结合SURF算法和单应性矩阵的无人机影像匹配

王晓红，邓仕雄，何志伟，曹留霞，闫星光

(1. 贵州大学林学院，贵州 贵阳 550025； 2. 贵州大学矿业学院，贵州 贵阳 550025)

无人机(UAV)是一种动力驱动、无人驾驶、可重复使用的航空器的简称[1]，具有机动、灵活、高效、低成本等特点，在国土、水利、农业、林业、城市规划等行业中起到不可估量的作用。与航天遥感影像及传统航空遥感影像相比，无人机影像数据获取简单、空间分辨率高、信息量大，但影像的重叠度高、覆盖区域范围小，单张影像往往难以覆盖目标区域，因此影像镶嵌是无人机影像处理的前期重要工作。而配准与融合是无人机影像拼接的前提，匹配的效果对后续的影像处理具有较大的影响，因此提高特征匹配数及匹配效果很有必要。

图像匹配的本质是在不同的图像上通过算法实现同名点的提取，其中基于图像局部特征的匹配较为常见。David Lowe[2-3]在1999年提出了尺度不变特征转换(SIFT)算法，之后对该算法进行了优化。SIFT算法对旋转、尺度、光照等具有较好的不变性，但SIFT时间、算法复杂度较高，很难达到实时匹配。2006年Herbert Bay等[4]提出了加速特征提取算法(speed up robust features,SURF)，该算法是在SIFT算法的基础上改进而来，是对高斯差分的简化，引入积分图像的概念，将卷积运算转化为几个简单的加减运算，降低了算法维度，在加快了程序运行速度的同时具有更好的稳健性。国内外基于SIFT、SURF算法的改进也有大量研究，文献[5—6]通过降维较大程度上减小了算法的时间复杂度，提高了实现效率。杨亮等在克服传统特征匹配算法噪声及图像灰度非线性变换的不足中，通过梯度直方图构造描述符并通过降维来降低时间复杂度[7]。……