基于Harris算子和 SIFT特征匹配的无人机影像处理

刘　洋　邹自力

（东华理工大学测绘工程学院　江西南昌　330013）

基于Harris算子和 SIFT特征匹配的无人机影像处理

刘洋邹自力

（东华理工大学测绘工程学院江西南昌330013）

摘要：实时测绘及社会各行各业对遥感数据获取的现势性和及时性要求越来越高，而无人机(UnmannedAerialVehicle,UAV)航空摄影作业方式灵活快捷、其获取的影像具有时效性、分辨率高等优点，因此无人机航空摄影在各行各业得到了越来越广泛的应用。由于 UAV遥感系统平台的平稳程度不高，造成影像重叠度不规则、旋偏角大等原因，目前灰度匹配算法难以满足无人机影像匹配的要求。从影像匹配基本原理着手，探讨了目前常用的并且适用于无人机影像匹配算法，通过实验研究分析了基于Harris算子和SIFT特征匹配的实现过程和匹配效果。

关键词：无人机；Harris算子；SIFT特征匹配；影像匹配

1　引言

无人机低航空遥感摄影为数字化城市建设和新农村规划等经济建设服务领域，能快速提供所需要的实时影像数据。对于传统的航空摄影来说，自有其存在局限性，相比之下低空无人机航测的优势主要体现在以下几个方面：（1）低廉的人力、物力、经济成本；（2）快速、灵活；（3）低空能力强；（4）图像分辨率高，多角度；（5）承担高风险或高科技的飞行任务。

与传统的航天航空摄影测量相比，低空无人机遥感影像又存一些不足：（1）姿态不稳、旋偏角过大；（2）获取影像像幅小、数量多、基高比小；（3）相机精度有限；（4）配套软件滞后。

低空无人机摄影测量从航摄到加工处理一系列的过程而获得的高精度的数字产品则主要取决于对原始影像的空三加密这一过程，空中三角加密的控制点精度以及影像匹配的算法直接关系着后期制作的数字线化图、数字正射影像等产品的精度以及质量。

2　基于Harris算子和SIFT特征匹配

对于SIFT匹配算法对平移、旋转、尺度缩放、亮度变化保持不变性，对于视角变化、仿射变化、噪声而言，SIFT算法也保持了一定程度的稳健性，但SIFI匹配存在特征点精度不高、特征点分布不是很均匀、运算时间长、特征点不是明显的角点等问题，而Harris算子对影像的平移、旋转以及噪声都具有较强的稳定性。因此，在特征点提取过程中利用Harris角点和SIFT特征点之间互补性提高了其对旋转、尺度等变化的稳定性。本文提及的该匹配方法，其实现流程如下：

（1）对每张影像建立金字塔和灰度金字塔影像；

（2）通过SIFT匹配，得到内点集A；

基于金字塔影像采用SIFT特征进行特征点提取，运用次邻近距离比值法进行匹配，对于初匹配的点进行相对定向，得到内点集A。

（3）通过Harris匹配，得到内点集B；

基于灰度金字塔影像采用Harris角点进行特征点提取，运用灰度相关系数进行点的匹配，对于初匹配的点进行相对定向，得到内点集B。

（4）合并匹配的点集A、B，得到新点集C；

将这个两个点集进行相对定向，删除重复点后，合并成整个点集。

（5）基于点集C误匹配剔除，得到点集D；

匹配点集中不可避免的存在错误匹配，采用误匹配剔除算法进行误匹配点剔除。

（6）构建同名三角网；

基于内点的影像坐标构建同名三角网。

（7）获取新的Harris角点，得到内点集E；

通过缩小Harris角点阈值获得新的角点，根据同名三角网的约束对于新的进行匹配，相对定向后得到点集E。

（8）合并内集点D和E，剔除误匹配，生成新的同名三角网；

（9）循序迭代步骤7、8，多次加密匹配得到新的内点，直到生成足够多的点数。

基于Harris算子和SIFT特征的匹配流程图（图1）：

3　实验与分析

根据以上理论，可知对于基于Harris算子和SIFT特征的匹配可分为初始匹配和加密匹配，通过多次加密匹配得到新的连接点，对于实际生产中具有更好的稳定性和实用性，在有效减小误匹配率的同时，可以显著提高内点密度。如下图2左图为初始匹配的效果，匹配连接点在780左右，右图为加密匹配效果，匹配连接点在2500左右。

由于无人机数据影像旋偏角大、亮度变化明显、纹理信息多种多样等特点，因此本文采用该匹配方法进行了两个实验。

实验一：旋偏角大、亮度变化匹配试验

分析实验图中可以看出：

（1）图3、4分别是影像旋偏角大的、亮度不一致的连接点匹配效果图，可知该匹配方法继承了SIFT匹配对平移、旋转、尺度缩放、亮度变化保持不变性。

（2）由图5、6可知，该匹配方法匹配后得到的连接点均匀地分布在立体像对的重叠区域内，而且匹配出的连接点是多度重叠，具有更好的稳定性和实用性。

实验二：不同纹理信息的匹配试验

为试验该匹配方法对于不同纹理信息的匹配效果，选取了水域、田地、植被和房屋四个区域进行了连接点的匹配，如下面一系列图为匹配效果图：

通过实验可知：

（1）该匹配方法对于水域和田地这样纹理信息比较贫乏的区域，其匹配点出的连接点较少，甚至没有；

（2）对于植被和房屋纹理信息丰富的区域，匹配的连接点较多。

4　结束语

基于结合Harrisl算子的SIFT特征匹配的的理论，对于影像旋角、亮度变化明显的一些问题，具有维持其平移、旋转、尺度、亮度的稳定性；但是基于这种理论匹配方法对于纹理信息有一定的自适应性，对于纹理信息较少的区域，其能自动匹配的连接点数非常之少，所以没有足够的连接点就不能构建三角网，这促显现有技术的局限性，需要新的算法；

基于Harris算子和SIFT特征匹配，有效的解决了旋偏角大、重叠度大无人机影像匹配的问题，在实际生产中该匹配方法是适用于无人机的影像匹配的。

参考文献：

［1］崔红霞，孙杰，林宗坚，储美华.非量测数码相机的畸变差检测研究［J］.测绘科学，2005，1（30）：105～107.

［2］谢萍，邹峥嵘，肖奇.基于 Harris角点和 SIFT特征的近景影像匹配［J］.测绘科学，2011.

［3］雷小群，李芳芳，肖本林.一种改进SIFT算法的遥感影像配准方法［J］.测绘科学，2010（03）.143～145.

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