无人机载多光谱成像仪图像配准的一种方法_戴方兴

ENVI对图像进行配准校正拼接裁剪ENVI在图像处理领域被广泛应用，其中配准、校正、拼接和裁剪是常见且重要的操作。

本文将介绍ENVI在图像配准校正拼接裁剪方面的基本原理和操作步骤。

一、图像配准图像配准是将多幅图像对准到一个统一的坐标系统中，使它们具有相同的尺度、旋转和平移。

ENVI提供了多种图像配准方法，包括基于特征点匹配的自动配准和基于控制点辅助的手动配准。

1. 自动配准ENVI的自动配准功能利用图像中的特征点进行匹配，通过计算特征点的几何变换关系来实现配准。

使用该功能时，首先选择一个参考图像，然后选择其他需要配准的图像。

ENVI将自动检测并匹配这些图像中的特征点，并计算图像之间的几何变换关系，最终实现图像的配准。

2. 手动配准对于某些情况下自动配准效果不佳或需要更精确的配准结果的场景，ENVI提供了手动配准功能。

该功能需要用户手动在图像中添加控制点，根据已知的地理坐标信息进行匹配。

通过选择足够数量的控制点，并进行几何变换，可以实现更准确的图像配准结果。

二、图像校正图像校正是指通过去除图像中的变形、噪声、光照等因素，使得图像更加准确和清晰。

ENVI提供了多种图像校正方法，如大气校正、几何校正等。

1. 大气校正在遥感图像处理中，大气校正是一个重要的步骤。

ENVI提供了不同的大气校正模型，如基于大气遥感参数的MODTRAN模型、Atmospheric and Topographic Correction (ATCOR)模型等。

用户可以根据实际需求选择合适的大气校正方法对图像进行校正，以消除大气干扰，还原地物的真实信息。

2. 几何校正几何校正是指将图像中的地物从图像坐标转换为地理坐标，使得图像与实际地理位置相符。

ENVI提供了自动几何校正功能，可以使用地面控制点或地面矢量数据进行几何校正。

通过选择合适的校正方法和参考数据，可以将图像校正为具有地理坐标的图像。

三、图像拼接图像拼接是将多幅图像按照空间位置进行组合，生成一幅更大尺寸的图像。

图像匹配图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点.其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。

图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配.1、灰度匹配灰度匹配的基本思想:以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。

利用两个信号的相关函数，评价它们的相似性以确定同名点.灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。

最经典的灰度匹配法是归一化的灰度匹配法,其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与参考图像的所有可能的窗口灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法，从理论上说就是采用图像相关技术。

利用灰度信息匹配方法的主要缺陷是计算量太大,因为使用场合一般都有一定的速度要求，所以这些方法很少被使用。

现在已经提出了一些相关的快速算法，如幅度排序相关算法,FFT相关算法和分层搜索的序列判断算法等。

2、特征匹配特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述,然后运用所描述的参数来进行匹配的一种算法。

基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。

特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系,通常使用的特征基元有点特征、边缘特征和区域特征。

特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。

常用的特征提取与匹配方法有:统计方法、几何法、模型法、信号处理法、边界特征法、傅氏形状描述法、几何参数法、形状不变矩法等.基于图象特征的匹配方法可以克服利用图象灰度信息进行匹配的缺点，由于图象的特征点比较象素点要少很多,大大减少了匹配过程的计算量;同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度；而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图象形变以及遮挡等都有较好的适应能力.所以基于图象特征的匹配在实际中的应用越来越广泛。

大疆多光谱辐射校正方法
大疆多光谱无人机的辐射校正方法可以包括以下步骤：
1. 辐射校正板：使用具有已知辐射特性的辐射校正板。

该板通常有
已知的辐射率和光谱特性，可用于校正传感器接收到的辐射值。

2. 传感器校准：对多光谱传感器进行校准，以确保各个波段的相对
灵敏度准确。

这可以通过在不同波长下使用标准光源，并将读数与已知辐射强度相关联来实现。

3. 数据采集：使用无人机进行数据采集，搭载多光谱传感器。

通过
飞行器在不同光照条件下获取不同波段的辐射数据。

4. 数据处理：根据所采集的图像数据，对每个波段进行辐射校正处理。

这可以通过将传感器接收到的辐射信号与已知辐射强度进行比较，并计算校正系数来完成。

5. 辐射校正模型：利用校正板和通常的光学辐射理论建立辐射校正
模型。

这种模型可以通过反演使用辐射校正板数据所得到的校正系数
来纠正传感器接收到的辐射数据。

6. 校正数据应用：将经过辐射校正的数据应用于后续的农业和生态研究、植被指数计算等分析工作中，以获得准确的地面信息。

大疆多光谱辐射校正方法结合了标准光源校准、辐射校正板、数据处理和辐射校正模型等步骤，以确保无人机获得的多光谱数据具有准确的辐射值，并提供准确的植物和土地信息，支持各种农业管理和环境监测应用。

大区域无人机图像序列全局配准方法作者：周行等来源：《现代电子技术》2015年第21期摘要：由于无人机搭载的摄相机视角有限，在进行大区域航拍作业的后期数据处理中不可避免地要进行大量无人机图像的拼接。

这里提出一种基于图像分布估计的多图像全局配准技术，首先通过运动估计和运动分解对图像序列的链式分布进行估计，然后通过精确SURF特征匹配对图像分布进行优化。

得到的分布估计图的每一条边表征了一个图像对的匹配关系，根据这些匹配关系进行捆绑调整，求解每幅图像到最终拼接平面的最优变换矩阵，从而实现大区域多图像的全局配准。

实验所得的拼接结果表明该技术配准效率高、效果良好。

关键词：分布估计；无人机；全局配准；捆绑调整中图分类号： TN911.73⁃34； TP391.4 文献标识码： A 文章编号： 1004⁃373X（2015）21⁃0014⁃06Global registration method of image sequence taken by UAV in large regionZHOU Xing， ZHOU Dongxiang， PENG Keju， GUO Ruibin， FAN Weihong（School of Electronic Science and Engineering， National University of Defense Technology， Changsha 410073， China）Abstract： For the limited visual angle of the camera carried by UAV， a large number of mosaicing of images taken by UAV is inevitable in the later processing of the large region aerial photo mission. A multi⁃image global registration technology based on image distribution estimation is proposed. The chain distribution of the image sequence is estimated by using motion estimation and motion decomposition， and then the image distribution is optimized by precise SURF feature matching. Each edge of the obtained distribution estimation images characters the matching relation of an image pair. The binding adjustment is conducted according to the matching relation to solve the optimal transformation matrix from each image to the final mosaic plane， and achieve themulti⁃image global registration in the large region. The mosaic results from the experiment show that the method has high registration efficiency， and better registration result.Keywords： distribution estimation； UAV； global registration； binding adjustment0 引言图像拼接是指将多幅来自同一场景的具有一定重叠区域的小尺寸图像合成为一幅大尺寸、大视角的图像，是当前图像处理技术的一个重要分支。

基于SIFT算法和马氏距离的无人机遥感图像配准
陈裕;刘庆元
【期刊名称】《测绘与空间地理信息》
【年(卷),期】2009(32)6
【摘要】提出了一种基于SIUF和马氏距离的无人机遥感图像配准方法.该方法首先使用SIUF算法进行特征点的查找和匹配.由于SIFT算法只考虑点的局部特征信息,没有处理匹配后特征点对的几何分布信息.为了提高特征点对的精度,本文使用马氏距离对SIFT算法得到的结果进行再处理得到新的特征点对.最后,利用新的特征点对进行图像配准.较之以往,该方法可以得到更多的、正确的匹配点对.数值试验证明了该方法的有效性和鲁棒性.
【总页数】4页(P50-53)
【作者】陈裕;刘庆元
【作者单位】中南大学信息物理工程学院,湖南,长沙,410083;中南大学信息物理工程学院,湖南,长沙,410083
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于SIFT算法的无人机遥感图像拼接技术 [J], 王茜;宁纪锋;曹宇翔;韩文霆
2.基于SIFT算法的遥感图像配准系统设计与应用 [J], 张正源
3.基于优化SIFT算法的无人机遥感作物影像拼接 [J], 贾银江;徐哲男;苏中滨;靳思
雨;Arshad M. Rizwan
4.基于DSP的无人机遥感影像SIFT算法设计与实现 [J], 孙鹏; 肖经; 赵海盟; 刘帆; 晏磊; 赵红颖
5.基于改进SIFT算法的无人机遥感图像匹配 [J], 任伟建;王子维;康朝海
因版权原因，仅展示原文概要，查看原文内容请购买。