一种改进AKAZE特征的无人机影像匹配方法组成比例

本发明专利技术涉及一种改进AKAZE特征的无人机影像匹配方法，属于无人机影像匹配技术领域。该方法首先使用AKAZE算法构建非线性尺度空间来检测局部稳定特征，构建二进制描述符BEBLID对检测到的特征点进行描述，接着用暴力匹配法完成初步匹配，再用网格运动统计方法进行第一次粗差剔除，最后加入核线约束条件提纯内点，得到可靠匹配结果。将本发明专利技术算法与现有算法进行实验对比分析，结果表明本发明专利技术方法匹配正确率与AKAZE算法相差不大，匹配速度较AKAZE算法提升了40%左右，与ORB算法速度接近，正确匹配点对数量相较几种对比方法都明显提高，且匹配点空间分布分散均匀，具有明显的优势和实用性。具有明显的优势和实用性。具有明显的优势和实用性。

【技术实现步骤摘要】
一种改进AKAZE特征的无人机影像匹配方法


[0001]本专利技术属于无人机影像匹配
，涉及一种改进AKAZE特征的无人机影像匹配方法，具体涉及一种利用AKAZE算法检测特征，并对其构建BEBLI D描述符进行泥石流影像匹配方法。

技术介绍

[0002]随着无人机技术的快速发展，基于无人机影像构建地面三维场景成为一种非常便捷的方式，使其成为滑坡、泥石流等应急救灾的重要手段之一。然而，受到传感器视野、拍摄角度、平台运动等的限制，通常需要拍摄上百张甚至上千张才能完整覆盖灾害区域，这就需要将不同位置不同视角拍摄的影像数据进行匹配。相较于其他影像，无人机影像通常具有较高的空间分辨率，获取到的地物细节信息较多，这极大的增加了影像匹配的难度。相较于人工地物较为丰富的影像，泥石流等自然地貌分布为主的影像具有地形起伏变化大、地貌复杂多变、纹理重复或纹理单一、不同地物边界模糊等特点，特征提取和匹配时难度更大，出现错误匹配的概率也更大。在进行无人机数据处理时，包括图像拼接、动态恢复结构、稠密三维场景重构等，匹配是基础与前提，因此，提高匹配的质量与速度具有极其重要的意义。
[0003]目前常用的无人机影像匹配主要是基于影像特征的匹配，其实质是通过识别特征点、特征线或特征面并对其进行描述，再通过计算相似性测度寻找同名特征。根据局部特征匹配算法构建尺度空间方法的异同，目前研究和应用最为广泛的特征点提取和匹配算法主要分为两类，第一类利用高斯核函数构建线性尺度空间，对图像进行高斯平滑，造成轮廓细节信息丢失，边界模糊，不同尺度的特征点稳定性降低，典型代表有SIFT(scale invariant feature transform)算法、SURF(speeded up robust features)算法、ORB(oriented FAST and rotated BRIEF)算法、Harris算法等；第二类是利用非线性扩散滤波的方法构建非线性尺度空间，自适应滤除噪声和低频信息的同时，保留图像轮廓的关键特征信息，匹配效果及特征定位准确性得到显著提高，但计算时间复杂度较高，运行效率明显低于其他算法，典型代表有KAZE算法和Accelerated
‑
KAZE(AKAZE)算法。
[0004]鉴于AKAZE算法在保留图像轮廓信息方面的优势，加上该算法的计算速度相较于SIFT和SURF算法更快，已被学者们广泛研究、改进并应用于各类影像匹配和配准中。薄单,李宗春,王晓南等的《适用于倾斜影像的加速KAZE
‑
SIFT特征提取算法》构建了AKAZE
‑
SIFT算法，采用AKAZE算子进行特征检测，结合SIFT描述符进行特征描述，应用于无人机倾斜影像的特征匹配，克服了AKAZE算法原有描述符M
‑
LDB稳定性较弱的问题，相较于AKAZE算法，匹配召回率及精准率均得到提高，但是匹配时间复杂度也略有升高。邢长征,李思慧的《基于AKAZE的BOLD掩码描述符的匹配算法的研究》提出基于AKAZE的BOLD掩码描述符的匹配算法，鲁棒性相较AKAZE算法有巨大的提升，但匹配速度稍有下降。Dan LI,Qiannan XU,Wennian YU等的《SRP
‑
AKAZE:an improved accelerated KAZE algorithm based on sparse random projection》提出了SRP
‑
AKAZE算法进行影像的匹配，在AKAZE算法完成特
征点检测的基础上，进一步基于稀疏随机投影(sparse random projection,SRP)策略构建了SRP
‑
SIFT描述子来描述特征点，该方法既保留了AKAZE算法在特征检测方面的高效性优势，又具有SIFT描述子的识别能力和稳定性，同时SRP策略还降低了特征向量的维数，大大降低了计算复杂度，使得计算效率接近AKAZE。夏宇的《基于AKAZE算法的三维重建研究》提出了在构建非线性尺度空间步骤中使用Charbonnier扩散方程对AKAZE算法优化方法，在不同程度的噪声、尺度变化及旋转变换情况下，引入Charbonnier滤波后检测出的特征点更加准确，噪声数目更少，平均正确匹配率提高了2％左右，图像匹配所花费的时间略有降低。沈学利，陈鑫彤的《三元组描述符的特征匹配算法》利用三元组算法建立二进制描述符LATCH(learned arrangements of three patch codes)，与AKAZE算法结合提出AKAZE
‑
LATCH算法，进行影像匹配实验，发现该方法比原AKAZE算法匹配正确率提升了10％，运行速度提升7％，具有更好的鲁棒性和实时性。吴禄慎,陈小杜的《一种改进AKAZE特征和RANSAC的图像拼接算法》通过搭建L2
‑
Net网络结构在数据集GL3D上训练了一种通用CNN描述符代替传统M
‑
LDB描述符，该方法配准精度高于传统AKAZE算法，但该描述子的计算时间明显增多。李瑞祥,赵海涛,葛小三等的《多匹配策略融合的无人机影像匹配方法》采用RootSIFT描述符，与AKAZE算法结合，进一步融合最近邻距离比值、双向匹配和余弦相似度约束等多种匹配策略进行无人机影像特征匹配，得到了较高的匹配正确率和精度，但整体计算时间相较于AKAZE算法却有所增加。
[0005]在采用AKAZE特征进行影像匹配时，以上几种改进AKAZE的方法准确率有所提升，但是整体计算时间复杂度高，时效性较低，在应用于灾害应急等场景时还难以满足对数据自动化处理时的速度要求。因此如何克服现有技术的不足是目前无人机影像匹配
亟需解决的问题。

技术实现思路

[0006]本专利技术的目的是为了解决现有技术的不足，提供一种利用BEBLI D描述符改进AKAZE特征进行泥石流影像匹配的方法，将AKAZE特征检测算法与增强有效二进制局部特征描述符(boosted efficient binary local image descriptor，BEBLID)相结合，提出AKAZE
‑
BEBLLID算法，应用于泥石流区无人机遥感影像匹配，进一步引入运动平滑统计策略和核线约束剔除错误匹配点并提纯，能更快速得到精度较高的匹配结果。
[0007]为实现上述目的，本专利技术采用的技术方案如下：
[0008]一种改进AKAZE特征的无人机影像匹配方法，包括如下步骤：
[0009]步骤(1)，检测并提取立体像对的左、右影像亚像素级定位精度的AKAZE特征作为特征点；
[0010]步骤(2)，对检测到的特征点构建BEBLID二进制描述符；
[0011]步骤(3)，汉明距离暴力匹配法对构建好描述符的特征点进行初步匹配；
[0012]步骤(4)，基于GMS方法划分网格，统计匹配点邻域内的支持度，剔除粗差，得到初次筛查匹配点集；
[0013]步骤(5)，引入核线约束条件限制，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进AKAZE特征的无人机影像匹配方法，其特征在于，包括如下步骤：步骤(1)，检测并提取立体像对的左、右影像亚像素级定位精度的AKAZE特征作为特征点；步骤(2)，对检测到的特征点构建BEBLID二进制描述符；步骤(3)，汉明距离暴力匹配法对构建好描述符的特征点进行初步匹配；步骤(4)，基于GMS方法划分网格，统计匹配点邻域内的支持度，剔除粗差，得到初次筛查匹配点集；步骤(5)，引入核线约束条件限制，通过鲁棒算法RANSAC方法计算基础矩阵，进一步提纯内点，然后得到正确匹配结果。2.根据权利要求1所述的改进AKAZE特征的无人机影像匹配方法，其特征在于，步骤(1)中，AKAZE的特征点检测是通过寻找不同尺度归一化后的Hessian局部极大值点来实现；在寻找极值点时，每一个像素点和它上下2层及本层，共26个相邻点比较，当其大于所有26个相邻点时，即为极值点；在找到特征点后，再进行亚像素的精确定位。在特征点处使用二阶泰勒展开式，内插得到亚像素精确定位解作为特征点。3.根据权利要求1所述的改进AKAZE特征的无人机影像匹配方法，其特征在于，步骤(2)中，构建BEBLID二进制描述符进行描述时，采用的特征提取函数f(x)定义如式(8)所示；式中：I(t)是像素t的灰度值；R(p1,s)是中心位于p1，尺寸为s的方形区块；R(p2,s)是中心位于p2，尺寸为s的方形区块；给定阈值T，对f(x)进行阈值判断，得到公式(9)中的特征h(x)≡h
k
(x；f,T)；最后将
‑
1转化为了0，+1转化为了1，得到BEBLID二进制描述符。4.根据权利要求1所述的改进AKAZE特征的无人机影像匹配方法，其特征在于，步骤(4)中，基于GMS方法划分网格，统计匹配点邻域内...

【专利技术属性】
技术研发人员：宗慧琳，甘淑，袁希平，杨明龙，吕杰，张晓伦，侯云花，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：