胡文藝，王緒本

（成都理工大學(xué) 信息工程學(xué)院，成都 610059）

岷江流域無人機(jī)遙感影像拼接及災(zāi)害信息提取

胡文藝，王緒本

（成都理工大學(xué) 信息工程學(xué)院，成都 610059）

針對無人機(jī)遙感影像的特點(diǎn)，提出了一種基于特征點(diǎn)和重疊度的快速自動(dòng)拼接算法。該算法實(shí)現(xiàn)了用于計(jì)算參考圖像和待配準(zhǔn)圖像之間重疊度的相位相關(guān)法，并提出只在重疊區(qū)域中進(jìn)行特征提取和特征匹配的方法。利用岷江流域無人機(jī)遙感圖像進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，該算法使圖像拼接有效地防止了圖像非重疊區(qū)域中信息對算法的干擾，提高了拼接算法的精度和速度。并利用拼接的圖像對茂縣至都江堰的岷江主干河流進(jìn)行了災(zāi)害信息提取和統(tǒng)計(jì)分析，為建立無人機(jī)高分辨率低空遙感數(shù)據(jù)的快速處理和應(yīng)急災(zāi)害信息提取具有重要的指導(dǎo)意義。

無人機(jī)；特征點(diǎn)；匹配；圖像拼接

0 前言

無人機(jī)航空遙感系統(tǒng)作為一種空間數(shù)據(jù)獲取的重要手段，體現(xiàn)了其應(yīng)用機(jī)動(dòng)靈活，回收方便，信息獲取及時(shí)準(zhǔn)確，影像實(shí)時(shí)傳輸，高危地區(qū)探測，感興趣目標(biāo)重點(diǎn)觀測等優(yōu)點(diǎn)，是衛(wèi)星遙感和有人機(jī)航空遙感的有力補(bǔ)充［1、2］。由于無人機(jī)自身的特點(diǎn)和攝像設(shè)備的機(jī)械限制，從而決定無人機(jī)飛行高度有限，并且所拍攝圖像的視場范圍有限［3］。為了得到目標(biāo)區(qū)域更多的信息，需要進(jìn)一步擴(kuò)大視場范圍，這可以通過將不同角度的成像進(jìn)行平滑無縫的拼接融合，從而構(gòu)造一幅全景圖以達(dá)到擴(kuò)展視場范圍的目的［4］。對拼接后的圖像進(jìn)行災(zāi)情快速解譯和定量分析技術(shù)，可以提高無人機(jī)獲取的海量遙感數(shù)據(jù)的處理速度，進(jìn)一步提高數(shù)據(jù)成果的實(shí)時(shí)性和應(yīng)用性。作者在研究無人機(jī)圖像快速拼接的基礎(chǔ)上，實(shí)現(xiàn)了岷江流域的無人機(jī)圖像拼接和災(zāi)害信息提取與分析，這對建立無人機(jī)高分辨率低空遙感數(shù)據(jù)的快速處理和應(yīng)急災(zāi)害信息提取具有重要指導(dǎo)意義。

1 基于特征和重疊度的圖像拼接算法

根據(jù)無人機(jī)遙感圖像的成像機(jī)理及其圖像特點(diǎn)，作者提出了基于特征和重疊度的圖像拼接算法該算法對基于特征點(diǎn)的圖像拼接算法進(jìn)行了有針對性的修改。傳統(tǒng)基于特征點(diǎn)的圖像拼接算法由于其良好的拼接效果和較強(qiáng)的適應(yīng)性，被廣泛應(yīng)用于衛(wèi)星遙感圖像拼接中，但對無人機(jī)圖像進(jìn)行拼接時(shí)，由于該算法運(yùn)算速度慢，效率低并且誤匹配點(diǎn)較多等問題，導(dǎo)致了拼接效果不理想，例如道路和河流出現(xiàn)肉眼都能識(shí)別出的明顯錯(cuò)位。作者在本文提出基于特征和重疊度圖像拼接算法的步驟如下：

（1）選取兩幅相鄰有一定重疊區(qū)域的無人機(jī)圖像，分別稱之為參考圖像和待配準(zhǔn)圖像，根據(jù)圖像質(zhì)量進(jìn)行圖像增強(qiáng)等預(yù)處理。

（2）利用相位相關(guān)法［9］計(jì)算出參考圖像和待配準(zhǔn)圖像的重疊度，確定兩幅圖像的重疊區(qū)域。

（3）在參考圖像和待配準(zhǔn)圖像的重疊區(qū)域內(nèi)采用改進(jìn)的Harris角點(diǎn)檢測算法，進(jìn)行特征點(diǎn)的提取，得到兩個(gè)特征點(diǎn)集。

（4）根據(jù)待配準(zhǔn)圖像相對于參考圖像移動(dòng)的距離計(jì)算重疊度，粗略剔除兩個(gè)特征點(diǎn)集里不匹配的特征點(diǎn)對，再利用相似度函數(shù)找出匹配的特征點(diǎn)對，這樣就得到了兩個(gè)匹配的特征點(diǎn)集。

（5）根據(jù)兩個(gè)匹配的特征點(diǎn)集，選取適合的變換類型并進(jìn)行參數(shù)估計(jì)，然后對待配準(zhǔn)圖像進(jìn)行模型變換，實(shí)現(xiàn)圖像的配準(zhǔn)，并且對整個(gè)配準(zhǔn)算法進(jìn)行質(zhì)量評價(jià)。

（6）采用了一種漸入漸出的融合算法［11］對配準(zhǔn)后圖像進(jìn)行融合，消除配準(zhǔn)時(shí)產(chǎn)生的縫隙，得到無縫的拼接圖像。

2 特征提取和匹配

2.1 計(jì)算重疊度

如果對整幅圖像進(jìn)行計(jì)算，計(jì)算量偏大，速度慢，并且會(huì)給最后的匹配帶來更大的誤差空間。因此，需要先計(jì)算兩幅圖像的重疊區(qū)域，為后面做角點(diǎn)特征檢測確定一個(gè)大致的范圍，以減少計(jì)算量，并提高特征點(diǎn)匹配的精度。

由于是粗匹配，對速度要求很高，因此作者采用了效率很高的相位相關(guān)法，來檢測圖像的重疊區(qū)域。該方法是一種基于傅立葉功率譜的頻域相關(guān)技術(shù)，此方法只利用了互功率譜中的相位信息，減少了對圖像內(nèi)容的依賴，對圖像間的亮度變化不敏感，具有一定的抗干擾能力。

假設(shè)圖像f2（x，y）是f1（x，y）經(jīng)平移（x0，y0）后產(chǎn)生的，則：

將它們進(jìn)行傅里葉變換，得到：

它們的互功率譜定義為：

其中 F＊為F的復(fù)共軛。

將式（3）進(jìn)行傅里葉反變換后，可以得到：

函數(shù)在偏移位置處有明顯尖銳峰值，其它位置的值接近于零，據(jù)此得到兩圖像間的平移量。通過此平移參數(shù)，即可確定兩幅圖像的重疊度。

2.2 特征提取

本文作者采用的是改進(jìn)的Harris角點(diǎn)檢測算法，此算法是一種基于信號(hào)的點(diǎn)特征提取算子，具有計(jì)算簡單，提取的角點(diǎn)特征均勻合理，可以定量提取特征點(diǎn)并且算子穩(wěn)定的特點(diǎn)。處理過程表示如式（4）：

其中 gx為x方向的梯度；gy為y方向的梯度G為高斯模板。

設(shè)λ1、λ2是矩陣M的兩個(gè)特征值，則λ1、λ2可表示局部自相關(guān)函數(shù)的曲率。

角點(diǎn)的響應(yīng)函數(shù)為如式（5）：

式中 Det（M）＝λ1λ2；Trace（M）＝λ1＋λ2；ε是為了避免矩陣跡有可能為零而在分母中補(bǔ)加的一個(gè)很小的常數(shù)。

2.3 特征匹配

先利用計(jì)算重疊度算出的待配準(zhǔn)圖像相對于基準(zhǔn)圖像移動(dòng)的的距離（x0，y0），粗略剔除兩特征點(diǎn)集里不對應(yīng)的特征點(diǎn)；然后再利用相似度函數(shù)找出匹配的點(diǎn)集。先剔除后匹配，明顯提高了算法的速度和精度。

只有當(dāng)兩角點(diǎn)均是相對于對方相似度量值最大時(shí)，才可認(rèn)為匹配成功。匹配的算法如下：

（1）作者以基準(zhǔn)圖像J1中的任意角點(diǎn)為中心選取一個(gè)n×n的相關(guān)窗口。在圖像J2中，作者以與圖像J1中的角點(diǎn)具有相同坐標(biāo)的像素點(diǎn)為中心，選取一個(gè)大小為du＊dv的矩形搜索區(qū)域，然后對J1中的角點(diǎn)與J2中搜索窗口區(qū)域內(nèi)每一個(gè)角點(diǎn)計(jì)算相關(guān)系數(shù)ρ，最后將相關(guān)系數(shù)最大的角點(diǎn)作為J1給定角點(diǎn)的匹配點(diǎn)，這樣就可以得到一組匹配點(diǎn)集。

（2）同理，給定圖像J2中的任意一個(gè)角點(diǎn)，搜索圖像J1中對應(yīng)的窗口區(qū)域內(nèi)與之相關(guān)系數(shù)最大的角點(diǎn)作為J2給定角點(diǎn)的匹配點(diǎn)，這樣也可以得到一組匹配點(diǎn)集。

（3）最后，在得到的二組匹配點(diǎn)集中搜索相同的匹配角點(diǎn)對，認(rèn)為該角點(diǎn)對是相互匹配對應(yīng)的至此，完成了角點(diǎn)的匹配。

相關(guān)系數(shù)計(jì)算公式見式（6）。式中 A（x，y）和B（x，y）分別代表的是參考圖像A和待配準(zhǔn)圖像B在點(diǎn)（x，y）處灰度值；n×n是相關(guān)窗口大小；（ui，vi）和（uj，vj）分別代表兩圖像中第i個(gè)和第j個(gè)待匹配特征點(diǎn)；A珡（ui，vi）和B珚（uj，vj）分別代表兩幅圖像中相關(guān)窗口的平均灰度值；σ代表相關(guān)窗口標(biāo)準(zhǔn)方差；其具體計(jì)算公式為：

相關(guān)系數(shù)ρ的取值范圍為［－1，1］，若ρ為0，則表明兩個(gè)相關(guān)窗口一點(diǎn)也不相似；若ρ為1，則表明兩個(gè)相關(guān)窗口完全一樣。

3 無人遙感圖像拼接與災(zāi)害信息統(tǒng)計(jì)分析

采用作者在本文中所提出的算法，對2008年5月16日獲取的茂縣至都江堰岷江主河道無人機(jī)低空遙感影像作為數(shù)據(jù)源，并在MATLAB下進(jìn)行了無縫拼接。在此基礎(chǔ)上，作者采用1∶50 000地形圖，生成岷江流域三維圖像，見圖1（局部圖像）。

通過對岷江流域無人機(jī)低空遙感圖像進(jìn)行處理，信息提取以及對比分析后，初步解釋了岷江干流兩側(cè)的堰塞湖，以及滑坡、崩塌和泥石流災(zāi)害情況，得出初步認(rèn)識(shí)效果。

岷江干流兩側(cè)基巖，在映秀鎮(zhèn)，巖性主要為三迭系的砂巖、灰?guī)r及部份石炭系灰?guī)r；從映秀到綿池，多為花崗巖；再以上，則主要為志留系和泥盆系的千枚巖、砂巖以及沙質(zhì)灰?guī)r。對所掩埋和損毀的公路，作者未做具體分類。

3.1 茂縣至都江堰岷江主河道兩岸崩塌滑坡發(fā)育情況

茂縣至都江堰岷江主河道長138km。在岷江干流兩側(cè)，有大量崩塌、滑坡，有的全部直接進(jìn)入江中，有的部份進(jìn)入。經(jīng)初步統(tǒng)計(jì)，該段岷江干流兩側(cè)發(fā)育有崩塌、滑坡（或滑坡群）共219處，其中崩塌109處，滑坡98處，大型泥石流溝12處。經(jīng)初步估算，崩塌、滑坡總體積為3.2×108m3。其中岷江左岸發(fā)育崩塌、滑坡（或滑坡群）120處，體積約1.58×108m3，右岸發(fā)育崩塌、滑坡（或滑坡群）99處，體積約1.62×108m3，進(jìn)入干流的固體物質(zhì)達(dá)1×108m3。

3.2 紫坪鋪水庫庫區(qū)段崩塌滑坡發(fā)育情況

滑坡崩塌30處，體積約三千萬立方米。由于紫坪庫水庫的庫容較大（庫容達(dá)11.12×108m3）目前為保證水庫安全，在汛期前低水位運(yùn)行，所以只要大壩本身安全，即將到來的洪水以及滑坡、泥石流，將不會(huì)對水庫有嚴(yán)重影響，也不會(huì)影響到成都市區(qū)的飲用水安全。由于這些物質(zhì)被沿江的多處電站大壩所阻隔，所以在短時(shí)間內(nèi)將不會(huì)進(jìn)入紫坪庫水庫的庫區(qū)，從而未對水庫造成影響。但在以后的幾年內(nèi)，仍然可能經(jīng)過搬運(yùn)進(jìn)入，這將影響水庫的庫容量。

圖1 岷江流域無人機(jī)圖像拼接結(jié)果圖（局部）Fig.1 The mosaic map of Minjiang river UAV image（local area）

3.3 滑坡、崩塌造成茂縣至都江堰岷江主河道公路被毀

都江堰至茂縣公路大都沿河谷展布，沿河公路有138km。特別是映秀至汶川的道路，被大中型滑坡崩塌損毀的路基長達(dá)37km。

4 結(jié)論

無人機(jī)低空遙感數(shù)據(jù)在“5·12”抗震救災(zāi)中，發(fā)揮了不可替代的科學(xué)作用。同時(shí)，在特定災(zāi)害環(huán)境和復(fù)雜地理?xiàng)l件下，無人機(jī)低空遙感數(shù)據(jù)的在應(yīng)用中，也暴露出了許多技術(shù)問題。作者在本文中，針對海量無人機(jī)高分辨率低空遙感影像的快速自動(dòng)拼接與災(zāi)害信息快速提取的問題，提出了基于特征點(diǎn)和重疊度的快速拼接算法，并利用岷江流域無人機(jī)遙感數(shù)據(jù)驗(yàn)證結(jié)果，表明該算法可使計(jì)算量成倍減少，能有效地防止圖像在非重疊區(qū)域中信息對算法的干擾，提高了拼接算法的精度和速度，較好地解決了復(fù)雜地形的無人機(jī)圖像拼接問題。作者對岷江茂縣至都江堰主河道的災(zāi)情進(jìn)行了初步解譯和定量分析，這為建立無人機(jī)高分辨率低空遙感數(shù)據(jù)的快速處理和應(yīng)急災(zāi)害信息提取具有重要的指導(dǎo)意義。

［1］ 李玉霞，楊武年，劉漢湖，等.遙感圖像三維可視化技術(shù)在西部高原區(qū)機(jī)場建設(shè)工程中的應(yīng)用—以昆明小哨機(jī)場為例［J］.物探化探計(jì)算技術(shù)，2007，29（3）：260.

［2］ 崔紅霞，林宗堅(jiān)，孫杰.大重疊度無人機(jī)遙感影像的三維建模方法研究［J］，測繪科學(xué)，2005，30（2）：36.

［3］ 楊武年，F(xiàn)RANOGIS CAUNEAU，THIERRY RANCHIN，等.應(yīng)用多種數(shù)據(jù)融合方法對多時(shí)相SPOT圖像處理提取三峽工程大壩區(qū)地面動(dòng)態(tài)變化信息［J］.物探化探計(jì)算技術(shù)，2005，27（3）：267.

［4］ 曾濤，楊武年，簡季.無人機(jī)低空遙感影像處理在汶川地震地質(zhì)災(zāi)害信息快速勘測中的應(yīng)用［J］.測繪科學(xué)2009（34）：64.

［5］ 何磊，苗放，李玉霞.無人機(jī)遙感圖像及其三維可視化在汶川地震救災(zāi)中的應(yīng)用［J］.物探化探計(jì)算技術(shù)2010，32（2）：206.

［6］ JAGANNADAN V，PRAKASH M C，SARMA R R et al.Feature extraction and image registration o color images using Fourier bases［J］.IEEE Trans on Image Processing，2005（2）：656.

［7］ SZELISKI R.Video mosaics for virtual environment［J］.IEEE Computer Graphics and Applications 2006，16（2）：21.

［8］ 朱博勤，魏成階，張淵智.航空遙感地震災(zāi)害信息的快速提?。跩］.自然災(zāi)害學(xué)報(bào)，1998，7（1）：34.

［9］ 陳文凱，何少林，張景發(fā)，等.利用遙感技術(shù)提取震害信息方法的研究進(jìn)展［J］.西北地震學(xué)報(bào)，2008，30（1）：88.

［10］王曉青，魏成階，苗崇剛，等.震害遙感快速提取研究——以2003年2月24日巴楚－伽師6.8級(jí)地震為例［J］.地學(xué)前緣，2003（10）：285.

［11］馬瑞升，孫涵，林宗桂，等.微型無人機(jī)遙感影像的糾偏與定位［J］.南京氣象學(xué)院學(xué)報(bào)，2005，28（5）：632.

［12］馬瑞升，孫涵，馬輪基，等.基于微型無人機(jī)影像的土地利用調(diào)查試驗(yàn)［J］.遙感信息應(yīng)用技術(shù)，2006（1）43.

［13］GUOQING ZHOU，DEYAN ZANG，Civil UAV System for Earth Observation［J］.Geoscience and Remote Sensing Symposium，2007：5319.

［14］BLASCHKE T，LANG S，LORUP E，et al.，Objec－oriented Image Processing in an Integrated GIS/remote Sensing Environment and Perspectives for Environmental Applications［J］.Environmental Information for Planning.2000（2）：555.

book=71,ebook=71

1001—1749（2012）03—0340—04

TP 7

A

10.3969/j.issn.1001－1749.2012.03.18

胡文藝（1975－），女，講師，博士，研究方向?yàn)榈厍蛱綔y與信息技術(shù)、計(jì)算機(jī)應(yīng)用、圖像處理等。

國家自然基金項(xiàng)目（60841006）；中央高?；究蒲袠I(yè)務(wù)費(fèi)（ZYGX2010J085）；四川省青年基金（09ZQ026－058）四川省科技支撐計(jì)劃（2009GZ0157）

2011－07－20 改回日期：2012－03－13