一种无人机图像匹配优化方法技术

本发明专利技术公开了一种无人机图像匹配优化方法，包括：采用SURF算法检测待匹配的无人机航拍图像A和图像B的特征点，并设置SURF算法的Hessian矩阵阈值，获取N对匹配点；遍历图像A和图像B中的匹配点，并筛选出在图像A和图像B中均匀分布的M对匹配点，并构建获得H矩阵；采用RANSAC算法和LMEDS算法分别求得H1矩阵和H2矩阵；对H1矩阵和H2矩阵进行评价，求得最优的矩阵；对最优的矩阵进行校验，以得到最合理的H矩阵。通过上述方案，本发明专利技术具有逻辑简单、计算工作量少、匹配准确等优点，在图像处理技术领域具有很高的实用价值和推广价值。具有很高的实用价值和推广价值。具有很高的实用价值和推广价值。

【技术实现步骤摘要】
一种无人机图像匹配优化方法


[0001]本专利技术涉及图像处理
，尤其是一种无人机图像匹配优化方法。

技术介绍

[0002]随着多轴无人机的迅速发展和普及，无人机航拍技术被应用到越来越多的领域，并且对无人机航拍图像的匹配与识别也成为研究的热点。图像匹配与识别是多种技术的综合运行，被广泛应用于人工智能、安全防护、无人机航拍、辅助驾驶、图像遥感、计算机视觉等诸多领域。
[0003]目前，现有技术中的无人机图像多采用特征点进行匹配，如专利申请号为“201810735162.8”、名称为“一种基于融合局部特征的快速无人机图像匹配方法”的中国专利技术专利，其采用：分别对基准影像和待匹配影像进行3*3格网分块，将一张影像分为9个子区域，并在子区域内进行不变特征的提取；利用特征描述符从不变特征区域提取特征向量；通过比较特征向量之间的相似性，判别初始同名特征，得到稳定的初始匹配；统计各个格网内的匹配点数量，对于格网内匹配点数量小于阈值的区域，进行区域MSERs特征匹配；利用马氏距离的仿射不变性删除误匹配点对。该技术通过特征点的匹配进行直接图像匹配。另外，在王振华《一种应用于无人机航拍图像的匹配方法》中，首先，接收无人机通过4G传输的图像数据与GPS信息；其次，根据GPS信息读取数据库中对应的地理信息特征点数据；最后，使用特征点完成图像匹配。为了加快匹配速度，其采用SURF特征代替SIFT特征完成运算。
[0004]上述技术均采用特征点进行直接匹配，并删除误匹配点；由于匹配的特征点是随机的，其无法获得均匀分布的特征点，导致匹配的图像存在重复、无匹配的问题。若仅仅用局部的特征点进行计算H矩阵，其非常容易求解出一个较异常的值，导致图像扭曲形变过大。在无人机采集图像时需要达到70％-80％覆盖率，同样是为了使得特征点分布在图像各个地方。
[0005]因此，急需要提出一种逻辑简单、计算工作量少、匹配准确的无人机图像匹配优化方法。

技术实现思路

[0006]针对上述问题，本专利技术的目的在于提供一种无人机图像匹配优化方法，本专利技术采用的技术方案如下：
[0007]一种无人机图像匹配优化方法，包括以下步骤：
[0008]采用SURF算法检测待匹配的无人机航拍图像A和图像B的特征点，并设置SURF算法的Hessian矩阵阈值，获取N对匹配点；所述N为大于等于4的自然数；
[0009]遍历图像A和图像B中的匹配点，并筛选出在图像A和图像B中均匀分布的M对匹配点，并构建获得H矩阵；所述M小于等于N；
[0010]所述H矩阵的表达式为：
[0011][0012]在齐次坐标下h
22
＝1，并采用RANSAC算法和LMEDS算法分别求得H1矩阵和H2矩阵；
[0013]对H1矩阵和H2矩阵进行评价，求得最优的矩阵；
[0014]对最优的矩阵进行校验，以得到最合理的H矩阵。
[0015]进一步地，所述对H1矩阵和H2矩阵进行评价，求得最优的矩阵，包括以下步骤：
[0016]若H1矩阵和H2矩阵其中之一满足|h
20
+h
21
|＞0.0005，则淘汰对应的矩阵；
[0017]若H1矩阵和H2矩阵均未被淘汰，则根据||h
00
|+|h
01
|+|h
10
|+|h
11
|-2|选取取值最小的矩阵，以得到最优的矩阵。
[0018]更进一步地，所述对最优的矩阵进行校验，以得到最合理的H矩阵，包括以下步骤：
[0019]根据最优的矩阵求得任一图像的长宽变形值，其表达式为：
[0020]P'
i
＝H*P
i
[0021]其中，图像的原图四个点齐次化坐标P1(0,0,1),P2(w,0,1),P3(w,h,1),P4(0,h,1)；w表示图像的原图宽度，h表示图像的原图高度；变换后的四个点为P'
i
(i＝1..4)；
[0022]求得图像变换后的四条边的长度，其表达为：
[0023]d1＝||P'
1-P'2||,d2＝||P'
2-P'3||,d3＝||P'
3-P'4||d4＝||P'
4-P'1||
[0024]其中，||*||代表两点间欧式距离；
[0025]若图像变换后的四条边的长度变化值大于2，则淘汰该H矩阵，便可得到最合理的H矩阵。
[0026]与现有技术相比，本专利技术具有以下有益效果：
[0027](1)本专利技术通过设置Hessian矩阵阈值参数，以获得数对匹配点；在匹配的特征点对中遍历选取均匀分布的特征匹配点，以保证匹配可靠；
[0028](2)本专利技术巧妙地采用多算法计算H矩阵，并对H矩阵进行评价和校验，其一，计算H矩阵采用的算法都是迭代拟合的，都不一定是最优解，那么采用集成学习的思想，用多算法计算H矩阵，能做到优中选优，提高最后匹配的准确性。另外，若仅采用单一算法求解出的H矩阵，用作投影变换后，会产生较大的形变，这明显是不符合无人机采集图像场景的，会对后来无人机拼接带来较大误差；而本专利技术根据不同的应用场景，采用不同的评价手段对H矩阵进行评价，便于筛选出更优的H矩阵。
[0029]综上所述，本专利技术具有逻辑简单、计算工作量少、匹配准确等优点，在图像处理
具有很高的实用价值和推广价值。
附图说明
[0030]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0031]图1为本专利技术的特征点筛选示意图(一)。
[0032]图2为本专利技术的特征点筛选示意图(二)。
具体实施方式
[0033]为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0034]实施例
[0035]如图1至图2所示，本实施例提供了一种无人机图像匹配优化方法，包括以下步骤：
[0036]第一步，采用金字塔SURF方法进行匹配：
[0037]本实施例对图A和图B进行匹配，首先，采用较为严格的SURF特征点检测，其中，将Hessian矩阵阈值参数设置为1200。若特征点较少，那么采用较为宽松的SURF特征点检测，并将Hessian矩阵阈值参数逐步降低，如设置为800，400。在本实施例中，一共N对匹配点。Pts1代表图A的特征点集合，Pts2代表图B的特征点集合。如果N≥4，则继续。N＜4则采用降低Heisson阈值再匹配。
[0038]第二步，筛选M对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机图像匹配优化方法，其特征在于，包括以下步骤：采用SURF算法检测待匹配的无人机航拍图像A和图像B的特征点，并设置SURF算法的Hessian矩阵阈值，获取N对匹配点；所述N为大于等于4的自然数；遍历图像A和图像B中的匹配点，并筛选出在图像A和图像B中均匀分布的M对匹配点，并构建获得H矩阵；所述M小于等于N；所述H矩阵的表达式为：在齐次坐标下h
22
＝1，并采用RANSAC算法和LMEDS算法分别求得H1矩阵和H2矩阵；对H1矩阵和H2矩阵进行评价，求得最优的矩阵；对最优的矩阵进行校验，以得到最合理的H矩阵。2.根据权利要求1所述的一种无人机图像匹配优化方法，其特征在于，所述对H1矩阵和H2矩阵进行评价，求得最优的矩阵，包括以下步骤：若H1矩阵和H2矩阵其中之一满足|h
20
+h
21
|＞0.0005，则淘汰对应的矩阵；若H1矩阵和H2矩阵均未被淘汰，则根据||h
00
|+|h
01
|+|h
10
|+|h
...

【专利技术属性】
技术研发人员：尹辉，来楷迪，张忠辉，李鹏程，方霖，
申请(专利权)人：成都圭目机器人有限公司，
类型：发明
国别省市：