劉　洋　鄒自力

（東華理工大學(xué)測繪工程學(xué)院　江西南昌　330013）

基于Harris算子和 SIFT特征匹配的無人機(jī)影像處理

劉洋鄒自力

（東華理工大學(xué)測繪工程學(xué)院江西南昌330013）

摘要：實時測繪及社會各行各業(yè)對遙感數(shù)據(jù)獲取的現(xiàn)勢性和及時性要求越來越高，而無人機(jī)(UnmannedAerialVehicle,UAV)航空攝影作業(yè)方式靈活快捷、其獲取的影像具有時效性、分辨率高等優(yōu)點，因此無人機(jī)航空攝影在各行各業(yè)得到了越來越廣泛的應(yīng)用。由于 UAV遙感系統(tǒng)平臺的平穩(wěn)程度不高，造成影像重疊度不規(guī)則、旋偏角大等原因，目前灰度匹配算法難以滿足無人機(jī)影像匹配的要求。從影像匹配基本原理著手，探討了目前常用的并且適用于無人機(jī)影像匹配算法，通過實驗研究分析了基于Harris算子和SIFT特征匹配的實現(xiàn)過程和匹配效果。

關(guān)鍵詞：無人機(jī)；Harris算子；SIFT特征匹配；影像匹配

1　引言

無人機(jī)低航空遙感攝影為數(shù)字化城市建設(shè)和新農(nóng)村規(guī)劃等經(jīng)濟(jì)建設(shè)服務(wù)領(lǐng)域，能快速提供所需要的實時影像數(shù)據(jù)。對于傳統(tǒng)的航空攝影來說，自有其存在局限性，相比之下低空無人機(jī)航測的優(yōu)勢主要體現(xiàn)在以下幾個方面：（1）低廉的人力、物力、經(jīng)濟(jì)成本；（2）快速、靈活；（3）低空能力強(qiáng)；（4）圖像分辨率高，多角度；（5）承擔(dān)高風(fēng)險或高科技的飛行任務(wù)。

與傳統(tǒng)的航天航空攝影測量相比，低空無人機(jī)遙感影像又存一些不足：（1）姿態(tài)不穩(wěn)、旋偏角過大；（2）獲取影像像幅小、數(shù)量多、基高比小；（3）相機(jī)精度有限；（4）配套軟件滯后。

低空無人機(jī)攝影測量從航攝到加工處理一系列的過程而獲得的高精度的數(shù)字產(chǎn)品則主要取決于對原始影像的空三加密這一過程，空中三角加密的控制點精度以及影像匹配的算法直接關(guān)系著后期制作的數(shù)字線化圖、數(shù)字正射影像等產(chǎn)品的精度以及質(zhì)量。

2　基于Harris算子和SIFT特征匹配

對于SIFT匹配算法對平移、旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對于視角變化、仿射變化、噪聲而言，SIFT算法也保持了一定程度的穩(wěn)健性，但SIFI匹配存在特征點精度不高、特征點分布不是很均勻、運算時間長、特征點不是明顯的角點等問題，而Harris算子對影像的平移、旋轉(zhuǎn)以及噪聲都具有較強(qiáng)的穩(wěn)定性。因此，在特征點提取過程中利用Harris角點和SIFT特征點之間互補(bǔ)性提高了其對旋轉(zhuǎn)、尺度等變化的穩(wěn)定性。本文提及的該匹配方法，其實現(xiàn)流程如下：

（1）對每張影像建立金字塔和灰度金字塔影像；

（2）通過SIFT匹配，得到內(nèi)點集A；

基于金字塔影像采用SIFT特征進(jìn)行特征點提取，運用次鄰近距離比值法進(jìn)行匹配，對于初匹配的點進(jìn)行相對定向，得到內(nèi)點集A。

（3）通過Harris匹配，得到內(nèi)點集B；

基于灰度金字塔影像采用Harris角點進(jìn)行特征點提取，運用灰度相關(guān)系數(shù)進(jìn)行點的匹配，對于初匹配的點進(jìn)行相對定向，得到內(nèi)點集B。

（4）合并匹配的點集A、B，得到新點集C；

將這個兩個點集進(jìn)行相對定向，刪除重復(fù)點后，合并成整個點集。

（5）基于點集C誤匹配剔除，得到點集D；

匹配點集中不可避免的存在錯誤匹配，采用誤匹配剔除算法進(jìn)行誤匹配點剔除。

（6）構(gòu)建同名三角網(wǎng)；

基于內(nèi)點的影像坐標(biāo)構(gòu)建同名三角網(wǎng)。

（7）獲取新的Harris角點，得到內(nèi)點集E；

通過縮小Harris角點閾值獲得新的角點，根據(jù)同名三角網(wǎng)的約束對于新的進(jìn)行匹配，相對定向后得到點集E。

（8）合并內(nèi)集點D和E，剔除誤匹配，生成新的同名三角網(wǎng)；

（9）循序迭代步驟7、8，多次加密匹配得到新的內(nèi)點，直到生成足夠多的點數(shù)。

基于Harris算子和SIFT特征的匹配流程圖（圖1）：

3　實驗與分析

根據(jù)以上理論，可知對于基于Harris算子和SIFT特征的匹配可分為初始匹配和加密匹配，通過多次加密匹配得到新的連接點，對于實際生產(chǎn)中具有更好的穩(wěn)定性和實用性，在有效減小誤匹配率的同時，可以顯著提高內(nèi)點密度。如下圖2左圖為初始匹配的效果，匹配連接點在780左右，右圖為加密匹配效果，匹配連接點在2500左右。

由于無人機(jī)數(shù)據(jù)影像旋偏角大、亮度變化明顯、紋理信息多種多樣等特點，因此本文采用該匹配方法進(jìn)行了兩個實驗。

實驗一：旋偏角大、亮度變化匹配試驗

分析實驗圖中可以看出：

（1）圖3、4分別是影像旋偏角大的、亮度不一致的連接點匹配效果圖，可知該匹配方法繼承了SIFT匹配對平移、旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性。

（2）由圖5、6可知，該匹配方法匹配后得到的連接點均勻地分布在立體像對的重疊區(qū)域內(nèi)，而且匹配出的連接點是多度重疊，具有更好的穩(wěn)定性和實用性。

實驗二：不同紋理信息的匹配試驗

為試驗該匹配方法對于不同紋理信息的匹配效果，選取了水域、田地、植被和房屋四個區(qū)域進(jìn)行了連接點的匹配，如下面一系列圖為匹配效果圖：

通過實驗可知：

（1）該匹配方法對于水域和田地這樣紋理信息比較貧乏的區(qū)域，其匹配點出的連接點較少，甚至沒有；

（2）對于植被和房屋紋理信息豐富的區(qū)域，匹配的連接點較多。

4　結(jié)束語

基于結(jié)合Harrisl算子的SIFT特征匹配的的理論，對于影像旋角、亮度變化明顯的一些問題，具有維持其平移、旋轉(zhuǎn)、尺度、亮度的穩(wěn)定性；但是基于這種理論匹配方法對于紋理信息有一定的自適應(yīng)性，對于紋理信息較少的區(qū)域，其能自動匹配的連接點數(shù)非常之少，所以沒有足夠的連接點就不能構(gòu)建三角網(wǎng)，這促顯現(xiàn)有技術(shù)的局限性，需要新的算法；

基于Harris算子和SIFT特征匹配，有效的解決了旋偏角大、重疊度大無人機(jī)影像匹配的問題，在實際生產(chǎn)中該匹配方法是適用于無人機(jī)的影像匹配的。

參考文獻(xiàn)：

［1］崔紅霞，孫杰，林宗堅，儲美華.非量測數(shù)碼相機(jī)的畸變差檢測研究［J］.測繪科學(xué)，2005，1（30）：105～107.

［2］謝萍，鄒崢嶸，肖奇.基于 Harris角點和 SIFT特征的近景影像匹配［J］.測繪科學(xué)，2011.

［3］雷小群，李芳芳，肖本林.一種改進(jìn)SIFT算法的遙感影像配準(zhǔn)方法［J］.測繪科學(xué)，2010（03）.143～145.

［4］C.J.Harris，M.StePhens.AcombinedCornerandEdgeDetector［C］.ProceedingsoftheFourthAlveyVisionConference，1988:147～151.