shí)較少。綜上所述，優(yōu)選出GFTT+FREAK的組合作為圖像拼接算法。

2 基于GFTT+FREAK的局部特征匹配算法

2.1 GFTT特征檢測(cè)子

GFTT算法的提出是為了解決Harris角點(diǎn)粘在一起的情況。GFTT算法是一種基于自相關(guān)矩陣響應(yīng)值的角點(diǎn)提取方法，基于自相關(guān)矩陣響應(yīng)值的像素點(diǎn)鄰域可以描述為：

(1)

將其用I0(xi+Δu)≈I0(xi)+I0(xi)Δu的泰勒序列展開(kāi)，可得到自相關(guān)矩陣A：

ΔuTAΔu，

(2)

式中，

(3)

式(3)表示xi處的圖像梯度。GFTT檢測(cè)子在對(duì)圖像特征點(diǎn)進(jìn)行檢測(cè)之前需要用高斯加權(quán)核w對(duì)圖像進(jìn)行卷積處理，從而獲得自相關(guān)函數(shù)局部形狀在每個(gè)像素上的估計(jì)：

(4)

要得到自相關(guān)矩陣的響應(yīng)值，需要對(duì)其進(jìn)行特征分析，其中局部形狀的變化可以由特征值來(lái)表示，所以用自相關(guān)矩陣的2個(gè)特征值對(duì)點(diǎn)特征進(jìn)行表示。由于GFTT的相應(yīng)量取決于較小特征值，所以GFTT用較小特征值表示角點(diǎn)的響應(yīng)值R：

R=min(λ1，λ2)。

(5)

2.2 FREAK特征描述子

2.3 匹配方法

由于二進(jìn)制描述子計(jì)算二進(jìn)制描述符之間相似性時(shí)，采用漢明距離進(jìn)行特征匹配，設(shè)有2個(gè)BRISK描述符，分別為dk，dk+1，則漢明距離HD[13-14]定義為：

(6)

HD可用來(lái)衡量2個(gè)BRISK描述符的近似度，HD值越小代表相似程度越大，反之越小。

3 性能測(cè)試結(jié)果及分析

實(shí)驗(yàn)計(jì)算機(jī)型號(hào)為DELLS20臺(tái)式機(jī)，Windows64位操作系統(tǒng)，處理器為Intel(R) Core(TM)i7-4770 CPU @ 3.40 GHz 3.40 GHz。

測(cè)試圖像分為6種不同場(chǎng)景，均由大疆無(wú)人機(jī)拍攝所得，無(wú)人機(jī)飛行速度為20 km/h，拍攝高度為100～200 m，測(cè)試圖像的重疊度為40以上。測(cè)試結(jié)果如圖4所示。

圖4 GFTT+FREAK算法性能測(cè)試圖

針對(duì)上述不同實(shí)驗(yàn)場(chǎng)景，對(duì)實(shí)驗(yàn)過(guò)程中匹配點(diǎn)數(shù)和耗時(shí)2項(xiàng)指標(biāo)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如表3所示。

表3 GFTT+FREAK算法性能測(cè)試表

項(xiàng)目匹配點(diǎn)數(shù)耗時(shí)/s(a)高山地帶圖8000.069(b)山水相間地帶圖6920.078(c)城市地帶圖6630.081(d)鄉(xiāng)村地帶圖7230.067(e)河流地帶圖7120.091(f)標(biāo)志性建筑物圖8330.085

根據(jù)圖4 及表3測(cè)試結(jié)果可知，GFTT+FREAK局部特征匹配圖像拼接算法匹配點(diǎn)個(gè)數(shù)均超過(guò)了600，保證圖像拼接的準(zhǔn)確性要求，匹配時(shí)間均小于0.1 s，滿足無(wú)人機(jī)測(cè)繪圖像拼接快速性要求。

4 結(jié)束語(yǔ)

針對(duì)小型無(wú)人機(jī)測(cè)繪圖像易受尺度、傾斜和光照等變化影響，導(dǎo)致影像拼接難度大的問(wèn)題，提出了一種基于局部特征匹配的圖像拼接技術(shù)。針對(duì)小型無(wú)人機(jī)測(cè)繪圖像的特點(diǎn)，對(duì)不同局部特征檢測(cè)子和描述子的組合進(jìn)行測(cè)試，從中優(yōu)選出了GFTT+FREAK組合作為圖像拼接算法，通過(guò)對(duì)基于GFTT+FREAK局部特征匹配圖拼接算法的綜合性能測(cè)試顯示，基于GFTT+FREAK圖像拼接算法滿足小型無(wú)人機(jī)測(cè)繪圖像拼接的準(zhǔn)確性和快速性要求。由于基于局部特征匹配的測(cè)繪圖像拼接算法不需大量的圖像預(yù)處理工作，省去了大量時(shí)間，進(jìn)而大大提高了圖像拼接效率。