無人機圖像拼接算法綜述

1、收稿日期:2010-05-19;修回日期:2010-08-06。 基金項目:國家自然科學基金資助項目(60841006;四川省科技支撐計劃項目(2009GZ0157;2008SZ0147;商務部科技支撐項目(2008BADA0B06。作者簡介:狄穎辰(1985-,男,甘肅蘭州人,碩士研究生,主要研究方向:無人機圖像拼接; 陳云坪(1974-,男,四川德陽人,講師,博士,主要研究方向:遙感機理、無人機遙感應用; 陳瑩瑩(1986-,女,重慶人,碩士研究生,主要研究方向:基于開源軟件的可信流通管理與決 策系統(tǒng); 陳彥(1961-,女,黑龍江人,教授,博士,主要研究方向:遙感機理。文章編號:1001

2、-9081(201101-0170-05無人機圖像拼接算法綜述狄穎辰,陳云坪,陳瑩瑩,陳 彥(電子科技大學地表空間信息技術研究所,成都611731(dyc31535yahoo .cn 摘 要:無人機圖像拼接是一個日益受到關注的研究領域,已經(jīng)成為了照相繪圖學、計算機圖形學等研究的熱點。首先給出了無人機圖像拼接的一般步驟,重點歸納了三種特色鮮明的配準算法,然后簡單闡述了圖像融合的步驟和算法,最后通過歸納分析選定了適合無人機圖像拼接的算法,并且展望了該領域的前景。關鍵詞:無人機;圖像拼接;尺度不變特征變換算法;圖像融合中圖分類號:T P391 文獻標志碼:ASurvey on image mosai

3、c algorith m of un manned aeri a l vehicleD I Y i n g chen ,C HEN Yun ping ,C HEN Y ing y i n g ,C HEN Yan(Institute of G eo Spa ti a l Informa ti on T ec hnology ,Un i v e rsit y of E lectronic S cie n c e and T ec hnology of Ch i na,Ch e ngdu S ichuan 611731,C hina Abstract :I m age m osa ic of U

4、n m anned A er i a l V ehicle (UAV is one of the inc reasi ng l y popu lar areas of research i nterests .It has become the hotspot of the research i nto pho to ca rt og raphy ,co m puter g raph ics ,etc .F irstly ,it gave the genera lsteps o f i m ag e m osa ics ,and emphazed three k i nds o f mosa

5、i c algorith m.Second l y ,it represented the steps and algor it h m of i m age f us i on .F i nall y ,it selects an algor it h m adapted to i m age mosaic after analysis and d iscussed t he future prospects of im age m osa i c o fUAV.K ey w ords :U n m anned A eria l V eh icle (UAV ;i m ag e m osa

6、i c ;Scale Invar i ant F eat ure T ransfor m (SIFT a l go rith m;im age f us i on 0 引言無人機(U n m anned A eria l V eh i c l e ,UAV 搭載的多模態(tài)CCD 相機對地觀測可獲得大量航空遙感圖像,如果要便捷地實現(xiàn)航空遙感圖像鑲嵌,需要航空遙感圖像拼接系統(tǒng)的支持1。因為無人機遙感平臺獲取圖像時,受到無人機飛行高度和數(shù)碼相機焦距的限制,單張圖像很難完全包含感興趣的區(qū)域。為了得到更多目標區(qū)域的信息,需要進一步擴大視場范圍,可以通過將不同角度的成像進行平滑無縫的拼接融合,構造一幅全景圖

7、達到擴展視場范圍的目的。無人機圖形拼接已經(jīng)受到了國內(nèi)外越來越多的關注,成為了圖像處理的熱點。在國外,尤其是發(fā)達國家,由于經(jīng)濟技術力量雄厚,使用的飛行平臺是更大、更輕、更先進的無人機,配備完整的傳感器系統(tǒng)、全球衛(wèi)星定位系統(tǒng)(G l obal Pos i tion i ng Syste m,G PS和零售銷售點終端(Po int O f Sa le ,PO S系統(tǒng)。在儀器設備和處理軟件上更為先進和高度集成,已經(jīng)出現(xiàn)了很多產(chǎn)品,且應用于民用和軍用領域。在我國,由于技術發(fā)展相對落后,硬件比較滯后。在軟件方面,積累基礎條件較好,制訂了成體系的生產(chǎn)規(guī)定和產(chǎn)品標準,但是圖像處理軟件的先進度和集成度不如國外,

8、需要推出成套的軟硬件系統(tǒng)2?？傮w來說,無人機圖像拼接的研究不夠深入,尤其是在國內(nèi),成套的圖像處理軟件的研發(fā)比較落后。近年來,相對于無人機技術的快速發(fā)展,無人機的圖像處理仍然落后,需要很長時間才能完成圖像拼接以及信息提取3,無法發(fā)揮無人機的靈活、機動和快速到達危險區(qū)域等優(yōu)點。1 無人機圖像拼接流程無人機圖像拼接主要有4個步驟:圖像的幾何校正、圖像預處理、圖像配準和圖像融合4。由于無人機體積比較小,自穩(wěn)定性和抗風能力差,雖然裝有自動駕駛與增穩(wěn)陀螺,但是在拍照的過程中不可避免地會出現(xiàn)傾斜、抖動,相機本身也存在鏡頭的幾何畸變,所以首先要對無人機圖像進行幾何校正5。圖像的幾何校正就是要校正成像過程中所造

9、成的各種畸變,產(chǎn)生一幅符合某種地圖投影或圖形表達要求的新圖像。圖像預處理就是將變形的圖像糾正并且統(tǒng)一到建立的坐標系中,以便可測量地物的坐標信息。圖像的配準是指對圖像間的匹配信息進行提取,在提取出的信息中尋找最佳的匹配,完成圖像間的對齊。圖像拼接的成功與否主要是看圖像的配準。圖像的融合是指在配準以后對圖像進行縫合并平滑邊界,讓圖像過渡自然。圖像拼接的流程如圖1所示。本文只重點介紹研究圖像的配準以及簡單的介紹圖像的融合,對于幾何校正和預處理暫不討論。圖1 圖像拼接流程2 無人機圖像配準算法目前圖像配準算法主要集中在頻率域和空間域討論:頻第31卷第1期2011年1月計算機應用Journal o f

10、Computer A pp licati onsV o.l 31N o .1Jan .2011率域一般是利用F our i e r 變換的相位相關性;空間域分為基于灰度的配準算法6和基于特征的配準算法。頻率域的方法優(yōu)點是使用了快速傅里葉變換(F ast Four i er T ransfo r m ,FFT ,但是對于尺寸縮放比較敏感?？臻g域的優(yōu)點是對圖像變形具有較好的魯棒性,但是在圖像之間尋找匹配的特征區(qū)域運算量比較大7。2.1 基于頻率域的圖像配準利用傅里葉變換將空域的圖像信息變?yōu)轭l域的信息,然后通過功率譜來計算兩幅圖像間的平移、旋轉及縮放,從而實現(xiàn)兩幅圖像拼接8待拼接的圖像是g 1和g

11、2經(jīng)過平移(x 0和y 0是兩幅圖像在X 軸和Y 軸的平移量、旋轉 0和一致的尺度縮放(即各個方向的尺度變換因子相等 變換后的圖像,即:g 1(x,y =g 2 (x cos 0+y si n 0-x 0,(-x s i n 0+y cos 0-y 0(1根據(jù)F our i er 變換的平移性質,兩幅圖像的F ou rier M e lli n 域是不變的,但是能看到旋轉與比例的變化。因此將圖像轉換到極坐標( , ,可將旋轉與尺度因子分解。旋轉角度被映射到圓周位移 軸上,尺度因子被映射到 軸上,其極坐標下的傅里葉幅度譜為10:M 1( , =M 2( / , - 0(2 軸的對數(shù)變換(以自然對

12、數(shù)e 為底將進一步將尺度因子轉為平移變換:令 =l n , =ln ,得:M 1( , =M 2( - , - 0(3這里將極坐標變換后的對數(shù)變換成為對數(shù)極坐標變換,也稱為Four i er M e lli n 變換11。通過式(4可知道,在原始圖像中的均一比例變換會在F our i er M e lli n 中產(chǎn)生 軸的平移,而在原始圖像中的旋轉變換會在F our i e r M e lli n 中產(chǎn)生 軸的平移。利用F our i e r 變換位移理論很容易得出 0,根據(jù)Fourier M e llin 變換位移理論可以求出 0和 ,且 =l n 。根據(jù)得出的 和 0對圖像g 1(x,y

13、進行反變換得到圖像g 1 (x,y ,然后通過F our i e r M e lli n 變換位移理論計算出g 1(x,y 和g 2(x,y 之間的平移量x 0和y 0,并完成圖像拼接。圖2為拼接 算法流程。圖2 Fouri er M elli n 拼接算法流程Fourier M e lli n 算法是一種非線性、基于功率譜的頻域相關算法,以其對圖像內(nèi)容的依賴少、具有一定的抗干擾能力獲得廣泛關注12。但是這種方法有其局限性,就是對小角度和小縮放因子的圖像檢測不敏感。改進的F ourier M elli n 算法用一點一線法13求出其小角度旋轉因子和尺寸變化的因子,然后對其中一幅圖進行反變換后再

14、用Four i er M e lli n 變換求出平移量,從而實現(xiàn)圖像拼接。一點一線小角度檢測精度高,可以有效彌補相位相關法的不足,提高圖像拼接精度14。2.2 基于空間域的圖像配準基于空間域的拼接算法主要分為基于灰度和基于特征的圖像配準算法?；诨叶认嚓P的配準是從待配準圖像的灰度值出發(fā),計算待配準圖像中與參考圖像中的相同尺寸灰度的差異15,判斷待拼接圖像重疊區(qū)域的相似程度,由此得到待拼接圖像重疊區(qū)域的范圍和位置16,從而實現(xiàn)圖像拼接?；谔卣飨嚓P的配準分為兩個過程:特征提取和特征匹配,主要是利用一些圖像中明顯的特征信息,比如邊緣、角點、顏色17等,采用不同的方法對特征點進行提取,對特征點之間

15、進行匹配。基于特征相關的配準算法有四個主要步驟:特征提取、特征匹配、變換模型的估計和圖像的插值與變換18。本文采用尺度不變特征變換(Sca l e Inv ariant Feature T ransfor m,S I FT 算法。尺度不變特征變換算法配準主要分為5步。步驟1 尺度空間的生成與極值檢測。由影像與高斯卷積得到尺度空間并且找出高斯差值(D ifference O f G aussian ,DOG 后進行極值檢測,初步確定特征點的位置和尺度19。尺度空間是由影像和高斯卷積得到:L (x,y, =G (x,y, *I (x,y (4其中:G 是尺度可變高斯函數(shù):G (x,y, =12 2

16、e -(x 2+y 2/2 2;L 表示尺度空間;(x,y 表示圖像I 上的點; 是尺度空間因子,其值越小則表征圖像被平滑得越少,相應的尺度也就越小。選擇合適的尺度因子平滑是建立尺度空間的關鍵20。為了提高在尺度空間檢測穩(wěn)定特征點的效率,Low e 提出了利用DOG 方程同圖像的卷積求取尺度空間極值,用D (x,y, 表示,即用固定的系數(shù)k 相乘的相鄰的兩個尺度的差值計算:D (x,y, =G (x,y,k -G (x,y, *I (x,y = L (x,y,k -L (x,y, (5其中k 是常數(shù),一般取2。對DOG 尺度空間每個點與相鄰尺度和相鄰位置的點逐個進行比較,得到的局部極值位置即為

17、特征點所處的位置和對應的尺度21。步驟2 將特征點位置最佳化22,首先就是要刪除低對比點。使用:D (X =D +D T X X +12X T 2Dx 2X (6其中:X =(x,y, 為候選特征點,D 為DOG 后的結果,D T 為矩陣的轉置。根據(jù)泰勒展開式求出一個偏移量:X =- 2D -1 X 2 DX,把這個值作為實際區(qū)域極值的位置,將此偏移量代入泰勒展開式,若求出的值絕對值后小于一個設定值,則將其刪除23。接著,因為DOG 算子會產(chǎn)生較強的邊緣響應,用式(7判斷特征點是否是邊緣點:T r (H 2D e t (H <(r +12r(7其中:H 為候選特征點位置的海森矩陣,T r

18、 為海森矩陣的跡,171第1期狄穎辰等:無人機圖像拼接算法綜述D et 為矩陣的行列式的值,r 為一個閾值(一般取r =10。當式(7不成立時,特征點是邊緣點,應該刪除。步驟3 計算特征點的方向性,利用特征點鄰域像素的梯度方向分布特性為每個特征點指定方向參數(shù),使算子具備旋轉不變性。(x,y 處的梯度值和方向分別為:m (x,y =L (x +1,y -L (x -1,y 2+L (x,y +1-L (x,y -121/2(8 (x,y =tan -1L (x,y +1-L (x,y -1/L (x +1,y -L (x -1,y (9一個特征點可能會被指定具有多個方向,這可以增強匹配的魯棒性。

19、步驟4 特征點描述,一個特征點可以產(chǎn)生4 4 8=128個數(shù)據(jù),形成128維的SIFT 特征向量,即為特征描述符。步驟5 特征匹配,以兩個特征點描述符之間的歐氏距離作為特征點匹配的相似度準則。設特征點p 和q 的特征描述符分別為D es p 和D es q ,則歐氏距離為:d =i=0, ,127D es p (i-D es q (i2(10特征點和最近的兩個特征點的歐氏距離的比值為r,如果比值小于預設定的閾值(一般選取r =0.8,則視為匹配成功。SIFT 特征對于旋轉和尺度均具有不變性,并且對于噪聲、視角變化和光照變化等具有良好的魯棒性24。2.3 結合頻率域和空間域的配準算法將頻率域和空

20、間域的兩種方法結合,通過頻率域獲得全局信息,指導空間域中的局部匹配,減少了無效的搜索,也減少了局部獨立運動導致的錯配。本文采用無人機圖像全自動穩(wěn)健配準算法。該算法的根本思想是對兩幅圖像的特征點匹配從粗到細的一種非常穩(wěn)健的選擇策略層層過濾,保證以提純后準確的特征點數(shù)據(jù)來做點變換估計,這樣就對自動的特征點提取和匹配的準確性放松了限制條件,把核心的任務移交給了特征點的過濾策略和點變換的估計算法25。步驟1 利用相位相關法得到重疊區(qū)域。相位相關法是一種基于傅里葉功率譜的頻率相關技術26,該方法利用了互功率譜的相位信息進行配準。假設圖像f 1和圖像f 2的變換模型是平移運動模型:f 2(x,y =f 1

21、(x -x 0,y -y 0(11將式(1進行傅里葉變換再將功率譜進行傅里葉反變換得到:(x -x 0,y -y 0=F -1e -j 2 (ux 0+vy 0(12尋找式(2中沖激函數(shù)的峰值位置即可確定圖像f 1和f 2之間的平移運動參數(shù)。相位相關法使用FFT 實現(xiàn),速度很快,雖然估算的平移參數(shù)不是很精確,但足以為角點匹配過程提供一個初始搜索范圍。步驟2 在已經(jīng)確定的重疊區(qū)域內(nèi)進行特征角點提取。該算法是用H arr i s 算子27來判定點是否是特征點。角點檢測公式:E (u,v (x,y =x,yw (x,y I (x +u,y +v -I (x,y 2(13E 的含義是在點(x,y 處移

22、動一個(u,v小窗口所發(fā)生的亮度變化值。w (x,y 是高斯平滑因子。將式(3進行泰勒級數(shù)展開并且忽略高階得到矩陣M ,再將它相似對角化得到28:M R -11002R (14式中, 1和 2是四元矩陣M 的特征值。每個像素對應著一個這樣的四元矩陣。把R 看成旋轉因子,這樣就可以僅由特征值來分析亮度的變化量:當二者都較小時,定義為平坦區(qū)域;當二者值有一個較大、而另一個較小時,定義為邊緣;當二者都較大時,定義為角點。用公式表示:Cornerness =D e t M -k (T r M 2(15其中:D et M = 1 2,T r M = 1+ 2。D et 和T r 分別表示求行列式的和與跡

23、。系數(shù)k 一般取0.040.2。當Cornerness 大于一個閾值thresho l d 且在某個領域內(nèi)取得局部極值時,則標記該點為候選角點。H arris 算子在存在圖像旋轉、灰度變化、噪聲影響和視點變化時是一種較穩(wěn)定的特征點的提取算法。但是它對尺度變化非常敏感,當遇到尺度變換比較大的兩幅圖像時有一半的特征點檢測不到。步驟3 圖像間點變換的自動穩(wěn)健估計。1變換估計與配準誤差計算,利用平面透視變換矩陣的平均幾何配準誤差來衡量配準算法精度,初步去除誤匹配點。給定圖像f 1(x,y 和f 2(x,y 及n 組候選初始匹配點:(x t ,y t (x t ,y t ,根據(jù)單應性矩陣公式x 2=H

24、x 1,其中H 是一個3 3的滿秩矩陣,稱為平面透視變換矩陣,又稱單應性矩陣。對每一匹配點產(chǎn)生兩個方程:x t (h 31x t +h 32y t +h 33=h 11x t +h 12y t +h 13(16y t (h 31x t +h 32y t +h 33=h 21x t +h 22y t +h 23(17一共有8個未知數(shù)(H 矩陣有9個未知數(shù),利用h 33歸一化,因此H 僅有8個獨立無關的未知數(shù)29,理論上只要代入4對不共線的匹配點,就可以得到H 的8個參數(shù),但是考慮到噪聲、誤匹配的因素,需要代入10對以上的匹配點坐標,然后利用最小二乘法求解。H 的平均幾何配準誤差是衡量配準算法精度

25、的重要指標:S n =12ni=1,2, ,nD d ist (x i ,H x i +D dist (x i ,H -1x i (18D d ist 表示兩點之間的距離,誤差的單位是像素。一般地,設特征點提取誤差符合高斯分布,只要設定一個閾值,就可以初步去除誤差匹配點。2用魯棒變換估計(RAN S AC 算法來提純匹配點30。它的基本思想是進行參數(shù)估計時,不是不加區(qū)分地對待所有可用的輸入數(shù)據(jù),而是首先針對具體問題設計出一個目標函數(shù),然后迭代地估計該函數(shù)的參考值,利用這些初始參數(shù)值把多有的數(shù)據(jù)分為所謂的 內(nèi)點 (即滿足估計參數(shù)的點和 外點 (即不滿足估計參數(shù)的點。最后反過來用所有的 內(nèi)點 重新

26、計算和估計函數(shù)的參數(shù)。RANSAC 方法和傳統(tǒng)方法的區(qū)別在于傳統(tǒng)的方法把全部的數(shù)據(jù)點作為內(nèi)點和外點;而RAN SAC 最開始是利用一部分數(shù)據(jù)作為內(nèi)點得到初始值,然后尋找數(shù)據(jù)集中所有別的內(nèi)點。使用RANSAC 估計方法,可以最大限度地減少噪聲及外點的影響。這樣就得到了精確的匹配點從而使圖像得到配準。整個算法無論是對數(shù)據(jù)本身還是圖像的外部復雜重復紋理特征等干擾都有很強的容錯能力,是一種穩(wěn)健有效的實用算法。3 圖像融合得到圖像間的最優(yōu)變換矩陣即圖像配準后,需要進行圖172 計算機應用第31卷像融合將兩幅待拼接圖像合并為一幅圖像。但是拍攝時由于照度不均勻而引起的兩幅圖像重疊區(qū)有較大的亮度不一致或由于鏡

27、頭畸變引起的圖像幾何形變時,拼接后的圖像會有明顯的拼接接縫。為達到視覺一致性,我們需要消除此接縫,所以要進行圖像融合。3.1 圖像融合規(guī)則圖像的融合規(guī)則是圖像融合的核心,圖像融合進行規(guī)則的好壞直接影響融合圖像的速度和質量。這其中有:基于像素選取的融合規(guī)則、考慮分解層內(nèi)圖像及分解層間相關性的像素選取融合規(guī)則等。3.2 圖像的融合算法圖像融合的算法有很多,最簡單的有光強平均融合、加權平均融合、中值濾波法、采樣權重函數(shù)法,復雜的有圖像V o rono i權重法、高斯樣條插值法、基于歐氏距離的有效權重法等。加權平均法是一種最簡單的圖像融合算法31。這種方法使用一個 帽函數(shù) 來加權平均到每個重疊幀的對應

28、像素上,該函數(shù)在圖像邊緣處權重較低,而在中心處權重較高。加權平均法直觀簡潔,速度較快,是比較常用的一種融合算法。將兩幅圖像對應像素點乘以一個加權系數(shù)后再相加得到融合的圖像32。設圖像I1(i,j的加權系數(shù)為 ,則融合圖像可表示為:I(i,j= I1(i,j+(1- I2(i,j(19其中:加權系數(shù) 滿足0 1。若 =0.5,則相當于兩幅圖像取平均值;若 取為漸變系數(shù),即在不同的坐標點它的取值也不同;當 由1慢慢變化為0時,圖像從I1(i,j慢慢過渡到I2(i,j。這樣就實現(xiàn)了圖像間的平滑過渡,從而消除了拼接的痕跡。假設圖像I1和I2需要融合的區(qū)域在x軸方向上的最大值、最小值分別為xm ax 和

29、xm in,則融合后的圖像I在重疊區(qū)域的顏色值為:I= I1(x,y+(1- I2(x,y(20其中 =(xma x -x/(xmax-xm i n。在雙線性插值法中,新創(chuàng)造的像素值是由原圖像附近的(2x-2個鄰近像素值通過加權平均計算得出的,這種平均算法具有防鋸齒效果,創(chuàng)造出來的圖像擁有平滑的邊緣,鋸齒感難以覺察33。此外,還有很多的融合算法,比如:小波變換融合法、高通濾波融合法等,根據(jù)對拼接圖像質量和時間的要求選用合適的算法。3.3 圖像的融合步驟圖像的融合方法有很多種,但是主要的步驟都差不多,現(xiàn)在歸納如下。步驟1 預處理對獲取的兩種圖像數(shù)據(jù)進行去噪聲、信號增強等處理,統(tǒng)一數(shù)據(jù)格式、圖像大

30、小和分辨率。對序列斷層圖像作三維重建和顯示,根據(jù)目標特點建立數(shù)學模型。步驟2 分割目標和選擇配準特征點,在二維或者三維情況下,對目標或興趣區(qū)進行分割。選取的特點應該是同一物理標記在兩個圖像上的對應點,該物理標記可以是人工標記,也可以是人體解剖特征點。步驟3 利用特征點進行圖像配準,可視做兩個數(shù)據(jù)集間的線性或非線性變換,使變換后的兩個數(shù)據(jù)集的誤差達到某種準則的最小值。步驟4 融合圖像創(chuàng)建,配準后的兩種模式的圖像在同一坐標系下將各自的有用的信息融合表達成二維或三維圖像。步驟5 參數(shù)提取,從融合圖像中提取和測量特征參數(shù),定性、定量分析。4 結語無人機圖像具有數(shù)據(jù)量大、重疊度高等特點,這就需要我們重點

31、關注拼接算法的運算速度和自動化程度?；陬l率域的圖像配準算法如Fourier M e llin算法可以很好地解決平移、旋轉和縮放的問題,但是對于圖像的尺度和重合度要求較高,所以不是很適合無人機圖像拼接?；诳臻g域的配準算法如SIFT算法,該方法拼接后圖像的質量較高、魯棒性較好,但是算法非常復雜,拼接耗時很多,也不適合無人機圖像的拼接。文獻34提出的簡化的SIFT描述符可以提高圖像配準的速度。結合了基于頻率域和空間域的算法如無人機圖像全自動穩(wěn)健拼接算法很好地減少了無效搜索,提高了拼接速度,同時去除了誤匹配,使拼接的精度得到保證,是一種實用的無人機圖像拼接算法。參考文獻:1 金川,李杰,秦其明.航

32、空遙感圖像鑲嵌系統(tǒng)設計與實現(xiàn)C/第十五屆全國遙感技術學術交流會.貴陽:出版者不詳,2005:73.2 HEUNG YEUNG S,R I CHARD S.Syste m s and experi m en t pap erJ.In ternati onal J ournal of Co m puter V isi on,2000,36(2:101-130.3 解凱,郭恒業(yè),張?zhí)镂?圖像M os a i cs技術綜述J.電子學報,2004,32(4:630-634.4 李強,張鈸.一種基于圖像灰度的快速匹配算法J.軟件學報,2006,17(2:216-222.5 謝利理,李玉忍,齊蓉.航空照片數(shù)

33、字地圖的幾何校正J.西北工業(yè)大學學報,2001,19(4:617-620.6 王斌,王偉鋒.一種基于局部灰度匹配的無人機圖像拼接算法J.中國石油大學學報:自然科學版,2009,33(2:169-173. 7 徐海黎,花國然,莊健,等.采用小世界免疫克隆算子的頻率域圖像配準J.西安交通大學學報,2009,43(6:38-42.8 LUCA L,S I M ONE L,G U IDO M.E sti m ati on of t w o d i m ens i onal affi ne transfor mati on s through pol ar cu rve m atching and it

34、s appli cati onto i m agem osai ck i ng and re m ote sens i ng dat a registrati onJ.I EEETransactions on I m ages Processi ng,2006,15(10:3008-3019. 9 龐景,楊任農(nóng),翟旭升.基于LOD模型的多幅圖像旋轉拼接算法J.微計算機信息,2009,25(13:282-284.10 KELLER Y,AVERBUCH A,ISRAEL IM.Pseudopolar based estim ation of l arge translati ons,rot at

35、i on s,and scali ngs i n i m agesJ.I EEE T ransacti on s on I mages Process i ng,2005,14(11:12-22.11 J I AO S H,R GOUTTE.Invari an t descri ptor of Fourier M elli n f ori ndex i ng by conten ts a databas e of three d i m ens i onal i m agesC/Proceed i ngs of the6t h I n tern ati on alC on f eren ce

36、on S ignal Processi ng.Ne w York:IEEE,2002:858-860.12 郭曉新,許志聞,盧奕南,等.基于Fou ri er_M ellin不變量的圖像配準方法J.儀器儀表學報,2004,25(4:421-424.13 牛小兵,林玉池,趙美蓉,等.基于特征的二維圖像拼接法測量幾何量J.天津大學學報,2001,34(3:396-399.14 張顯偉,李曉峰,李為民.一種改進的Fou ri er M elli n變換的圖像拼接技術J.現(xiàn)代制造工程,2001,(4:12-15.15 YANG GUO SHENG,Z HANG HUAN LONG,YANG YU LI

37、 N.173第1期狄穎辰等:無人機圖像拼接算法綜述Study of i m age m os a i c based on t he m et hod of fi n ite d ifferenceC/2008Congress on I mage and S i gnal Processi ng.Ne w York:IEEE,2008:436-440.16 劉明奇,倪國強,陳小梅.基于信息熵和灰度相關的圖像拼接算法J.光學技術,2007,33(S1:253-254.17 ZHANG NI NG,WU X I AOLI N.Lossles s comp ress i on of co l or

38、mosai c i m agesJ.I EEE T ransacti on s on I m ages Processi ng,2006,15(6:1379-1388.18 L I HU I,M ANJ UNATH B S,M ITRA S K.A contou r b ased approach to m u l ti sen s or i m age registrationJ.IEEE Transacti ons onI m ages Processing,1995,4(3:320-334.19 LONG YANG Z HAN,LONG GUO BAO.I m age m osai c

39、b ased onsiftC/Internati onal Con ference on Intelli gen t In for m ation H i di ng and M u lti m ed i a S i gnalProcessi ng.New York:IEEE,2008:1422-1425.20 李鐵軍,陳哲,王任享.基于尺度不變特征變換的圖像快速拼接算法J.微計算機信息,2008,24(12:282-283.21 邱建國,張建國,李凱.基于H arri s與S ift算法的圖像匹配方法J.測試技術學報,2009,23(3:271-274.22 柯濤,張永軍.SIFT特征算子在

40、低空遙感影像全自動匹配中的應用J.測繪科學,2009,34(4:23-26.23 L I YAO.I m agem osai c based on S IF T and def or m ati on propagati onC/In t ernational Sy m posi um on Kn o w ledge Acqu i s iti on andM od eli ng.New York:I EEE,2008:848-851.24 李云霞,曾毅,鐘瑞艷,等.基于S I FT特征匹配的圖像拼接算法J.計算機技術與發(fā)展,2009,19(1:43-45.25 黃英東,李杰,范寧軍.微小型飛行

41、器航空圖像拼接算法J.光學工程,2008,35(9:99-104.26 REDDY B S,CHATTERJI B N.A FFT based techn iqu e f or transl ation,rot ati on,and scale i nvariant i m age reg i strati onJ.IEEET ransacti on s on I m ages Process i ng,1996,5(8:1266-1271. 27 ZUL I AN I M,KENNEY C,M AN J UNATH B S.A m at he m aticalco m paris on of

42、 poi n t detect orsC/P roceed i ngs of the2004I EEECo m puter S ociety C on f eren ce on Co m puterV is i on and Patt ern Recogn i ti on W ork s hop s.W as h i ngton,DC:I EEE C o m puter Society,2004:1063-1070.28 PIZ ARRO O,S I NG H H.To w ard large area m osaici ng f or und er w ater sci en ti fi c

43、 app licationsJ.I EEE Journal of Ocean i c E ngi neerri ng,2003,28(4:651-672.29 王金泉,李欽富.基于單應性矩陣的SAR圖像配準技術研究J.中國電子科學研究院學報,2008,3(6:657-660.30 FANG X I ANYONG,Z HANG M I NGM I N,P AN ZH I GENG,et a l.A n e w m ethod of m an if o l d mosaic for large d is p l ace m en t i m agesJ.Jou rnal of C o m pu t

44、er Science and T echnol ogy,2006,21(2:218-223.31 李勤,俞信.適合于生物圖像的圖像融合算法研究J.光學學報,2000,20(4:494-500.32 王娟,師軍,吳憲祥.圖像拼接技術綜述J.計算機應用研究,2008,25(7:1940-1943.33 M ATTHEN B,LO W E D G.Auto m atic panora m i c i m ageJ.In ternati onal Journal ofC o m pu ter V ision,2007,74(1:59-73.34 TUO HONGYA,JI NG ZHONGL I AN

45、G,ZHANG TI NGHOU.A erialsequence i m age m os a i c u si ng redu ced sift des cri p t orsC/Auto m ati c TargetRecogn iti on and I m ageAn al ysis and M ulti spectral I mage Acqu i s iti on.W uhan:B elli ngh a m,2007:6786-6794.35 HAN XI AO W E I,YAN LE I,Z HAO HONGY I NG.An approach offast i m agem os a i c based on b i nary reg i on s egm entationC/27t hInternationalC ongress on H i gh s peed Ph