基于無人機(jī)的航拍影像快速拼接技術(shù)研究

金劍 武海彬 劉文華

[摘? ? 要] 本文采用基于顧及重疊的面Voronoi圖構(gòu)建影像拼接網(wǎng)絡(luò)，生成目標(biāo)區(qū)域全部影像所對應(yīng)的Voronoi多邊形，依照影像順序依次進(jìn)行鑲嵌處理，形成初步拼接成果圖。應(yīng)用基于Wallis濾波器的多片色彩均衡算法，進(jìn)行影像勻光操作，實(shí)現(xiàn)拼接影像間的自然過渡。本文采用C++編程語言實(shí)現(xiàn)無人機(jī)影像特征提取、粗差消除、光束法平差、影像色彩一致性處理等環(huán)節(jié)，設(shè)計(jì)并開發(fā)出界面友好型無人機(jī)航拍影像自動拼接軟件系統(tǒng)，能夠快速進(jìn)行影像拼接處理，獲取良好的拼接效果。

[關(guān)鍵詞] 無人機(jī)影像拼接;拼接線;色彩均衡

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 21. 071

[中圖分類號] F270.7;TP391.41? ? [文獻(xiàn)標(biāo)識碼]? A? ? ? [文章編號]? 1673 - 0194（2018）21- 0166- 05

1? ? ? 無人機(jī)影像鑲嵌算法

影像鑲嵌（image mosaic）是指對具有重疊區(qū)域的多幅影像按照一定規(guī)則進(jìn)行坐標(biāo)變換，將全部影像規(guī)范到統(tǒng)一的坐標(biāo)框架下，初步拼接成一幅覆蓋整個(gè)目標(biāo)區(qū)域的大型影像的過程[1]。影像拼接線的自動生成是鑲嵌任務(wù)中的關(guān)鍵環(huán)節(jié)，現(xiàn)有的拼接線生成方法多只關(guān)注于相鄰的兩幅影像間單條拼接線生成情況，這類方法在整個(gè)拼接區(qū)域能構(gòu)建多條拼接線，各拼接線具有獨(dú)立性，只能按照影像順序依次拼接，不利于直接生成最終鑲嵌成果圖。由于拍攝環(huán)境的影響，航空影像內(nèi)部及影像之間在亮度分布上存在不同程度的差異，對其進(jìn)行色彩均衡處理可以提升影像清晰度，獲取更佳拼接效果，影像勻光操作十分重要。本文介紹無人機(jī)影像拼接優(yōu)化策略，采用基于顧及重疊的面Voronoi圖的拼接線網(wǎng)絡(luò)自動生成算法和基于Wallis濾波器的多片色彩均衡算法，實(shí)現(xiàn)無人機(jī)影像快速鑲嵌與色彩一致性處理操作。

2? ? ? 無人機(jī)影像拼接線自動生成

2.1? ?顧及重疊的面Voronoi圖

Voronoi圖[2]是計(jì)算幾何中描述對象空間鄰近關(guān)系的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)，一般用于求解點(diǎn)集、面元、空間幾何體等幾何對象的距離相關(guān)問題。面Voronoi圖[3]是以面元為空間目標(biāo)，基本運(yùn)算單元是兩個(gè)或數(shù)個(gè)互相分離的獨(dú)立平面的集合，如圖1所示。無人機(jī)獲取的相鄰航拍影像相互重疊，影像面元不具備獨(dú)立性，因此無法應(yīng)用面Voronoi圖構(gòu)建影像間拼接線，潘俊等人基于此提出了顧及重疊的面Voronoi圖能夠很好地解決問題。

在待拼接的影像為有限區(qū)域的情況下，可使用顧及重疊的面Voronoi圖構(gòu)建拼接線。無人機(jī)所獲取的任意兩幅相鄰影像都具有60%-80%的重疊區(qū)域，所對應(yīng)的非重疊區(qū)域?qū)γ鎂oronoi圖的生成具有一定約束，在此約束下重新劃分相鄰兩幅影像的重疊區(qū)域，并分別保留多邊形所分割兩幅影像間的對應(yīng)區(qū)域，將其歸于非重疊部分，生成新的拼接影像。

2.2? ?影像拼接線自動生成

在獲取影像時(shí)，每張影像相互獨(dú)立且依照中心投影成像，影像的中心部位投影質(zhì)量較好，而用以進(jìn)行鑲嵌的影像邊緣部分則會產(chǎn)生一些灰度差異，基于顧及重疊的面Voronoi圖所選取的初始拼接線能使接邊區(qū)域盡可能靠近相鄰兩幅影像的中心區(qū)域，均衡地剔除兩邊影像的失真邊緣，確保最佳拼接效果?？紤]到顧及重疊的面Voronoi圖在重疊區(qū)域能劃分產(chǎn)生無間隙、高吻合拼接線，對原始平面進(jìn)行剪裁后再無重疊區(qū)域，高效剔除冗余數(shù)據(jù)，所劃分出的區(qū)域保持結(jié)果唯一性，不存在多變情況，符合影像鑲嵌的需求，故將其應(yīng)用于大范圍無人機(jī)航拍影像拼接線的自動生成中。此方法能夠?qū)Ω飨噜徲跋裰丿B區(qū)域進(jìn)行有效劃分，形成每幅無人機(jī)影像的有效鑲嵌多邊形，計(jì)算影像對應(yīng)的有效拼接范圍，高效且快速地構(gòu)建拼接線。該方法的結(jié)果與影像坐標(biāo)相關(guān)，但不受影像順序影響，可以提高拼接處理的靈活性，滿足無人機(jī)影像快速鑲嵌的需求。

相鄰影像共用一段或數(shù)段Voronoi多邊形公共邊，全部影像生成的面Voronoi彼此相連，全部接邊線構(gòu)成目標(biāo)區(qū)域的拼接線網(wǎng)絡(luò)，顧及重疊的面Voronoi圖的生成是構(gòu)建拼接線的關(guān)鍵所在。首先確定相鄰影像間重疊區(qū)域的范圍，定義一個(gè)新的面集來表示原始無人機(jī)影像;接著，考慮重疊區(qū)域的大小，生成顧及重疊的面Voronoi圖，求得全部影像所對應(yīng)的Voronoi多邊形;解算相鄰影像的拼接線，即各Voronoi多邊形間的公共邊，拼接線彼此互相連接就構(gòu)成所需要的拼接線網(wǎng)絡(luò)。

2.3? ?確定影像重疊范圍

在構(gòu)建影像拼接線網(wǎng)絡(luò)之前，需要確定相鄰影像的重疊區(qū)域，在重疊區(qū)域中生成影像拼接線，這樣既能剔除冗雜無用數(shù)據(jù)，更降低了計(jì)算機(jī)程序運(yùn)算量。航帶中的無人機(jī)影像是沿飛行方向快速、依次拍攝的，可以忽略影像間大小差異，無人機(jī)影像經(jīng)過坐標(biāo)投影變換后所得到的影像按照矩陣形式存儲，如圖2所示，用灰度值為0的像素填充影像周邊無信息區(qū)域，糾正后影像排列規(guī)則，相鄰影像的重疊情況也較為簡單。對兩幅圖像（也就是兩個(gè)矩形）的相交情況進(jìn)行正確判斷是生成有效拼接線的重要前提。本文假定影像的重疊情況有以下3種，如圖3所示。

假設(shè)給定的兩個(gè)影像為A和B，影像A所在存儲矩陣的左上角坐標(biāo)為（x_a1，y_a1），右下角坐標(biāo)為（x_a2，y_a2），影像B所在存儲矩陣的左上角坐標(biāo)為（x_b1，y_b1），右下角坐標(biāo)為（x_b2，y_b2）。判斷兩個(gè)矩形是否相交，只要確定兩個(gè)矩形的中心坐標(biāo)的水平和垂直距離，只要這兩個(gè)值滿足某種條件就可以相交。計(jì)算影像A和B的寬、高分別記為W_a，H_a，W_b，H_b：

可以求出影像A和B的中心坐標(biāo)（x_a3，y_a3）、（x_b3，y_b3）：

當(dāng)同時(shí)滿足公式時(shí)，兩幅影像則相交。

設(shè)相交的重疊區(qū)域?yàn)镃，記C的左上角坐標(biāo)為（x_c1，y_c1），右下角坐標(biāo)為（x_c2，y_c2），則有：

2.4? ?顧及重疊的面Voronoi多邊形的生成

由2.3節(jié)可知每個(gè)顧及重疊的面Voronoi圖的生成都包含兩個(gè)步驟：①確定相鄰影像間重疊區(qū)域，在該區(qū)域生成影像中軸線;②計(jì)算各影像對應(yīng)的Voronoi多邊形。

2.4.1? ?計(jì)算重疊影像間中軸線

圖像的中軸最開始被Blum形象地定義為著火地模型（Grass-fire model），[4]如圖4所示。對于平面幾何圖形而言，其任意兩條邊界都存在一個(gè)內(nèi)切圓，這些內(nèi)切最大圓圓心的軌跡構(gòu)成多邊形中軸線，且中軸線上的點(diǎn)到多邊形的對應(yīng)邊界的距離相等。

在上一步中確定了相鄰影像間重疊區(qū)域，又根據(jù)中軸定義可知，我們所需求解的重疊區(qū)域平分線即是圖像中軸的一部分，周培德[5]等人提出的簡單多邊形、凸多邊形中軸算法，本文以該算法思想為依據(jù)，實(shí)現(xiàn)重疊區(qū)域中軸提取算法，具體步驟描述如下：

假設(shè)多邊形有N個(gè)頂點(diǎn)，沿逆時(shí)針方向分別命名為P₁，P₂，…，PN，并且P_i-1和P_i+1都是Pi的相鄰頂點(diǎn)。

（1）依次計(jì)算頂點(diǎn)P_i（i=1，2，…，N）的角平分線。

（2）任意相鄰頂點(diǎn)P_i和p_i+1角平分線的交點(diǎn)設(shè)為q_i，依次計(jì)算交點(diǎn)q_i到多邊形對應(yīng)邊P_iP_i+1的距離d_i。

（3）設(shè)參數(shù)d=min（d₁，d₂，…，d_N），以d=d₁的情況為例進(jìn)行說明，按逆時(shí)針方向重新排列頂點(diǎn)順序，使得d₁對應(yīng)的頂點(diǎn)q₁到對應(yīng)邊的距離最小。當(dāng)d_i有多個(gè)最小值時(shí)，可任意選擇其中的某d_i做如上處理。

（4）以重新排列后的頂點(diǎn)P0為起始點(diǎn)，即令StartPoint=P₀，m=1，n=N，求解頂點(diǎn)P_i與頂點(diǎn)P_m、P_i與P_n的角平分線交點(diǎn)point_m、point_n。

（5）計(jì)算點(diǎn)間歐式距離，若d（point_m，StarPoint）

（6）若d（point_m，StarPoint）>d（point_n，StarPoint），則改變起始點(diǎn)為StarPoint=point_n，n--。

（7）保存上一步中生成的中軸轉(zhuǎn)折點(diǎn)，編號為J₁，J₂，…，J_N，并記錄每個(gè)中軸轉(zhuǎn)折點(diǎn)對應(yīng)的多邊形頂點(diǎn);線段P_mP_m+1，P_nP_n-1延長線相交，計(jì)算該夾角的平分線teml，teml與頂點(diǎn)P_m+1，P_n角平分線相較于point_m和point_n。

（8）重復(fù)執(zhí)行步驟（5），當(dāng)m=n時(shí)停止運(yùn)算。

（9）按照順序依次連接全部StarPoint及多邊形頂點(diǎn)，構(gòu)建多邊形中軸線。

如圖5所示，圖中虛線即所求多邊形的中軸線。

2.4.2? ?生成影像Voronoi多邊形

根據(jù)以上介紹的原理方法，獲取任意兩個(gè)相鄰影像重疊區(qū)域的中軸線，即重疊面平分線之后，還需用此平分線對相應(yīng)無人機(jī)影像進(jìn)行劃分與剪裁操作，去除變形較大的邊緣部分，生成影像所屬的Voronoi多邊形，以便生成全部影像的Voronoi圖，具體實(shí)現(xiàn)過程如下：

（1）按照無人機(jī)影像航帶間序列號以及航帶號依次確定相鄰影像間重疊區(qū)域范圍。

（2）依據(jù)航帶內(nèi)影像排列順序依次計(jì)算相鄰影像的重疊區(qū)域平分線，再計(jì)算航帶間相鄰影像重疊區(qū)域平分線。

（3）對于一對部分區(qū)域重合的無人機(jī)影像，用生成的平分線剪裁影像重疊部分的外部區(qū)域，并保存結(jié)果。

（4）對于位于航帶中間的影像，其每次剪裁結(jié)果都作為下次處理的初始輸入，再完成多次劃分后可生成當(dāng)前無人機(jī)影像的初始Voronoi圖。

（5）再按照上述操作，對航帶間影像重疊區(qū)域做局部剪裁，計(jì)算每幅影像所屬Voronoi多邊形，每幅正射影像都被切割成互不重疊的不規(guī)則多邊形，這樣就完成了整個(gè)區(qū)域影像Voronoi圖生成操作。

在生成無人機(jī)影像Voronoi圖的過程中，依據(jù)Weiler[6]，劉勇奎[7]所提出的多邊形剪裁算法來確定重疊區(qū)域中平分線的出點(diǎn)與入點(diǎn)。其具體思路可簡述為：以相鄰兩幅無人機(jī)影像的重疊區(qū)域?yàn)閰⒖?，確定區(qū)域平分線的入點(diǎn)和出點(diǎn)，入點(diǎn)和出點(diǎn)一一對應(yīng)，一對出入點(diǎn)確定一條平分線，當(dāng)遇到出點(diǎn)時(shí)完成一次劃線過程;算法跳轉(zhuǎn)至相同重疊區(qū)域繼續(xù)追蹤以求解新的區(qū)域平分線，不進(jìn)行重復(fù)操作直到回至起始入點(diǎn)，此時(shí)求解出整個(gè)重疊區(qū)域全部的區(qū)域平分線。

2.5? ?生成拼接線網(wǎng)格

從上一步中獲取了無人機(jī)航拍區(qū)域中全部影像Voronoi多邊形，可以看出兩幅相鄰影像重疊區(qū)域具有形狀相同的公共邊，計(jì)算并保存該公共邊信息，即生成一條拼接線，按照一定規(guī)則連接眾多拼接線的頂點(diǎn)，便可構(gòu)建整個(gè)航拍區(qū)域的拼接線網(wǎng)絡(luò)?？紤]到無人機(jī)影像具有較大的航向重疊度，在這種高重疊的情況下，不能生成正確的拼接線網(wǎng)絡(luò)，第一幅圖像與第三幅圖像之間也有重疊，這樣兩兩生成的拼接線會相互交叉，出現(xiàn)拼接漏洞的情況。解決這一缺陷的方式之一是對圖像進(jìn)行抽片，即隔片進(jìn)行拼接，但在飛機(jī)飛行姿態(tài)不穩(wěn)定的時(shí)候有可能會出現(xiàn)拍攝漏洞，需要對這類情況謹(jǐn)慎處理。將全部影像依據(jù)拼接線網(wǎng)絡(luò)進(jìn)行投影后，對其進(jìn)行多分辨率融合，可解決曝光差異問題以及弱化拼接線痕跡。

3? ? ? 基于Wallis濾波器的多片色彩均衡算法

影像色彩均衡[8]算法又稱影像勻光算法，基于Wallis濾波器的勻光算法是影像間自動化的勻光處理，也是目前使用較多的一種方法。Wallis濾波器具有一定的特殊性，它通過局部影像變換以增強(qiáng)原始影像間灰度、色彩反差，適用于多幅影像間色彩、亮度差異調(diào)整。

3.1? ?Wallis濾波器

Wallis濾波器具有一定的特殊性，通過進(jìn)行影像的局部區(qū)域變換，將影像局部區(qū)域的灰度均值及方差映射到給定的對應(yīng)值，并且使不同區(qū)域影像的灰度方差和灰度均值都近似相等，以模糊影像區(qū)域間較大反差，增強(qiáng)影像中灰度微小信息，這種特殊的濾波器廣泛應(yīng)用于影像配準(zhǔn)、融合等圖像處理任務(wù)中。

Wallis濾波器的一般表達(dá)式為：

可見，當(dāng)r₁>1時(shí)，可以看作高通濾波，當(dāng)r₁<1時(shí)，則可視為低通濾波。經(jīng)典的Wallis濾波器中b和c同時(shí)取1，此時(shí)該濾波器的表達(dá)形式為：

當(dāng)m_g=m_f，s_g=s_f，時(shí)，使用Wallis濾波器對原始圖像進(jìn)行處理不會引起影像灰度的變化。

3.2? ?基于Wallis濾波器的影像勻光

一幅影像的均值反映其色調(diào)與亮度，而標(biāo)準(zhǔn)偏差則反映影像的灰度動態(tài)變化范圍。在無人機(jī)上搭載普通相機(jī)進(jìn)行對地拍攝，所獲取的影像一般能滿足70%的航向重疊以及50%的旁向重疊，相鄰影像重疊區(qū)域間地物具備一定相關(guān)性，在理想飛行情況下相鄰的若干幅影像應(yīng)具有近似一致的色調(diào)、亮度和反差，因而也具有近似的灰度均值與標(biāo)準(zhǔn)偏差。無人機(jī)影像中真實(shí)場景的色彩信息在色彩空間上具有連續(xù)性，而且影像局部色彩差異對影像整體色彩信息的影響較小，可以確保相鄰影像間的灰度均值、標(biāo)準(zhǔn)偏差近似一致性，因此Wallis濾波器可以用于進(jìn)行測區(qū)多幅重疊影像的色彩一致性處理。而且基于Wallis濾波的影像勻光方法簡單、快速、有效，當(dāng)不同影像范圍內(nèi)地物信息變化不大時(shí)，就能取得很好的效果，十分有利于大尺寸無人機(jī)影像的快速拼接。

基于Wallis濾波器的多幅無人機(jī)影像勻光處理的基本步驟為：

（1）統(tǒng)計(jì)航測區(qū)域內(nèi)相鄰影像的灰度均值和標(biāo)準(zhǔn)偏差，根據(jù)統(tǒng)計(jì)數(shù)據(jù)確定輸出圖像的目標(biāo)均值和標(biāo)準(zhǔn)偏差，即分別選取各影像灰度均值的平均值、方差最大值為目標(biāo)均值、目標(biāo)標(biāo)準(zhǔn)偏差。

（2）以此目標(biāo)值為基準(zhǔn)，將選取的目標(biāo)均值和方差帶入Wallis濾波器表達(dá)式中，計(jì)算乘性系數(shù)和加性系數(shù)，然后對側(cè)區(qū)內(nèi)所有影像進(jìn)行色彩均衡處理。

基于Wallis濾波的多片影像勻光是對影像進(jìn)行線性變換，其中乘性常數(shù)決定影像灰度級間的距離，加性常數(shù)決定影像灰度偏移量，使加性常數(shù)取0以上數(shù)值、乘性常數(shù)取1或1以上數(shù)值可避免灰度流失、灰度合并現(xiàn)象，能夠很好地保存原始影像的地物紋理、細(xì)節(jié)信息。Wallis勻光算法能夠?qū)Σ痪鶆驘o人機(jī)航拍影像的暗部區(qū)域進(jìn)行灰度增強(qiáng)，同時(shí)對亮度區(qū)域進(jìn)行灰度壓縮，經(jīng)過Wallis勻光處理后的影像在影像色調(diào)和細(xì)節(jié)信息上都能與原影像保持一致。

4? ? ? 實(shí)驗(yàn)與分析

4.1? ?Voronoi圖拼接線生成

當(dāng)前計(jì)算機(jī)硬件資源是有限的，為了實(shí)現(xiàn)大量、海量影像的拼接，不能簡單地將所有影像拼接的操作都放在計(jì)算機(jī)內(nèi)存中進(jìn)行。本文在匹配完成后，求取各影像相對于參考影像的透視變換矩陣，并通過L-M[9]算法平差對各影像的透視變換矩陣進(jìn)行整體調(diào)整以消除誤差積累，然后對所有的影像做透視變換并保存，最后對透視變換后的影像進(jìn)行鑲嵌，鑲嵌線基于顧及重疊的面Voronoi圖生成。

為了對基于顧及重疊的面Voronoi圖的拼接線的生成效果進(jìn)行說明，本文先對9幅單航帶影像進(jìn)行拼接線提取測試。圖6（a）是經(jīng)過透視變換得到的影像，圖6（b）是每一幅圖像對應(yīng)的Voronoi圖拼接線的圖像化表示，本文用黑白二值圖像進(jìn)行表示：白色區(qū)域表示對應(yīng)影像的有效部分，黑色部分表示對應(yīng)影像需要裁切掉的部分。由于航飛時(shí)飛機(jī)姿態(tài)不穩(wěn)定，導(dǎo)致影像間的航偏角（Kappa角）較大，所以投影后的影像相比于原始影像變形較大，生成的Voronoi拼接線也不規(guī)則。另外需要注意的是，Voronoi圖并不能保證每幅影像對應(yīng)的拼接線是單個(gè)多邊形，有可能一幅圖像對應(yīng)的拼接線由多個(gè)多邊形（multi-polygon）組成，如圖7所示。

為了對整個(gè)算法進(jìn)行測試，本文選用一個(gè)測區(qū)的完整數(shù)據(jù)進(jìn)行拼接測試，該測區(qū)有220幅影像，由SONY ILCE-7R相機(jī)拍攝，單幅影像的分辨率為7 360×4 912（約3 615萬像素），整個(gè)測區(qū)較為平坦，如圖8所示。

由圖8結(jié)果可以看出，對于較為平坦的地區(qū)，通過二維透視投影變換完全滿足無人機(jī)影像拼接的需求，通過匹配的粗差剔除以及L-M算法消除誤差累積的策略處理以后，影像之間幾乎沒有什么錯位，整個(gè)影像拼接效果良好。

4.2? ?Wallis勻光勻色

相比于衛(wèi)星影像和有人機(jī)拍攝的航空影像，無人機(jī)一般搭載普通數(shù)碼相機(jī)，飛機(jī)姿態(tài)也不穩(wěn)定，拍攝時(shí)更容易受到拍攝角度、曝光等因素的影響，獲取的影像常常會存在著較大的色彩和亮度差異，對于這一類影像，有必要進(jìn)行影像的勻光勻色處理，本文主要利用Wallis濾波器進(jìn)行無人機(jī)影像的勻色處理。

為了對Wallis勻光勻色的效果進(jìn)行測試，本文選用了一組部分影像被云遮擋的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，如圖9 （a）中的第二幅影像和第三幅影像，由于被云遮擋后影像色調(diào)明顯偏暗，和第一幅影像具有較大的色彩差距。圖9 （a）是Wallis勻光勻色前的影像，圖9 （b）是經(jīng)過Wallis勻光勻色處理之后的影像，實(shí)驗(yàn)中以第一幅影像的均值和方差作為參考值，對另外的影像進(jìn)行均值和方差的調(diào)整，由圖中結(jié)果可以看出，經(jīng)過Wallis勻色以后，原來影像之間較大的色彩差異能夠有效得到調(diào)整，勻色以后影像之間的亮度和色彩趨于一致。

為了對Wallis勻光勻色的效果進(jìn)一步進(jìn)行說明，本文對整個(gè)測區(qū)的影像進(jìn)行了拼接測試，如圖10和圖11所示。由于拍攝時(shí)天氣較陰，測區(qū)的絕大部分影像偏暗，同時(shí)因?yàn)橐恍┱趽鹾头瓷涞囊蛩?，有的影像?nèi)部色彩和亮度不一致。

圖10是經(jīng)過Wallis勻光勻色處理之后拼接而成的效果圖。首先從整體效果來看，沒有經(jīng)過Wallis勻光處理的影像拼接圖明顯偏暗，影像存在著亮度和色彩的不一致，而經(jīng)過勻光勻色處理之后，拼接后的影像亮度和色彩基本一致，整個(gè)影像的目視效果更好;從影像局部來看，沒有經(jīng)過勻光勻色處理的拼接圖會出現(xiàn)“斑塊狀”圖斑，這在經(jīng)過勻光處理以后的影像拼接圖上是沒有的。

由于方差在一定程度上反映了影像的細(xì)節(jié)和偏差，因而最大的方差能夠最大化地保證影像的細(xì)節(jié)，所以本文的標(biāo)準(zhǔn)方差取所有影像方差的最大值;而由于影像的亮度值在一定程度上取決于影像質(zhì)量的好壞，當(dāng)亮度差異特別大或者亮度過高/過低時(shí)，建議人工選取，一般默認(rèn)設(shè)為影像的平均灰度均值。

5? ? ? 結(jié)? ? 語

本文分別從拼接線構(gòu)網(wǎng)、影像色彩均衡處理角度介紹了兩種影像拼接效果優(yōu)化策略：首先是采用基于顧及重疊的面Voronoi圖構(gòu)建目標(biāo)區(qū)域整體拼接線網(wǎng)絡(luò)，先確定每對相鄰影像的重疊范圍，再提取重疊區(qū)域中軸線，生成顧及重疊的面Voronoi多邊形，依序?qū)y區(qū)影像進(jìn)行剪裁，得到每幅影像對應(yīng)的Voronoi多邊形，多邊形接邊相連便形成整個(gè)目標(biāo)區(qū)域的拼接網(wǎng)絡(luò)，實(shí)現(xiàn)無人機(jī)影像的良好拼接;針對無人機(jī)影像色彩不均衡現(xiàn)象，采用Wallis濾波器進(jìn)行影像勻光操作，通過統(tǒng)計(jì)影像灰度均值與方差，利用Wallis濾波器調(diào)整影像灰度的線性分布，保持多幅影像間色調(diào)、亮度的一致性，可以較好地對無人機(jī)航拍影像實(shí)現(xiàn)勻光處理。

主要參考文獻(xiàn)

[1]Zeng L，Zhang S， Zhang J，et al. Dynamic Image Mosaic via SIFT and Dynamic Programming[J]. Machine Vision & Applications，2014，25（5）：1271-1282.

[2]F P Preparata，MI Shamos.Computational Geometry：An Introduction [J]. Texts & Monographs in Computer Science，2015，47（176）.

[3]潘俊，王密，李德仁. 基于顧及重疊的面Voronoi圖的接縫線網(wǎng)絡(luò)生成方法[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2009，34（5）：518-521.

[4]Blum H. A Transformation for Extracting New Descriptors of Shape[M]//Wathen Dunn（Eds）.Models for the Perception of Speech & Visual Form. Cambridge，MA：MIT Press，1967：362-380.

[5]周培德，周忠平.確定任意多邊形中軸的算法[J]. 北京理工大學(xué)學(xué)報(bào)， 2000，20（6）：708-711.

[6]Weiler K， Atherton P. Hidden Surface Removal Using Polygon Area Sorting [J]. ACM Siggraph Computer Graphics，1977，11（2）：214-222.

[7]劉勇奎， 高云， 黃有群. 一個(gè)有效的多邊形裁剪算法[J]. 軟件學(xué)報(bào)， 2003，14（4）：845-856.

[8]王永安， 陳萍， 楊豐栓，等. 制作高質(zhì)量天繪彩色正射影像的方法分析[J]. 測繪與空間地理信息，2017（11）：205-206.

[9]Marquardt D W. An Algorithm for Least-Squares Estimation of Nonlinear Parameters[J]. Journal of the Society for Industrial & Applied Mathematics，1963，11（2）：431-441.