结合影像一致性检测的无人机真正射影像处理

沈彩莲，徐柳华，马旭文

(1.浙江省地理信息中心，浙江 杭州 310023; 2.浙江省测绘科学技术研究院，浙江 杭州 310023)

随着无人机航摄数据获取手段的快速发展，基于无人机航摄影像开展地理信息数据采集更新，正逐步成为各测绘生产单位一项重要业务方向。其中无人机正射影像数据生产多基于DEM纠正数字正射影像(DOM)，较基于DSM纠正真正射影像(TDOM)而言，由于缺少建筑物等地物高程信息，导致纠正后影像存在一定的投影差，难以基于DOM数据对地物进行准确尺寸和距离量测。同时受无人机相对航高、相机焦距、像幅大小等因素限制，其投影差较传统航摄DOM尤为明显。为提高无人机正射影像使用效果，增强无人机正射影像定量分析能力，基于DSM开展无人机影像真正射纠正逐步成为当前研究的热点。

无人机航高相对建筑物高差较小，影像像幅小、相机视场角大，因此真正射纠正后影像在建筑物区域会受建筑物遮蔽而导致影像存在严重“拖影”现象，严重影响影像的正常使用。图1为无人机真正射纠正后存在严重的影像“拖影”现场；图2为无“拖影”的真正射影像。因此迫切需要加强无人机影像真正射影像处理技术的研究，其主要技术难点包括建筑物遮蔽区域检测及最优影像替换等。针对建筑物遮蔽区域检测，国内外专家学者进行了大量的研究试验[1-8]，主要成果有基于DSM栅格模型的Z-buff算法[5]、基于角度的检测算法及基于角度[7]和高程的检测算法等。但上述主流遮蔽区域检测算法多针对单幅影像在纠正前采用逐点扫描方式进行大量计算，获取建筑物遮蔽区域及最优纠正影像，没有结合正射纠正区域及整体航摄原片进行综合性分析，在处理大量无人机小像幅原始纠正片时，难以较好发挥其优势。

在对国内外真正射影像数据处理方法深入研究[9-15]之后，结合测绘单位生产实际，提出单片微分纠正基于区域分块影像一致性检测的无人机影像真正射数据处理技术。结合无人机摄片地底点辐射距、方位角基础上快速对无人机影像进行真正射影像优化处理。通过试验证明利用该技术开展无人机影像真正射后处理优化，具有较强数据处理能力，可适应于不同姿态、焦距的无人机影像的真正射处理，具有很强的稳健性。

图1 真正射影像“拖影”现象

图2 无“拖影”真正射影像

1 基于影像一致性检测的无人机真正射影像处理

1.1 待纠正区域格网分块及最优纠正片获取

基于DSM单幅微分纠正(如图3所示)片后影像在涉及建筑物遮蔽区域暂不作处理。图4为单幅微分纠正影像。

图3 间接法微分纠正

以纠正DSM数据最小外接矩形区域为边界，将纠正区域划分为一定长度、宽度的n×n规则格网(如图5所示)。格网长度、宽度设定需结合单幅微分纠正影像在平均高程Z投影长度、宽度计算，保证单幅微分纠正影像范围能覆盖6个规则格网。获取待纠正区域格网后，针对每个格网计算过滤出在平均高程Z下，能完全覆盖该格网的所有原始微分纠正影像，通过计算原始微分纠正影像地底点与格网中心点辐射距离，依据距离大小，记录下与每个格网中心距离最短的前3张微分纠正影像地底点，图6即为计算所得格网中心点与辐射距最小的3张微分纠正影像地底点关系图。地底点为摄影中心垂线与物面的交点，三维坐标为(Xs,Ys,Z),XS、YS为无人机航摄点坐标，Z为航摄区域平均高程。

图4 单片纠正后影像

图5 规则格网划分

图6 区块与最优影像地底点连线

1.2 基于哈希感知算法的影像建筑物遮蔽区块探测

基于DSM纠正“拖影”现象主要存在于建筑物遮蔽区块，而非建筑物区块影像一致性较好，鉴于此，通过对同一格网内2张微分纠正影像块基于哈希感知算法进行影像一致性检测，判断该区块是否存在建筑物遮蔽。所选2张微分纠正影像要求为地底点距离格网中心点最短的2张，影像一致性检测算法采用均值哈希感知算法，算法主要步骤如下：

(1) 缩放：将微分纠正影像块缩放为11×11大小的图片，保留影像结构，除去影像细节。

(2) 灰度化：将缩放后图片转换为8位256阶灰度图。

(3) 求平均值：计算灰度图所有像素平均值。

(4) 二值化：像素值大于平均值记作1，相反记作0，总共121位。

(5) 生成哈希编码：将上述步骤生成的1和0按从上到下、从左到右顺序组合起来，即是图片的哈希编码。

(6) 对比图像哈希编码一致性：将两幅图哈希编码依据编码顺序进行对比，检测哈希编码一致性，对应编码位编码相同位数越多，图片越相似。

图7为2个不同格网分别在2张微分纠正影像上截取的影像块，其中图7(a)、(b)对应同一格网，图7(c)、(d)对应同一格网。图7(b)较图7(a)明显存在建筑物而产生遮蔽，图7(c)、(d)区域缺少建筑物、纠正后影像一致性较高，哈希感知算法计算得到121位哈希编码及影像一致性结果如下：

(1) 图7(a)影像哈希编码为：0000000001100 000100011000100000110001000000000011110000100 100110001001000100010100000000011000111111000 001111100001111111。

(2) 图7(b)影像哈希编码为：11100000001111 000000011010000000111110000000111101000001111 000000011110000000111000000001111000111111100 01111100000111111。

图7 同格网对应影像块

(3) 图7(a)、(b)两幅影像哈希一致性为71.07%。

(4) 图7(c)影像哈希编码为：100000000001 000000000011100000000110000001110000111111011 111100010111110100010110001111101111111111011 1011100000110111111。

(5) 图7(d)影像哈希编码为：1000000000011 000000000111000000001100000011100001111100111 110000101000000000101100011111011111111110111 011110100110111111。

(6) 图7(c)、(d)两幅影像哈希一致性为91.73%。

通过对多个格网内影像数据块组进行哈希感知计算，计算判断建筑物区块格网的影像一致性阈值，并以此对所有格网进行建筑物遮蔽探测。针对遮蔽区域格网，进一步细分为2×2格网(如图8所示)，并再次进行哈希一致性检测，精准定位到更加细化的区块格网位置。

图8 格网细分

1.3 建筑物遮蔽区域真正射影像精确探测及替换

针对探测出建筑物遮蔽区格网，以格网所对应最优3张微分纠正影像地底点为中心，结合DSM进行逐点扫描，基于底点辐射距开展遮蔽区精确检测[2]，获取每个格网在3张微分纠正影像中精确的遮蔽区域，根据地底点与格网中心点距离赋予3张原始纠正片不同权重值p1、p2、p3，距离越近权重越大，针对3微分纠正影像遮蔽区域替换依次选择权重大并无遮蔽的纠正影像块进行遮蔽补偿。图9中1号、2号、3号片权重依次递减，针对1号片的遮蔽区域，根据权重及未遮蔽原则，应从2号片中选取影像块对1号影像进行补偿。

图9 基于纠正片权重的遮蔽补偿

采用基于角度遮蔽检测算法中以地底点为中心的螺旋扫描方式[5]进行逐点扫描(如图10所示)。旋转扫描过程中不在格网范围内的点，不计算其原始纠正片中的原始像素值。

图10 螺旋扫描

2 试验结果与分析

本次试验所用无人机数据由六旋翼“玄霆DY-SU6”无人机在浙江省新昌县采集获得，具体参数为：①相对航高为280 m;②相机焦距为33.72 mm;③物理像元大小为4.51 μm;④地面分辨率为3.7 cm;⑤相机像幅大小为7952×5304。

通过对原始微分纠正影像真正射处理，较好地解决了建筑物影像遮蔽区域“拖影”现象，图11(a)、(c)为原始纠正片中存在的遮蔽区域影像“拖影”现象，图11(b)、(d)为消除了遮蔽区域“拖影”后真正射效果。

图11 无人机真正射纠正处理对比

试验证明，本文无人机影像真正射处理技术在处理小像幅、高重叠度无人机影像时，能充分顾及测绘生产单位已习惯使用的如Inpho、Pix4Dmapper等软件进行单片影像微分纠正、匀光匀色等处理操作，采用单片微分纠正后处理技术设计理念，与Z-buff算法、基于角度的检测等算法相比，在实际真正射数据生产过程中能实现嵌入式数据处理优化效果，处理操作简单、效率高，较适合实际正射影像数据生产单位开展无人机影像真正射影像微分处理。

3 结 语

本文提出的基于影像一致性检测的无人机真正射影像处理技术，结合了无人机高差小、像幅小、视场角大等特点，以整体纠正区域综合考虑，解决了传统航摄软件在无人机影像真正射微分纠正后存在的严重“拖影”问题，技术流程简单。后续将进一步结合实际生产数据，继续优化算法、提高影像处理效率。