影像合成之相關文獻

學者李岩山、謝維信、裴繼紅(2011)，實驗圖像為由無人駕駛飛機自動拍攝的視頻序列 圖 像，該視頻序列中,飛機有明顯的擺動，拍攝高度不 變,視頻幀率為每秒巧幀，每幀圖像大小 為480*640 實驗方法為從視頻序列中每隔 10 幀抽取 1 幀用於拼接，從 25 0 幀中共選取 25 用於實驗，初始航拍圖像方向角θ 為 60 度，初始重合中心點為圖像的中心點，提出了航拍序 列圖像拼接方法的約束性條件, 及一種快速的無人機航拍序列圖像的自動拼接方法。運用自 回歸模型, 將歷史相交區域中心點作為模型的輸人資料,對當前用於拼接的重合區域進行預測, 然後在預測區域內進行 SIFT 特徵提取和特徵提純,並根據提純後的特徵進行快速的序列圖像 拼接。通過在無人駕駛飛機航拍序列圖像上對該方法性能進行實驗實驗結果表明該方法可以 有效地提高拼接速度，解決拼接錯位問題【16】。

李岩山、谢维信、裴继红，「一種快速的基于SIFT 算法的無人機航拍序列圖像自動拼接方 法」，信號處理，第27 卷，第 9 期

學者何敬，李永樹，魯恒(2011)在分析了無人機影像拼接主要誤差來源之後，較深入地研 究了影像重疊度及誤差累積問題。確定了無人機影像拼接的最佳重疊度，並依據最佳重疊度 對原始影像進行“抽稀”處理。研究結果表明，根據最佳重疊度對原始影像進行“抽稀”能減少 參與拼接的影像數量，對“抽稀”後的影像採用分塊拼接方法能夠有效地減小拼接誤差、改善 影像拼接視覺效果，同時在一定程度上提高了影像處理效率【17】。由曲線１可以看出當重疊 度達 到一定值時，再增加重疊度進行拼接其誤差降低已不十 分明顯，而提取特徵點的耗時 卻在不斷上升。綜合考慮 拼接誤差與耗時的關係，確定最佳重疊度位置為圖中 Ａ 點（此處 的最佳重疊度並不是指能夠獲取最高的配准精 度，而是指配准精度和耗時關係達到最優）。

由兩種拼接誤差模型所計算出的最佳重疊度分別為 0.25 和 0.375，結合無人機影像的特點，

可以將0.25～0.375 確定為最佳重疊度範圍，如圖 2-15 所示。

圖2-15 重疊度、耗時、拼接誤差曲線示意圖

實驗中獲取無人機影像的航向重疊度約為70％，旁向重疊度約為 45％。按照最佳重疊度 要求，將影像 做“抽稀”處理，即對同一航帶上的影像隔一張取一張。對於相同測區面積來 說，拼接的影像數量將減少一半，拼接處理的時間也減少了一半，而整個影像的拼接精 度卻 有所提高。

何敬、李永樹、魯恒，「無人機影像拼接誤差實驗研究」，激光與光電子學進展，48 卷，12 期，2011。

學者王勃、龔志輝、顧廣傑、靳克強(2012)，提出一種快速的無人機影像無縫拼接方法:

對輸入的原始影像按一定尺度進行降採樣，在降採樣的影像上進行 SURF 特徵提取和匹配，

利用RANSAC 方法估計初始的相對單應矩陣，然後用 Levenberg-Marquardt 方法精化單應矩 陣，計算出初始的絕對單應矩陣後利用稀疏光束法平差估計出精確的單應矩陣，通過降採樣 影像與原始影像的單應關係傳遞單應矩陣到原始影像級，最後進行影像合成，形成整體拼接 圖【18】。實驗選取了兩組某小型無人機在不同時期不同地方 獲取的低空遙感影像資料，資 料1 為 20 幅像幅大小為 2000 × 1500 的某野外彩色影像，資料 2 為 20 幅像幅大小為 2600

× 1733 的某城郊彩色影像，實驗分別對兩組資料進行了原始影像級和縮小尺度下的影像拼接 和稀疏光束法平差，為 了達到較好的拼接效果，實驗中對不同縮小尺度下 SURF 特徵檢測 參數進行了相應的調整，匹配時採用擴展的 SURF 描述符，如圖 2-16 所示。

圖2-16 平差前後的對比圖

學 者 劉 慶 元 、 劉 有 、 鄒 磊 、 易 柳 城(2012) ， 利 用 經 過 差 分 的 DGPS 資 料 和 IMU(Inertial measurement unit)獲取的外方位元元素，經過影像匹配產生的同 名點，獲得同名 點地理座標，使各個模型在此基礎上連接起來。經過影像重採樣用地理座標代替圖元座標，

使拼 接後的影像具有拍攝時的地理座標【19】。實驗結果表明：平坦地區投影差較小，可以 不進行投影誤差改正，直接利用 左右影像同名像點進行影像拼接; 丘陵山區因為投影誤差的 影響，影像拼接的誤差累積較快，此時應採用分帶拼 接，避免誤差積累。拼接後的影像座標 與拼接精度達到了 1׃2.5 萬比例尺影像圖的精度。實例 1 中國某地 2008 年實地航拍，航高 600 m， 影像尺寸 3888×2 596(圖元)。 DGPS/IMU 給出攝影外方位元素值，角元素精度為 60

″，線元素精度為 20~ 10 m， GPS 更新率為 1 Hz。 實際地形大部分比較平坦，靠近河流部 分有些小山。拼接按每條航線進行，每片 與左、右片的同名點由專用影像點匹配軟體自動進 行， 匹配後拼接工作也是自動進行。在拼接過程中觀察的主要指標是殘差 V(residual error)和 中誤差 RMS(Root mean square)， 對於超出中誤差 2~3 倍的 V 值對應的同名點給予剔除，

消除由於匹配點不准引起的粗差，其拼接效果見，如圖2-17 所示。

圖2-17 UAV 影像 36 張連續自動拼接效果圖

王勃、龔志輝、顧廣傑、靳克強，「一種快速的無人機影像無縫拼接方法」，測繪科學，第 37 卷，第 5 期，2012

陳宏敏、楊朝輝(2013)針對基於無人機平臺的攝影特點，使用 Wallis 濾波器進行影像勻 光，並結合Harris 運算元及 Ransac 演算法的優良特性，提出了一種基於遞迴思想的影像拼接 方法。通過對目標影像組批量處理，建立統一的坐標系統及資訊存儲結構，實現自動的全航 帶影像拼接功能，並通過應用實例驗證了該方法的有效性，本文方法結合了 Harris 角點提取 演算法和Ransac 一致性隨機抽樣演算法的優點，並使用遞迴思想將同 一航帶中的多張影像 自動地拼接起來。Harris 運算元 不僅可以在帶有旋轉、扭曲的影像上快速地進行點 特徵檢 測和提取，還能自訂輸出點的數量，可滿 足多種圖像的拼接需求。Ransac 演算法具有穩健 的平 差特性，保證了拼接結果的可靠性。 但該方法以左起第一張影像為基準，在多次坐 標 傳遞計算時，會產生累積誤差，從而影響到最終 的拼接效果。為了減小累積誤差，可考慮將 中間影 像作為基準，建立坐標系。由於篇幅有限，此方法 的改進策略就不在本文中展開論 述了【20】。

陳宏敏、楊朝輝，「無人機影像自動拼接方法」，測繪技術裝備，第15 卷，第 3 期，2013