基于改进SIFT算法的无人机遥感影像匹配

赵启兵， 王养柱， 胡永浩

(北京航空航天大学自动化科学与电气工程学院，北京 100191)

0 引言

无人机低空遥感系统主要由飞行器平台、自动飞行控制系统、遥控遥测系统、遥感设备(高/多光谱相机)、地面站等5部分组成［1］。无人机遥感系统具有使用灵活、操作方便、维护简单等特点及宜于长航时飞行和高危区域作业等方面的优势，目前已在军事侦察、地图测绘、森林防火等领域得到广泛应用。无人机遥感影像匹配(景象匹配)可采取两种方法［2］:1)利用遥感设备摄像时无人机的6个外方位信息(空间位置和姿态)进行匹配，但由于载荷、成本等方面的限制，无法装载高精度的导航和平衡控制系统，使得飞机位置和姿态信息无法精确得到，匹配精度难以保证;2)直接对遥感影像本身进行处理，即通过寻找图像上的同名特征点进行匹配，这种方法的匹配精度和稳定性很大程度上依赖于特征点的选取和匹配算法。

近些年，尺度不变特征变换［3］(Scale Invariant Feature Transform，SIFT)在视觉导航、三维目标重建、医学图像配准、目标识别等领域应用得十分广泛［4－6］。SIFT是一种稳定的局部特征匹配算法，由Lowe在1999年提出，并于2004年总结完善。该算法引入了尺度空间、梯度直方图、特征描述符等概念，由其提取出的特征点具有良好的尺度和旋转不变性，并对一定程度的光照和视角变化具有鲁棒性。Mikolajczyk等人将多种局部描述子作了评价和比较，通过实验表明SIFT及其扩展算法在同类描述子中具有最强的稳健性［7］。然而该算法中的每个特征点使用128维的特征向量(描述符)进行描述，增加了算法的复杂性和时间代价，很难运用到实时性要求较高的景象匹配导航和制导中。……