發(fā)布時(shí)間：2016-05-13 10:26

第1章緒論

1.1研究背景及意義
隨著全球經(jīng)濟(jì)的不斷發(fā)展，人類對自然資源的開采和利用手段越來越多樣化，在提高人類生活物質(zhì)水平的同時(shí)，也不可避免的對地球環(huán)境帶來較多不良影響，導(dǎo)致全球氣候及地質(zhì)災(zāi)害的發(fā)生頻率越來越高�，F(xiàn)今的技術(shù)無法完全預(yù)測和避免自然災(zāi)害的發(fā)生，在突發(fā)自然災(zāi)害時(shí)，人類能做的只有發(fā)動(dòng)一切力量，進(jìn)行災(zāi)害應(yīng)急，采取及時(shí)有效的措施對受災(zāi)區(qū)域進(jìn)行救援。與此同時(shí)，我國也遭受過多次較為嚴(yán)重的自然災(zāi)害，如1976年的唐山大地震、1991年及1998年的巨大洪水、2008年在我國南部地區(qū)爆發(fā)的冰雪災(zāi)害以及汶川地震、2010年青海玉樹地震等，都給人民的生命財(cái)產(chǎn)帶來了巨大的影響，留下了沉痛的記憶。自然災(zāi)害的爆發(fā)往往較為突然，具有規(guī)模大、破壞性強(qiáng)的特點(diǎn)，其破壞程度往往是毀滅性的。在災(zāi)害發(fā)生后，房屋、道路、橋梁等往往被破壞嚴(yán)重，這給災(zāi)后救援及重建工作帶來較大的困難，無形中加劇了自然災(zāi)害的嚴(yán)重性。因此，如何更為及時(shí)有效的對受災(zāi)區(qū)域展開救援及應(yīng)急工作，成為當(dāng)前迫切需要解決的問題。  
在進(jìn)行災(zāi)后救援工作之前，需對受災(zāi)區(qū)域的情況有較為準(zhǔn)確的把握，，如災(zāi)害的規(guī)模大小、災(zāi)害影響范圍、各區(qū)域受災(zāi)程度以及災(zāi)害發(fā)展趨勢等，只有在掌握了詳細(xì)的災(zāi)區(qū)災(zāi)害情況后，才能確定災(zāi)后應(yīng)急方案，制定準(zhǔn)確有效的措施，展開救援工作，最大程度的保護(hù)人民的生命財(cái)產(chǎn)安全。  
當(dāng)今形勢下，各種高新技術(shù)已廣泛應(yīng)用于災(zāi)害監(jiān)測、預(yù)警和防災(zāi)減災(zāi)工作中，其中，遙感技術(shù)在該領(lǐng)域發(fā)揮著舉足輕重的作用。衛(wèi)星影像獲取方便，具有較大的影像覆蓋范圍，在進(jìn)行災(zāi)害監(jiān)測及預(yù)警方面有著良好效果，但受衛(wèi)星重訪周期及分辨率的限制，無法通過衛(wèi)星遙感的方式及時(shí)獲取受災(zāi)區(qū)域的高分辨率影像，在分秒必爭的災(zāi)害應(yīng)急過程中，很難滿足要求。此時(shí)采用航空攝影測量方式，成為獲取災(zāi)區(qū)影像，分析災(zāi)害情況的最佳選擇。災(zāi)害發(fā)生時(shí)，利用航空攝影測量方式，可不受陸地交通情況限制，在第一時(shí)間進(jìn)入受災(zāi)區(qū)域進(jìn)行作業(yè)，獲取大尺度高精度災(zāi)區(qū)影像，為災(zāi)后應(yīng)急方案及救援措施的確定提供及時(shí)準(zhǔn)確的災(zāi)區(qū)情報(bào)，將災(zāi)害破壞影響降到最低程度。  
由于自然災(zāi)害爆發(fā)時(shí)，通常災(zāi)害規(guī)模較大、影響范圍廣，在航拍時(shí)，單張影像顯然無法完全覆蓋受災(zāi)區(qū)域，因此需通過對多個(gè)航帶的大量影像進(jìn)行拼接處理，才能形成覆蓋整個(gè)受災(zāi)區(qū)域的整體影像，為災(zāi)后救援和應(yīng)急方案的確定提供良好的決策支持。然而現(xiàn)今常用的影像拼接方法主要有基于POS信息和基于影像特征的拼接，基于POS信息的影像拼接借助影像POS信息，計(jì)算影像地理坐標(biāo)，完成拼接處理，該方法操作簡單，拼接速度快，但準(zhǔn)確度欠佳；基于圖像特征的拼接方法主要提取圖像特征，并對特征進(jìn)行匹配，以匹配好的特征對為基礎(chǔ)，完成影像拼接工作，使用該方法拼接影像往往有較高的準(zhǔn)確度，但操作復(fù)雜，計(jì)算量大，耗時(shí)長。因此，這兩種方法單獨(dú)使用，都無法滿足災(zāi)害應(yīng)急的要求。  
鑒此，如何在滿足災(zāi)害應(yīng)急時(shí)對影像精度要求的同時(shí)，提高影像拼接速度，縮短拼接所需時(shí)間，對災(zāi)害應(yīng)急測繪就顯得尤為重要。本文研究將基于POS信息和基于影像特征的拼接方法相結(jié)合，該方法能在保證災(zāi)害應(yīng)急測繪對影像精度要求的同時(shí)，明顯的縮短影像拼接消耗的時(shí)間，在分秒必爭的災(zāi)害應(yīng)急過程中，、能在第一時(shí)間向決策者提供及時(shí)、完整和準(zhǔn)確的災(zāi)害情況，在及時(shí)制定應(yīng)急方案，進(jìn)行災(zāi)后救援工作，最大程度的保障災(zāi)區(qū)群眾的生命財(cái)產(chǎn)安全方面具有重大意義。  
............................

1.2國內(nèi)外研究現(xiàn)狀
經(jīng)過多年的發(fā)展，圖像拼接技術(shù)已經(jīng)趨于成熟，并被廣泛應(yīng)用于各個(gè)領(lǐng)域。圖像拼接包含多個(gè)環(huán)節(jié)，最核心技術(shù)是圖像配準(zhǔn)和融合。其中，圖像配準(zhǔn)的目的是確定具有重疊區(qū)域的影像間的對應(yīng)關(guān)系，是圖像拼接處理的關(guān)鍵。圖像配準(zhǔn)對圖像拼接的準(zhǔn)確度和運(yùn)行效率有較大影響。圖像融合技術(shù)主要解決待拼接影像間的紋理、色彩和光照差異不連續(xù)問題，使拼接后影像在接邊處平緩過渡，形成視覺效果良好、無明顯拼接縫隙的整體大影像。
1.2.1圖像配準(zhǔn)國內(nèi)外研究現(xiàn)狀
圖像配準(zhǔn)技術(shù)一直是圖像拼接研究方向的重點(diǎn)，目前已有多種較為成熟的圖像配準(zhǔn)方法。圖像配準(zhǔn)的關(guān)鍵是利用圖像信息，確定待配準(zhǔn)圖像間對應(yīng)關(guān)系。目前常用的圖像配準(zhǔn)方法主要分為：基于灰度、基于特征和基于變換域三個(gè)方面。配準(zhǔn)方法的優(yōu)劣主要取決于處理效率、配準(zhǔn)效果以及算法的適用性，選擇恰當(dāng)?shù)呐錅?zhǔn)算法，是提高影像拼接質(zhì)量的關(guān)鍵。  
圖像配準(zhǔn)技術(shù)，最早由Kuglni和Hines提出，需追溯到1975年，他們提出了相位相關(guān)法[1]，實(shí)現(xiàn)具有重疊區(qū)域圖像的配準(zhǔn)處理。該方法將圖像變換至頻域，計(jì)算平移矢量后實(shí)現(xiàn)配準(zhǔn)。相位相關(guān)法方法不適用于較小重疊度圖像的配準(zhǔn)，而且只能處理具有平移的重疊圖像，對旋轉(zhuǎn)和仿射變換的圖像無法處理。在相位相關(guān)法的基礎(chǔ)上，DeCastro和Morandi對相位相關(guān)法進(jìn)行研究和改進(jìn)，擴(kuò)展相位相關(guān)法[2]在1987年被提出并用于圖像的配準(zhǔn)處理，并實(shí)現(xiàn)了同時(shí)具有平移和旋轉(zhuǎn)圖像的配準(zhǔn)。以上方法的提出，奠定了基于頻域的圖像配準(zhǔn)方法的基礎(chǔ)，并隨著研究的深入，被廣泛應(yīng)用。隨著圖像拼接的廣泛應(yīng)用，各國學(xué)者加大了對圖像配準(zhǔn)技術(shù)的研究，各類圖像配準(zhǔn)技術(shù)也相繼問世。其中較有影響力的有1996年RichardSzehski提出的參數(shù)投影變換模型[3]和1998年ShmuelPeleg提出的自適應(yīng)拼接模型[4][5]等。基于圖像灰度的配準(zhǔn)方法中，最早為交叉相關(guān)法，該方法由Rosenfeld于1982提出。1994年，基于圖像幾何特征的配準(zhǔn)方法逐漸引起人們的關(guān)注，并相繼對其進(jìn)行研究�；谔卣鞯姆椒ㄒ詧D像特征點(diǎn)或線為基礎(chǔ)，實(shí)現(xiàn)圖像配準(zhǔn)。主要分為特征提取和特征匹配兩個(gè)環(huán)節(jié)。首先，采用特征檢測算法，從待配準(zhǔn)圖像中提取特征，并以所得特征點(diǎn)為基礎(chǔ)進(jìn)行匹配，實(shí)現(xiàn)圖像配準(zhǔn)。在特征檢測方面，常用特征有特征點(diǎn)、線和輪廓。以線作為圖像特征時(shí)，比較有局限性，且效率較低；而特征點(diǎn)效果最好，也有較多成熟且實(shí)用的算法。隨著對基于圖像特征進(jìn)行圖像匹配方法研究的不斷深入，已提出了多種點(diǎn)特征提取算法，其中主要的有Moravee算法、Harris算法、SUSAN算法和SIFT算法等。特征匹配的關(guān)鍵在于建立特征點(diǎn)間的對應(yīng)關(guān)系。人們常用特征點(diǎn)間的距離大小作為判斷值所得特征點(diǎn)間的關(guān)聯(lián)程度，并確定匹配點(diǎn)。  
基于圖像灰度的匹配方法是以待匹配影像重疊區(qū)域的灰度值為基礎(chǔ)，通過計(jì)算影像灰度的相似性程度，確定圖像間的對應(yīng)關(guān)系，完成配準(zhǔn)。其中計(jì)算圖像相似性的方法大多基于統(tǒng)計(jì)理論，主要包括：差平方和法、相關(guān)函數(shù)法、相關(guān)系數(shù)法、協(xié)方差法和差絕對值法。基于灰度信息的圖像匹配直接利用圖像灰度信息，不需進(jìn)行其他變換處理，算法簡單，易于實(shí)現(xiàn)；但在某些情況下，由于完全依賴圖像灰度信息，在噪聲和灰度差異上魯棒性不強(qiáng)，匹配效果不是很理想；并且基于圖像灰度信息的匹配方法計(jì)算量大，對圖片要求較高，無法處理具有旋轉(zhuǎn)和仿射變換的圖片，應(yīng)用比較局限，此外，圖像的灰度值往往容易受到光照條件的影響，非線性的不均勻光照可能造成較大的匹配誤差。同時(shí)，圖像的比例變化、旋轉(zhuǎn)和遮擋等都會(huì)對匹配結(jié)果產(chǎn)生較大影響。  
作為圖像拼接中關(guān)鍵技術(shù)的圖像配準(zhǔn)，經(jīng)過不斷研究發(fā)展，已經(jīng)取得了較大進(jìn)展。但由于成像條件的差異，以及對圖像應(yīng)用的多樣化，對于不同的圖像，所采用的配準(zhǔn)方法也有所區(qū)別。針對不同圖像及應(yīng)用要求，選擇恰當(dāng)?shù)奶卣鳈z測和匹配方法，是對圖像完成精確配準(zhǔn)的關(guān)鍵。  
1.2.2圖像融合技術(shù)國內(nèi)外研究現(xiàn)狀
圖像融合技術(shù)也是圖像拼接研究的重點(diǎn)，始于1973年，信息融合技術(shù)就已在美國國防部的資助下進(jìn)行了研究。最早有關(guān)圖像融合的信息來自于Daily[15]等有關(guān)雷達(dá)圖像和Landsat-MSS融合圖像在地質(zhì)解譯方面的應(yīng)用。隨著遙感衛(wèi)星的發(fā)射以及衛(wèi)星影像應(yīng)用的不斷推廣，如何更好地應(yīng)用遙感影像已越發(fā)重要，此時(shí)，圖像融合技術(shù)隨著遙感影像的應(yīng)用也逐漸被人們所重視，對其展開更為廣泛和深入的研究。  
像素級融合、特征級融合和決策級融合[16]是圖像融合的三個(gè)基本類別。圖像拼接過程中，大多為像素級融合，該方法以圖像像素信息為處理對象，進(jìn)行運(yùn)算，完成遙感影像的融合處理。像素級融合由于直接作用于圖像像素，可實(shí)現(xiàn)圖像銳化和增強(qiáng)等效果，融合后影像有較高的識(shí)別度和視覺效果。像素級融合不對圖像作變換處理，因此融合后圖像信息，完整，原始圖像信息損失小，能保留圖像細(xì)節(jié)，有較高精度。但是由于需對圖像重疊區(qū)域所有像素進(jìn)行處理，計(jì)算量大、耗時(shí)較長。
....................................

第2章影像拼接原理與方法基礎(chǔ)

在影像獲取完成后，受相機(jī)框幅限制，單張影像信息覆蓋量有限，需將影像進(jìn)行拼接處理，形成大場景影像，以提供整個(gè)攝區(qū)的整體影像，用于后期影像分析及應(yīng)用。影像拼接是將同一場景內(nèi)，含有相同地物的重疊區(qū)域圖像經(jīng)過匹配和融合等處理，形成新的影像，處理后影像保留原始影像所有信息，擴(kuò)大視野，且盡量不降低影像分辨率。在進(jìn)行影像拼接前，先提取影像拼接線，為后續(xù)拼接工作做準(zhǔn)備，并能提高拼接后影像質(zhì)量，接著進(jìn)行基于POS信息或特征信息進(jìn)行配準(zhǔn)及拼接處理，完成拼接后，需對拼接后影像內(nèi)重疊區(qū)域影像進(jìn)行融合處理，消除重疊區(qū)域內(nèi)的拼接縫及鬼影等誤差，之后進(jìn)行勻光勻色處理，對拼接后影像的光照、亮度和色彩進(jìn)行調(diào)整，最后形成一張能夠覆蓋整個(gè)目標(biāo)區(qū)域，且紋理、色彩過渡均勻，無明顯拼接縫隙的大視角影像。  

2.1拼接線提取
在圖像拼接時(shí)往往會(huì)在出現(xiàn)鬼影及拼接縫現(xiàn)象，尤其是在建筑物、道路、河流以及地物邊緣模糊時(shí)，情況更為明顯。產(chǎn)生鬼影及拼接縫的主要原因是由于影像配準(zhǔn)過程中，距離圖像中心越遠(yuǎn)，配準(zhǔn)誤差越大，這就導(dǎo)致在圖像的邊緣處有明顯鬼影和拼接縫隙。為了更好的解決鬼影和拼接縫問題，提出了最佳拼接線的概念。常規(guī)拼接過程中，拼接線線通常為直線，無法較好的避開建筑物和道路等，拼接后影像在拼接線處，容易出現(xiàn)建筑和道路的斷裂現(xiàn)象。由于成像條件的不同，影像在光照、亮度或紋理上都存在一定的差異。因此在輸入圖像的重疊區(qū)域中尋找一條合理的拼接線尤為重要[20]。最佳拼接線是在影像重疊區(qū)域內(nèi)尋找一條不規(guī)則曲線，使配準(zhǔn)精度在重疊區(qū)域最好，因此稱為最佳拼接線。選取最佳拼接線，有助于較好的完成影像拼接，使拼接影像過渡平緩，有較好的視覺效果，便于影像分析和應(yīng)用。  
2.1.1簡單拼接線提取
在通常影像拼接過程中，由于最佳拼接線提取算法復(fù)雜度高，計(jì)算量大，在處理過程中需耗費(fèi)大量時(shí)間，且實(shí)現(xiàn)較為困難，因此通常采用簡單拼接線進(jìn)行影像拼接工作。其中，ERDAS工程軟件采用的是重疊區(qū)域平分線法，即在確定待拼接影像重疊區(qū)域后，取垂直于航線方向的上重疊區(qū)域中線，以所得中線為拼接線完成影像拼接；最小灰度插值法以圖像灰度為基礎(chǔ)，對重疊區(qū)域影像進(jìn)行一定鄰域內(nèi)灰度統(tǒng)計(jì)，取插值最小處點(diǎn)，連成曲線，所得曲線即為拼接線；地類邊界法以重疊區(qū)域內(nèi)地物的地類為基礎(chǔ)，將相同地類歸為一類并形成閉合區(qū)域，取各相鄰不同地類邊界交接處為拼接線。雖然這方法無法很好的解決鬼影和拼接縫問題，但算法簡單，運(yùn)算速度較快，容易實(shí)現(xiàn)。  
2.1.2最佳拼接線提取
當(dāng)對影像質(zhì)量要求較高時(shí)，為了使拼接后影像滿足較高的準(zhǔn)確度和良好視覺效果，須選擇最佳拼接線，以保證拼接后影像色彩和紋理差異最小。最佳拼接線在相鄰影像重疊區(qū)域內(nèi)具有最大的相似性，在此基礎(chǔ)上進(jìn)行影像拼接處理，能最大程度上減小鬼影和拼接縫隙的不良影響。Davis[21]利用復(fù)雜度較高的Dijkstra算法尋找最佳拼接線。文獻(xiàn)[22][23][24]采用動(dòng)態(tài)規(guī)劃的思想檢測最佳拼接線。利用Graphout優(yōu)化的全局最佳拼接線方法[25]，結(jié)果影像容易出現(xiàn)鬼影現(xiàn)象。方亞玲等[26]引入對稱動(dòng)態(tài)輪廓模型(Snakes模型)，尋找拼接線，但該方法靈活性較差。  
常用的最佳拼接線提取方法有基于灰色斜率關(guān)聯(lián)度法、基于相關(guān)系數(shù)法和基于動(dòng)態(tài)規(guī)劃的最佳拼接線提取算法。  
2.1.2.1基于灰色斜率關(guān)聯(lián)度法的拼接線提取
灰關(guān)聯(lián)分析((GreyRelationalAnalysis，GRA)是灰色系統(tǒng)理論的重要組成部分。計(jì)算灰色關(guān)聯(lián)度有多種方法，如斜率關(guān)聯(lián)度、鄧氏關(guān)聯(lián)度和絕對關(guān)聯(lián)度。其中，斜率關(guān)聯(lián)度計(jì)算簡單，無需對原始圖像作其他變換處理。  
圖像處理中常用的有兩種彩色坐標(biāo)系：一是由紅R，綠G，藍(lán)B三元色組成的RGB色彩空間；另一種是由色調(diào)H、亮度I和飽和度S構(gòu)成的HIS空間。兩種彩色空間之間可以相互進(jìn)行轉(zhuǎn)換。將遙感影像由三個(gè)波段構(gòu)成的RGB分量轉(zhuǎn)換為HIS變量后，可以分離出圖像的色調(diào)、亮度、飽和度。其中，分離出的的色調(diào)分量H反應(yīng)圖像中地物的主要頻譜特征，亮度分量I表示空間幾何特征，飽和度分量S為色彩純度。因此，當(dāng)需要對遙感圖像進(jìn)行差異分析時(shí)，將圖像轉(zhuǎn)換至HIS空間，比在RGB空間下具有更為優(yōu)良的效果。
................................

2.2影像匹配
2.2.1基于POS的影像匹配方法
與衛(wèi)星遙感影像不同，在航空攝影時(shí)，飛機(jī)上所搭載的相機(jī)能夠獲取連續(xù)遙感圖像，且其中POS系統(tǒng)會(huì)自動(dòng)記錄每張影像拍攝時(shí)的姿態(tài)參數(shù)，主要包括影像編號、獲取時(shí)間、經(jīng)緯度、高度、航向偏角和旁向偏角以及旋轉(zhuǎn)角。在進(jìn)行航攝影像拼接時(shí)，根據(jù)影像POS信息，完成影像的幾何糾正，使所獲取的每張影像都具有獨(dú)立的地理坐標(biāo)信息。  
幾何糾正的實(shí)質(zhì)是將影像中各像素點(diǎn)中的信息，采用相應(yīng)策略，實(shí)現(xiàn)其從像方坐標(biāo)系向物方坐標(biāo)系轉(zhuǎn)換的過程。在攝影測量中，遙感影像的幾何糾正主要是從像平面坐標(biāo)系向地面測量坐標(biāo)系的轉(zhuǎn)換。幾何變換的基本思路是：根據(jù)影像POS信息中的影像中心點(diǎn)地理坐標(biāo)、影像像素分辨率和影像像素大小，計(jì)算出影像四個(gè)角點(diǎn)的地理坐標(biāo)；根據(jù)所得地理坐標(biāo)，可求得糾正后影像的地理坐標(biāo)在X、Y方向上的最大和最小值，即影像地理坐標(biāo)跨度；以所得坐標(biāo)的最大和最小值為邊界，建立糾正后影像邊框，并根據(jù)地理坐標(biāo)與像素坐標(biāo)間的對應(yīng)關(guān)系，采用內(nèi)插的方法，將影像從像平面坐標(biāo)系轉(zhuǎn)換至地面測量坐標(biāo)系，實(shí)現(xiàn)每個(gè)像素點(diǎn)地理坐標(biāo)的確定，形成糾正后影像。其中，像素坐標(biāo)與地理坐標(biāo)的轉(zhuǎn)換公式為：

其中X、Y為所求像素點(diǎn)在X和Y方向上地理坐標(biāo)，P為圖像像素點(diǎn)列號，L為行號，k1~k6六個(gè)參數(shù)為Tiff格式影像數(shù)據(jù)起始參數(shù)，參數(shù)k1~k6含義分別為：左上角起點(diǎn)地理X坐標(biāo)；東西方向上每個(gè)像素代表的地理距離；南北方向旋轉(zhuǎn)參數(shù)；左上角起點(diǎn)地理Y坐標(biāo)；南北方向上每個(gè)像素點(diǎn)代表的地理距離（一般為負(fù)值）；東西方向旋轉(zhuǎn)參數(shù)。  
經(jīng)過幾何糾正的影像由于已經(jīng)具有坐標(biāo)信息，不用再進(jìn)行配準(zhǔn)處理來確定其空間關(guān)系，可直接根據(jù)其坐標(biāo)信息完成拼接，拼接完成后再對重疊區(qū)域部分進(jìn)行融合，確保影像拼接質(zhì)量和視覺效果。  
在計(jì)算出影像四個(gè)角點(diǎn)的地理坐標(biāo)后，即可確定相鄰影像內(nèi)重合區(qū)域。影像重合區(qū)域確定之后，即可利用平分線法，提取簡單拼接線，以拼接線為準(zhǔn)，取重疊區(qū)域內(nèi)平分線兩側(cè)影像進(jìn)行拼接。  
進(jìn)行航拍時(shí)，當(dāng)天氣條件比較惡劣時(shí)，飛機(jī)的俯仰、側(cè)滾等情況比較嚴(yán)重，所獲取影像畸變較為明顯，且受POS系統(tǒng)精度限制，拼接后影像坐標(biāo)有明顯偏差，效果不理想。但由于該方法可直接利用坐標(biāo)信息完成拼接，舍棄了較為復(fù)雜的圖像配準(zhǔn)過程，能大量縮短影像拼接所需時(shí)間，具有一定的實(shí)用價(jià)值。  
2.2.2基于影像特征的影像匹配方法
基于圖像特征的匹配方法，是目前圖像拼接中應(yīng)用最為廣泛的方法。由于提取了圖像的特征用于匹配，而不用對整個(gè)影像進(jìn)行計(jì)算，所需處理的數(shù)據(jù)量減小。對位置變化也較為敏感，匹配精度高�；趫D像特征的匹配方法，關(guān)鍵在于通過提取圖像的特征，以此為基礎(chǔ)完成圖像匹配，常用圖像特征包括特征點(diǎn)（角點(diǎn)、高曲率點(diǎn)）、線（邊緣）和面（閉合區(qū)域）�；谔卣魈崛〉膱D像匹配方法主要包含以下步驟：圖像特征提取、圖像特征匹配、模型參數(shù)估計(jì)和圖像變換與插值。其中特征提取和匹配是核心環(huán)節(jié)。
（1）特征提取
特征提取是基于特征影像匹配的基礎(chǔ)，所檢測特征的數(shù)量和準(zhǔn)確度，對影像拼接效果有著重要影響，是提高圖像匹配質(zhì)量的關(guān)鍵。再進(jìn)行特征提取前，先根據(jù)待匹配影像的特點(diǎn)，確定特征形式（點(diǎn)、線、面），在特征選取過程中，主要從以下三個(gè)方面進(jìn)行考慮：所選特征須為兩幅圖像所共有；特征數(shù)量足夠完成匹配，且特征分布均勻。進(jìn)行特征提取時(shí)，點(diǎn)、邊緣和區(qū)域三種特征有其各種特點(diǎn)，其中，拐角點(diǎn)、交叉線點(diǎn)、輪廓中曲率最大點(diǎn)位是常用典型點(diǎn)特征；邊緣特征則是利用邊緣的長度和方向信息實(shí)現(xiàn)。
.............................

第3章應(yīng)急航空遙感影像拼接........................................23
3.1應(yīng)急航空遙感影像拼接概述..................................23
3.2應(yīng)急航空遙感影像拼接策略....................................24
3.3本章小結(jié)....................................27
第4章快速拼接方法設(shè)計(jì)與實(shí)現(xiàn).....................................29
4.1快速拼接處理方法.....................................30
4.2航帶內(nèi)影像快速拼接.............................................31
4.2.1影像對應(yīng)關(guān)系確定.......................................31
4.2.2提取拼接線............................................32
4.2.3坐標(biāo)偏移量改正.................................33
4.2.4影像融合..............................35
4.3航帶間影像快速拼接......................................3
4.4本章小結(jié)......................................37

第5章實(shí)驗(yàn)與分析

針對本文提出的影像快速拼接方法，選取一組平頂山地區(qū)航空影像數(shù)據(jù)進(jìn)行試驗(yàn)分析，對影像拼接的效率和拼接后影像的質(zhì)量進(jìn)行統(tǒng)計(jì)和對比，驗(yàn)證該方法在災(zāi)害應(yīng)急中的實(shí)用性。  
本文實(shí)驗(yàn)環(huán)境是MicrosoftWindows7professional64位操作系統(tǒng)，開發(fā)平臺(tái)是VisualC++2010。計(jì)算機(jī)處理器為Intel(R)Xeon(R)CPUW3550，主頻3.07Ghz，八核，內(nèi)存8GB。  
本次實(shí)驗(yàn)中，航攝相機(jī)選擇為SWDC,該相機(jī)為國產(chǎn)品牌，SWDC基于多臺(tái)非量測型相機(jī)，經(jīng)過精密相機(jī)檢校和拼接，集成測量型GPS接收機(jī)、數(shù)字羅盤、航空攝影控制系統(tǒng)、地面后處理系統(tǒng)，經(jīng)多相機(jī)高精度拼接生成虛擬影像，提供數(shù)字?jǐn)z影測量數(shù)據(jù)源，是一種能夠滿足航空攝影規(guī)范要求的大面陣數(shù)字航空攝影儀。SWDC系列數(shù)字航空攝影儀具有高分辨率、高幾何精度、體積小、重量輕等特點(diǎn)，并且對天氣條件要求不高，能夠陰天云下攝影，具有飛行高度低、鏡頭視場角大、基高比大、高程測量精度高、真彩色、鏡頭可更換等優(yōu)勢。SWDC系列數(shù)字航空攝影儀作為空間信息獲取與更新的重要技術(shù)手段，填補(bǔ)了國內(nèi)空白。該產(chǎn)品性價(jià)比高，高程精度指標(biāo)達(dá)到同類產(chǎn)品的國際領(lǐng)先水平，整體技術(shù)指標(biāo)達(dá)到國際先進(jìn)水平，是目前國內(nèi)首臺(tái)可用于中小比例尺地形圖測繪的“航空相機(jī)”，為國產(chǎn)化數(shù)字航空攝影與航空攝影測量為一體的整體解決方案奠定了基礎(chǔ)，對我國測繪生產(chǎn)具有重要意義。其參數(shù)如表5-1所示：

試驗(yàn)數(shù)據(jù)為平頂山地區(qū)一組航空影像數(shù)據(jù)，影像由SWDC-4航攝儀獲取，焦距50.2mm，單張影像像素大小為10500×15000，影像原始像素分辯率為68mm，影像大小為450M。本次試驗(yàn)所用影像為3個(gè)航帶內(nèi)的30張相鄰影像，每個(gè)航帶內(nèi)10張影像，影像航向重疊度65%，旁向重疊度40%，影像文件格式為TIFF。  
5.1影像拼接時(shí)間測試與分析影像拼接時(shí)間測試與分析實(shí)驗(yàn)，主要利用平頂山航空影像數(shù)據(jù)，對本文提出的基于影像POS信息和特征點(diǎn)相結(jié)合的影像拼接方法進(jìn)行測試。其中，分別統(tǒng)計(jì)0.1m、0.25m和0.5米影像分辨率情況下，完成航帶間和航帶內(nèi)影像拼接所需時(shí)間。驗(yàn)證其影像拼接效率，是否能夠滿足災(zāi)害應(yīng)急狀況下對時(shí)間的迫切需求。  
在進(jìn)行拼接過程中，基于應(yīng)急測繪的背景，拼接線采用較為簡單的平分線法，取影像重疊部分中線，影像融合過程中，為了減小計(jì)算量，提高拼接速度，在拼接線兩側(cè)1000像素范圍內(nèi)影像進(jìn)行融合，其余重疊區(qū)域直接用分塊方法直接進(jìn)行填充。為了提高拼接效率，本文采取的策略為通過選取圖像窗口進(jìn)行匹配的方法，減小了計(jì)算量，并舍棄了特征點(diǎn)誤匹配的過程，通過簡化拼接方法，實(shí)現(xiàn)效率上的改進(jìn)，所短影像拼接時(shí)間，以便及時(shí)為災(zāi)害應(yīng)急提供災(zāi)區(qū)整體影像數(shù)據(jù)。
.............................

第6章結(jié)論及展望

自然災(zāi)害發(fā)生時(shí)，制定及時(shí)有效的救援措施有著重大的意義。本文針對災(zāi)害應(yīng)急背景下對影像拼接的特殊要求，提出了將基于POS數(shù)據(jù)與影像特征的影像拼接方法相結(jié)合的拼接策略，實(shí)現(xiàn)影像的快速拼接。本章將對全文所做研究工作進(jìn)行總結(jié)，并對下一步的工作進(jìn)行展望。  

6.1總結(jié)
本文主要研究應(yīng)急條件下，對航空遙感影像的快速拼接策略。在深入學(xué)習(xí)影像拼接知識(shí)基礎(chǔ)后，針對災(zāi)害應(yīng)急的特點(diǎn)，探索影像快速拼接方法，具體研究內(nèi)容如下：
（1）影像拼接方法研究。研究影像拼接的主要流程，各流程中所常用的方法和原理，并重點(diǎn)對影像匹配和融合方法進(jìn)行研究，分析其中方法的特點(diǎn)和適用范圍。
（2）應(yīng)急測繪對影像應(yīng)用要求分析。針對應(yīng)急測繪的特殊背景，分析應(yīng)急狀態(tài)下，航空遙感影像數(shù)據(jù)的作用，以及在該背景下，對航空遙感影像拼接處理的效率和精度要求。
（3）應(yīng)急航空遙感影像快速拼接方法設(shè)計(jì)與實(shí)現(xiàn)。通過研究和實(shí)驗(yàn)，結(jié)合常規(guī)狀態(tài)下影像拼接的流程和方法，以及在應(yīng)急狀態(tài)下的對影像拼接的特殊要求，設(shè)計(jì)了將影像POS數(shù)據(jù)與影像特征相結(jié)合的影像拼接方法，并加以實(shí)驗(yàn)，驗(yàn)證了其可行性。  
本文創(chuàng)新之處是：將影像POS數(shù)據(jù)與特征匹配相結(jié)合，使拼接過程中既充分利用的影像的坐標(biāo)信息，又在特征匹配的基礎(chǔ)上，有效地解決了由于POS精度差導(dǎo)致的拼接后影像準(zhǔn)確度差和信息缺失等問題，同時(shí)舍棄了基于特征匹配的影像拼接中的各個(gè)復(fù)雜環(huán)節(jié)，提高了影像拼接效率。
.............................
參考文獻(xiàn)（略）

本文編號：44627