[發明專利]一種用于無人機影像輻射校正中校正模型構建的方法

在審

• 申請號: 201910291700.3
• 申請日: 2019-04-12
• 公開（公告）號: CN110110730A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 張小國;王曉鵬;馮寶紅
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06F17/50
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 周蔚然

本發明提供了一種用于無人機影像輻射校正中校正模型構建的方法，包括如下內容：根據用于對比的兩期無人機影像圖，首先用sift算子檢測圖中的關鍵特征點，用最鄰近匹配法進行特征點的匹配；對匹配點對進行篩選和提純，去除冗余錯誤的匹配點對；根據對比影像上匹配點的像元值和匹配點對的個數構建高次多項式方程；根據方程式計算系數矩陣，構建校正模型，對待校正影像進行校正。該方法根據sift特征點的特征不變性，通過提取到的匹配的同名特征樣本點，在現有方法的基礎上延伸和優化，構建非線性高階校正模型對影像進行輻射校正，不僅能夠實現對影像進行自動校正、無需人工參與，還能夠盡可能減少大氣、光照等的影響，達到相對更好的效果。

技術領域

本發明屬于計算機視覺領域，具體涉及一種用于無人機影像輻射校正中校正模型構建的方法。

背景技術

隨著社會經濟水平的提高，為了管理和控制城市的規劃發展，及時了解到土地的實際使用情況，及時發現和預防違法用地和違章建筑物的出現，就需要對不同時期的同一塊區域進行變化檢測。為了提高檢測的效果，圖像的預處理是其中比較關鍵的一步。而在無人機進行航拍的過程中，由于地形起伏、光照、大氣等各種因素的影響，無人機航拍的同一區域、不同時間的影像圖會存在一定的輻射畸變差異，兩期影像的灰度直方圖的灰度值分布狀況有很大的差別。目前常見的校正方法就是線性回歸和直方圖匹配等，各有優劣，效果有好有壞，但為了達到更好效果，使得兩期影像灰度直方圖分布、兩期影像中對應同一目標亮度盡可能趨于一致，需進一步優化改進。

發明內容

為解決上述問題，本發明公開了一種用于無人機影像輻射校正中校正模型構建的方法，該方法在原來線性回歸輻射校正模型的基礎上，進行改進和優化，構建一種高階非線性的輻射校正模型，對待校正影像進行校正。首先根據sift算子的特征不變性，檢測和提取兩期影像的特征點，然后對特征點進行匹配，去除錯誤冗余的匹配點對，再根據匹配的同名特征點的像元值和匹配點對的個數構建多項式高次方程，分別對樣本特征點三通道進行擬合，計算系數矩陣，構建校正模型，最終對影像RGB三通道分別校正后再結合，顯示校正結果。

為達到上述目的，本發明的技術方案如下：

一種用于無人機影像中輻射校正中校正模型構建的方法，包括如下步驟：

步驟一，讀取兩張用于對比的無人機正攝影像圖，sift算子提取特征點，最鄰近匹配法匹配特征點；

步驟二，篩選特征點對，對特征點對進行提純，去除錯誤冗余的匹配點對；

步驟三，根據匹配點對的像元值和匹配點對的個數，構建高次多項式方程，用來擬合樣本特征點；

步驟四，根據構建的高階多項式方程，計算系數矩陣，構建校正模型并對待校正影像進行校正。

進一步的，所述步驟一包括如下步驟：

a，設立海森閾值(通常為400～700)，sift算子(一種特征點檢測算子)提取特征點。

b，使用最鄰近匹配法，根據特征點間距離的遠近程度匹配兩期影像上的特征點。

進一步的，所述步驟二包括如下步驟：

a，對于匹配后的影像，存在一些錯誤的匹配點對，采用RANSAC算法對這些數據樣本點進行迭代，提純特征點對，去除冗余錯誤的匹配點對。

進一步的，所述步驟三包括如下步驟：

a，找到兩期影像上能夠進行匹配的特征點，獲取待校正影像上樣本特征點的像元值x和參考影像上樣本特征點的像元值y并統計匹配點對的個數m；