岷江流域无人机遥感影像拼接及灾害信息提取

胡文艺，王绪本

（成都理工大学 信息工程学院，成都 610059）

岷江流域无人机遥感影像拼接及灾害信息提取

胡文艺，王绪本

（成都理工大学 信息工程学院，成都 610059）

针对无人机遥感影像的特点，提出了一种基于特征点和重叠度的快速自动拼接算法。该算法实现了用于计算参考图像和待配准图像之间重叠度的相位相关法，并提出只在重叠区域中进行特征提取和特征匹配的方法。利用岷江流域无人机遥感图像进行了实验，结果表明，该算法使图像拼接有效地防止了图像非重叠区域中信息对算法的干扰，提高了拼接算法的精度和速度。并利用拼接的图像对茂县至都江堰的岷江主干河流进行了灾害信息提取和统计分析，为建立无人机高分辨率低空遥感数据的快速处理和应急灾害信息提取具有重要的指导意义。

无人机；特征点；匹配；图像拼接

0 前言

无人机航空遥感系统作为一种空间数据获取的重要手段，体现了其应用机动灵活，回收方便，信息获取及时准确，影像实时传输，高危地区探测，感兴趣目标重点观测等优点，是卫星遥感和有人机航空遥感的有力补充［1、2］。由于无人机自身的特点和摄像设备的机械限制，从而决定无人机飞行高度有限，并且所拍摄图像的视场范围有限［3］。为了得到目标区域更多的信息，需要进一步扩大视场范围，这可以通过将不同角度的成像进行平滑无缝的拼接融合，从而构造一幅全景图以达到扩展视场范围的目的［4］。对拼接后的图像进行灾情快速解译和定量分析技术，可以提高无人机获取的海量遥感数据的处理速度，进一步提高数据成果的实时性和应用性。作者在研究无人机图像快速拼接的基础上，实现了岷江流域的无人机图像拼接和灾害信息提取与分析，这对建立无人机高分辨率低空遥感数据的快速处理和应急灾害信息提取具有重要指导意义。

1 基于特征和重叠度的图像拼接算法

根据无人机遥感图像的成像机理及其图像特点，作者提出了基于特征和重叠度的图像拼接算法该算法对基于特征点的图像拼接算法进行了有针对性的修改。传统基于特征点的图像拼接算法由于其良好的拼接效果和较强的适应性，被广泛应用于卫星遥感图像拼接中，但对无人机图像进行拼接时，由于该算法运算速度慢，效率低并且误匹配点较多等问题，导致了拼接效果不理想，例如道路和河流出现肉眼都能识别出的明显错位。作者在本文提出基于特征和重叠度图像拼接算法的步骤如下：

（1）选取两幅相邻有一定重叠区域的无人机图像，分别称之为参考图像和待配准图像，根据图像质量进行图像增强等预处理。

（2）利用相位相关法［9］计算出参考图像和待配准图像的重叠度，确定两幅图像的重叠区域。

（3）在参考图像和待配准图像的重叠区域内采用改进的Harris角点检测算法，进行特征点的提取，得到两个特征点集。

（4）根据待配准图像相对于参考图像移动的距离计算重叠度，粗略剔除两个特征点集里不匹配的特征点对，再利用相似度函数找出匹配的特征点对，这样就得到了两个匹配的特征点集。

（5）根据两个匹配的特征点集，选取适合的变换类型并进行参数估计，然后对待配准图像进行模型变换，实现图像的配准，并且对整个配准算法进行质量评价。

（6）采用了一种渐入渐出的融合算法［11］对配准后图像进行融合，消除配准时产生的缝隙，得到无缝的拼接图像。

2 特征提取和匹配

2.1 计算重叠度

如果对整幅图像进行计算，计算量偏大，速度慢，并且会给最后的匹配带来更大的误差空间。因此，需要先计算两幅图像的重叠区域，为后面做角点特征检测确定一个大致的范围，以减少计算量，并提高特征点匹配的精度。

由于是粗匹配，对速度要求很高，因此作者采用了效率很高的相位相关法，来检测图像的重叠区域。该方法是一种基于傅立叶功率谱的频域相关技术，此方法只利用了互功率谱中的相位信息，减少了对图像内容的依赖，对图像间的亮度变化不敏感，具有一定的抗干扰能力。

假设图像f2（x，y）是f1（x，y）经平移（x0，y0）后产生的，则：

将它们进行傅里叶变换，得到：

它们的互功率谱定义为：

其中 F＊为F的复共轭。

将式（3）进行傅里叶反变换后，可以得到：

函数在偏移位置处有明显尖锐峰值，其它位置的值接近于零，据此得到两图像间的平移量。通过此平移参数，即可确定两幅图像的重叠度。

2.2 特征提取

本文作者采用的是改进的Harris角点检测算法，此算法是一种基于信号的点特征提取算子，具有计算简单，提取的角点特征均匀合理，可以定量提取特征点并且算子稳定的特点。处理过程表示如式（4）：

其中 gx为x方向的梯度；gy为y方向的梯度G为高斯模板。

设λ1、λ2是矩阵M的两个特征值，则λ1、λ2可表示局部自相关函数的曲率。

角点的响应函数为如式（5）：

式中 Det（M）＝λ1λ2；Trace（M）＝λ1＋λ2；ε是为了避免矩阵迹有可能为零而在分母中补加的一个很小的常数。

2.3 特征匹配

先利用计算重叠度算出的待配准图像相对于基准图像移动的的距离（x0，y0），粗略剔除两特征点集里不对应的特征点；然后再利用相似度函数找出匹配的点集。先剔除后匹配，明显提高了算法的速度和精度。

只有当两角点均是相对于对方相似度量值最大时，才可认为匹配成功。匹配的算法如下：

（1）作者以基准图像J1中的任意角点为中心选取一个n×n的相关窗口。在图像J2中，作者以与图像J1中的角点具有相同坐标的像素点为中心，选取一个大小为du＊dv的矩形搜索区域，然后对J1中的角点与J2中搜索窗口区域内每一个角点计算相关系数ρ，最后将相关系数最大的角点作为J1给定角点的匹配点，这样就可以得到一组匹配点集。

（2）同理，给定图像J2中的任意一个角点，搜索图像J1中对应的窗口区域内与之相关系数最大的角点作为J2给定角点的匹配点，这样也可以得到一组匹配点集。

（3）最后，在得到的二组匹配点集中搜索相同的匹配角点对，认为该角点对是相互匹配对应的至此，完成了角点的匹配。

相关系数计算公式见式（6）。式中 A（x，y）和B（x，y）分别代表的是参考图像A和待配准图像B在点（x，y）处灰度值；n×n是相关窗口大小；（ui，vi）和（uj，vj）分别代表两图像中第i个和第j个待匹配特征点；A珡（ui，vi）和B珚（uj，vj）分别代表两幅图像中相关窗口的平均灰度值；σ代表相关窗口标准方差；其具体计算公式为：

相关系数ρ的取值范围为［－1，1］，若ρ为0，则表明两个相关窗口一点也不相似；若ρ为1，则表明两个相关窗口完全一样。

3 无人遥感图像拼接与灾害信息统计分析

采用作者在本文中所提出的算法，对2008年5月16日获取的茂县至都江堰岷江主河道无人机低空遥感影像作为数据源，并在MATLAB下进行了无缝拼接。在此基础上，作者采用1∶50 000地形图，生成岷江流域三维图像，见图1（局部图像）。

通过对岷江流域无人机低空遥感图像进行处理，信息提取以及对比分析后，初步解释了岷江干流两侧的堰塞湖，以及滑坡、崩塌和泥石流灾害情况，得出初步认识效果。

岷江干流两侧基岩，在映秀镇，岩性主要为三迭系的砂岩、灰岩及部份石炭系灰岩；从映秀到绵池，多为花岗岩；再以上，则主要为志留系和泥盆系的千枚岩、砂岩以及沙质灰岩。对所掩埋和损毁的公路，作者未做具体分类。

3.1 茂县至都江堰岷江主河道两岸崩塌滑坡发育情况

茂县至都江堰岷江主河道长138km。在岷江干流两侧，有大量崩塌、滑坡，有的全部直接进入江中，有的部份进入。经初步统计，该段岷江干流两侧发育有崩塌、滑坡（或滑坡群）共219处，其中崩塌109处，滑坡98处，大型泥石流沟12处。经初步估算，崩塌、滑坡总体积为3.2×108m3。其中岷江左岸发育崩塌、滑坡（或滑坡群）120处，体积约1.58×108m3，右岸发育崩塌、滑坡（或滑坡群）99处，体积约1.62×108m3，进入干流的固体物质达1×108m3。

3.2 紫坪铺水库库区段崩塌滑坡发育情况

滑坡崩塌30处，体积约三千万立方米。由于紫坪库水库的库容较大（库容达11.12×108m3）目前为保证水库安全，在汛期前低水位运行，所以只要大坝本身安全，即将到来的洪水以及滑坡、泥石流，将不会对水库有严重影响，也不会影响到成都市区的饮用水安全。由于这些物质被沿江的多处电站大坝所阻隔，所以在短时间内将不会进入紫坪库水库的库区，从而未对水库造成影响。但在以后的几年内，仍然可能经过搬运进入，这将影响水库的库容量。

图1 岷江流域无人机图像拼接结果图（局部）Fig.1 The mosaic map of Minjiang river UAV image（local area）

3.3 滑坡、崩塌造成茂县至都江堰岷江主河道公路被毁

都江堰至茂县公路大都沿河谷展布，沿河公路有138km。特别是映秀至汶川的道路，被大中型滑坡崩塌损毁的路基长达37km。

4 结论

无人机低空遥感数据在“5·12”抗震救灾中，发挥了不可替代的科学作用。同时，在特定灾害环境和复杂地理条件下，无人机低空遥感数据的在应用中，也暴露出了许多技术问题。作者在本文中，针对海量无人机高分辨率低空遥感影像的快速自动拼接与灾害信息快速提取的问题，提出了基于特征点和重叠度的快速拼接算法，并利用岷江流域无人机遥感数据验证结果，表明该算法可使计算量成倍减少，能有效地防止图像在非重叠区域中信息对算法的干扰，提高了拼接算法的精度和速度，较好地解决了复杂地形的无人机图像拼接问题。作者对岷江茂县至都江堰主河道的灾情进行了初步解译和定量分析，这为建立无人机高分辨率低空遥感数据的快速处理和应急灾害信息提取具有重要的指导意义。

［1］ 李玉霞，杨武年，刘汉湖，等.遥感图像三维可视化技术在西部高原区机场建设工程中的应用—以昆明小哨机场为例［J］.物探化探计算技术，2007，29（3）：260.

［2］ 崔红霞，林宗坚，孙杰.大重叠度无人机遥感影像的三维建模方法研究［J］，测绘科学，2005，30（2）：36.

［3］ 杨武年，FRANOGIS CAUNEAU，THIERRY RANCHIN，等.应用多种数据融合方法对多时相SPOT图像处理提取三峡工程大坝区地面动态变化信息［J］.物探化探计算技术，2005，27（3）：267.

［4］ 曾涛，杨武年，简季.无人机低空遥感影像处理在汶川地震地质灾害信息快速勘测中的应用［J］.测绘科学2009（34）：64.

［5］ 何磊，苗放，李玉霞.无人机遥感图像及其三维可视化在汶川地震救灾中的应用［J］.物探化探计算技术2010，32（2）：206.

［6］ JAGANNADAN V，PRAKASH M C，SARMA R R et al.Feature extraction and image registration o color images using Fourier bases［J］.IEEE Trans on Image Processing，2005（2）：656.

［7］ SZELISKI R.Video mosaics for virtual environment［J］.IEEE Computer Graphics and Applications 2006，16（2）：21.

［8］ 朱博勤，魏成阶，张渊智.航空遥感地震灾害信息的快速提取［J］.自然灾害学报，1998，7（1）：34.

［9］ 陈文凯，何少林，张景发，等.利用遥感技术提取震害信息方法的研究进展［J］.西北地震学报，2008，30（1）：88.

［10］王晓青，魏成阶，苗崇刚，等.震害遥感快速提取研究——以2003年2月24日巴楚－伽师6.8级地震为例［J］.地学前缘，2003（10）：285.

［11］马瑞升，孙涵，林宗桂，等.微型无人机遥感影像的纠偏与定位［J］.南京气象学院学报，2005，28（5）：632.

［12］马瑞升，孙涵，马轮基，等.基于微型无人机影像的土地利用调查试验［J］.遥感信息应用技术，2006（1）43.

［13］GUOQING ZHOU，DEYAN ZANG，Civil UAV System for Earth Observation［J］.Geoscience and Remote Sensing Symposium，2007：5319.

［14］BLASCHKE T，LANG S，LORUP E，et al.，Objec－oriented Image Processing in an Integrated GIS/remote Sensing Environment and Perspectives for Environmental Applications［J］.Environmental Information for Planning.2000（2）：555.

book=71,ebook=71

1001—1749（2012）03—0340—04

TP 7

A

10.3969/j.issn.1001－1749.2012.03.18

胡文艺（1975－），女，讲师，博士，研究方向为地球探测与信息技术、计算机应用、图像处理等。

国家自然基金项目（60841006）；中央高校基本科研业务费（ZYGX2010J085）；四川省青年基金（09ZQ026－058）四川省科技支撑计划（2009GZ0157）

2011－07－20 改回日期：2012－03－13