本文是一篇测绘工程论文，本文从影像拼接中匀光匀色、特征提取、匹配、融合几个关键环节的原理与方法入手，在匀光匀色阶段利用华里士滤波算法，有效地解决了影像色差不一致和亮度差异这些问题。
第1章 绪论
1.1 课题研究背景与意义
近年来，数字图像处理技术迅速发展，成为一门跨学科的技术，其在各个领域都有广泛的应用前景[1]。图像拼接作为其重要组成部分之一，是将含有重复场景的多张图片拼接成全景图的技术之一[2]。这一技术包括图像预处理、特征匹配、几何变换以及最终的图像融合等步骤。图像拼接技术在不同领域中都有着广泛的应用，包括医学成像、卫星遥感和汽车驾驶等方面[3]。在卫星遥感领域，图像拼接技术用于处理来自卫星的大量遥感图像数据。通过将这些图像拼接成连续的地图或全景图，可以实现对地球表面的高分辨率监测和分析，例如用于环境监测、城市规划、农业管理等方面[4]。
利用遥感技术获取地球表面信息的优点在于其宏观性、高时空分辨率和覆盖范围广。然而，遥感卫星在拍摄过程中对天气要求较高，如遇云层以及薄雾天气会导致遮挡和模糊，影响影像质量。当卫星影像质量不达标时，可能无法使用。此外，由于卫星受限于轨道位置和传感器性能，可能无法捕捉到特定区域的信息。无人机航空摄影测量是一种有效的解决方案，它能够提供实时信息数据采集，弥补卫星受限带来的局限性。
无人机航测的出现进一步拓展了摄影测量遥感技术的应用空间[8]，无人机航测技术有较高的灵活性和适应性，可以根据需要轻松调整飞行计划和任务，在不同的地理环境和复杂的地形条件下进行航测。并且，无人机可以在不同的高度和角度进行飞行，可以获取多角度、多尺度的影像，提高了航测数据的质量和多样性。无人机航测也有其不足的方面：飞行稳定性不佳可能导致影像畸变和航线偏离，以及在恶劣天气条件下的飞行限制。此外，无人机获取的影像数据可能存在较大的冗余，需要经过复杂的后期处理和人工纠错。
1.2 国内外研究现状
图像拼接技术作为数字图像处理领域的重要分支，其核心环节包括预处理、配准和融合三个环节。在预处理环节中，需要进行噪声消除、匀光匀色等处理，以提高图像质量和准确性，从而为后续的处理步骤奠定基础。而配准环节则是整个拼接过程中至关重要的一环，直接影响最终拼接效果。在配准过程中，需要克服图像之间的旋转、平移、缩放等变换，以确保拼接后的图像能够准确无误地衔接在一起。最后，融合环节则是在前两个环节的基础上进行的，其主要任务是对图像信息进行提取和整合，以改善拼接效果，并产生最终的拼接图像。
随着时代的发展，图像拼接技术已经经历了从青涩到成熟的演变过程，图像拼接技术在各个领域展现出了广泛的应用前景。无论是在航空航天、地理信息系统、医学影像处理还是虚拟现实等领域，图像拼接技术都发挥着不可替代的作用。国内外对于图像拼接技术的研究也逐渐成熟起来，涌现出了许多重要的理论成果和实践案例，为这一领域的发展和应用注入了强大的动力。
第2章 影像拼接与匀光匀色理论研究
2.1 影像拼接基本流程
无人机影像拼接的主要流程一般包括原始影像采集、影像预处理、影像配准及影像融合。本章节的研究框架如图2.1所示：
1.影像预处理：由于影像获取的条件不同，不同无人机获取的影像因光照、风速等因素会出现不同程度的噪声等问题，这可能导致后续处理结果存在较大误差，因此需要对无人机影像进行预处理，包含滤波、去噪、匀光匀色等数字影像处理基本操作。
2.影像配准：影像配准在无人机影像拼接过程中扮演着至关重要的角色,其目标是在图像间建立准确的空间对应关系，以便进行后续的分析、融合或可视化等操作，其准确性直接影响最终影像拼接的质量。该过程首先涉及特征点的提取和匹配及变换模型估计，基于找到图像之间的空间对应关系，并将其转化为几何变换模型，从而实现图像的对齐和匹配。从而实现影像的配准。这一系列步骤直接影响了拼接结果的准确性和整体质量。
3.影像融合：在实际的无人机图像采集过程中，受到天气原因、环境光照、地形地物、传感器性能等多种因素的影响，拼接后的图像可能出现拼接缝和拼接线明显等问题。为了解决这些问题，需要进行影像融合操作。通过影像融合，可以消除上述问题，从而提高拼接后图像的质量，满足人眼对图像的视觉要求。这个过程对于确保最终图像的一致性和观感上的连续性非常重要[73]。
2.2 坐标系统及构像方程
2.2.1 摄影测量常用坐标系
摄影测量通过对航空摄影或航天摄影所获取的影像进行解译和分析，即由像点坐标来确定目标点的坐标。通常采用像点坐标系和物点坐标系来确定像点和地面点之间的关系[74]。
1.像方空间坐标系
像方坐标系用来表示像点的平面坐标和空间坐标。像方坐标系包含像平面坐标系、像空间坐标系和像空间辅助坐标系[75]。像平面坐标系是在影像处理和摄影测量中常用的一种坐标系。通常情况下，如图2.2(a)我们以主点为原点，构建右手平面坐标系o-xy，用于准确定位影像中的像素位置。这种坐标系的建立是基于对影像中图像点位置的需求，以便于后续的图像处理和分析。如图2.2(b)所示为框标坐标系。其x、y轴的方向并不固定，而是根据实际需要进行确定。通常情况下，我们会选择与航线方向相近的连线作为x轴的方向，以保证后续的处理过程更为顺利。此外，如果框标在像片的四个角上，通过对角框标连线交角的平分线来确定x、y轴的方向，以保证坐标系的准确性和一致性。如图2.2(c)所示，如果像主点的坐标为xo、yo，则测量得到的像点坐标x、y需要转换，即x-xo、y-yo。
第3章 基于重叠区域的ORB特征提取优化方法 .............................. 27
3.1 特征提取算法 ............................ 27
3.1.1 SIFT算法 .................................... 27
3.1.2 SURF算法 ....................................... 30
第4章 融合GMS算法的特征匹配优化方法 ...................... 49
4.1 特征匹配算法 ........................... 49
4.1.1 暴力BF算法 .................... 50
4.1.2 KNN算法 ........................ 50
第5章 影像拼接及匀光匀色实验结果与分析 ...................... 59
5.1 经典融合算法 ................................ 59
5.1.1 直接填充法 .............................. 59
5.1.2 直接平均法 ................................. 59
第5章 影像拼接及匀光匀色实验结果与分析
5.1 经典融合算法
5.1.1 直接填充法
直接填充法融合(Direct filling blending)是一种简单而直接的图像融合方法，其基本思想是直接将源图像的像素值填充到目标图像中相应的位置，从而完成图像融合。这种方法不涉及复杂的数学计算，依赖于简单的像素值替换操作。直接填充法，是指在融合图像时，先将𝑓1填充到f中，再𝑓2将填充到f中，其中𝑓1与𝑓2的重叠区域用𝑓1填充。虽然这种方法简单直接，但也有一些局限性。
泊松融合是一种图像合成技术，用于将多张图像或图像的不同部分无缝地合成到一起，使得合成后的图像看起来更加自然和连贯。其主要原理是通过泊松方程来实现图像的融合，从而保持合成图像与原始图像之间的平滑过渡。泊松融合的原理如图所示。
第六章 总结与展望
6.1 总结 本文得到的结论有如下几个方面：
(1)本文从影像拼接中匀光匀色、特征提取、匹配、融合几个关键环节的原理与方法入手，在匀光匀色阶段利用华里士滤波算法，有效地解决了影像色差不一致和亮度差异这些问题。深入研究三种常见的特征点提取方法 SIFT、SURF 和 ORB 的基本原理和方法。通过实验，对每一种算法在提取特征点时的精确度和效率进行了对比，并对实验结果的评价指标进行比较和分析，包括准确率和效率。实验结果表明，ORB算法速度较快，但提取的特征点数量较少。此算法的实时性较强，故选择以此作为基础算法进行优化。
(2)通过提取重叠区并改进ORB算法完成了在影像拼接中的效率优化。本文选取ORB算法作为优化算法的基础，首先，利用计算互信息量的方法在进行特征点提取前增加提取影像重叠区域的操作，其次，针对ORB不具有尺度不变性的局限性，在影像的重叠区域构造尺度空间，提取到了更均匀的特征点，对不同光照的影像验证了本文算法的鲁棒性，对普通建筑物及高层建筑物影像进行重叠区域的提取及图像金字塔的构建，无人机影像提取效率分别提高了52.08%和41.22%，并且结果显示明显减少了冗余点的提取，提高了算法的局部性和鲁棒性，即能够在保证特征提取质量的前提下，显著减少特征提取时间，为后续图像匹配及拼接提供了更高效的方案。
参考文献（略）
