第1章緒論

1.1研究背景及意義
隨著全球經濟的不斷發(fā)展，人類對自然資源的開采和利用手段越來越多樣化，在提高人類生活物質水平的同時，也不可避免的對地球環(huán)境帶來較多不良影響，導致全球氣候及地質災害的發(fā)生頻率越來越高�，F今的技術無法完全預測和避免自然災害的發(fā)生，在突發(fā)自然災害時，人類能做的只有發(fā)動一切力量，進行災害應急，采取及時有效的措施對受災區(qū)域進行救援。與此同時，我國也遭受過多次較為嚴重的自然災害，如1976年的唐山大地震、1991年及1998年的巨大洪水、2008年在我國南部地區(qū)爆發(fā)的冰雪災害以及汶川地震、2010年青海玉樹地震等，都給人民的生命財產帶來了巨大的影響，留下了沉痛的記憶。自然災害的爆發(fā)往往較為突然，具有規(guī)模大、破壞性強的特點，其破壞程度往往是毀滅性的。在災害發(fā)生后，房屋、道路、橋梁等往往被破壞嚴重，這給災后救援及重建工作帶來較大的困難，無形中加劇了自然災害的嚴重性。因此，如何更為及時有效的對受災區(qū)域展開救援及應急工作，成為當前迫切需要解決的問題。  
在進行災后救援工作之前，需對受災區(qū)域的情況有較為準確的把握，，如災害的規(guī)模大小、災害影響范圍、各區(qū)域受災程度以及災害發(fā)展趨勢等，只有在掌握了詳細的災區(qū)災害情況后，才能確定災后應急方案，制定準確有效的措施，展開救援工作，最大程度的保護人民的生命財產安全。  
當今形勢下，各種高新技術已廣泛應用于災害監(jiān)測、預警和防災減災工作中，其中，遙感技術在該領域發(fā)揮著舉足輕重的作用。衛(wèi)星影像獲取方便，具有較大的影像覆蓋范圍，在進行災害監(jiān)測及預警方面有著良好效果，但受衛(wèi)星重訪周期及分辨率的限制，無法通過衛(wèi)星遙感的方式及時獲取受災區(qū)域的高分辨率影像，在分秒必爭的災害應急過程中，很難滿足要求。此時采用航空攝影測量方式，成為獲取災區(qū)影像，分析災害情況的最佳選擇。災害發(fā)生時，利用航空攝影測量方式，可不受陸地交通情況限制，在第一時間進入受災區(qū)域進行作業(yè)，獲取大尺度高精度災區(qū)影像，為災后應急方案及救援措施的確定提供及時準確的災區(qū)情報，將災害破壞影響降到最低程度。  
由于自然災害爆發(fā)時，通常災害規(guī)模較大、影響范圍廣，在航拍時，單張影像顯然無法完全覆蓋受災區(qū)域，因此需通過對多個航帶的大量影像進行拼接處理，才能形成覆蓋整個受災區(qū)域的整體影像，為災后救援和應急方案的確定提供良好的決策支持。然而現今常用的影像拼接方法主要有基于POS信息和基于影像特征的拼接，基于POS信息的影像拼接借助影像POS信息，計算影像地理坐標，完成拼接處理，該方法操作簡單，拼接速度快，但準確度欠佳；基于圖像特征的拼接方法主要提取圖像特征，并對特征進行匹配，以匹配好的特征對為基礎，完成影像拼接工作，使用該方法拼接影像往往有較高的準確度，但操作復雜，計算量大，耗時長。因此，這兩種方法單獨使用，都無法滿足災害應急的要求。  
鑒此，如何在滿足災害應急時對影像精度要求的同時，提高影像拼接速度，縮短拼接所需時間，對災害應急測繪就顯得尤為重要。本文研究將基于POS信息和基于影像特征的拼接方法相結合，該方法能在保證災害應急測繪對影像精度要求的同時，明顯的縮短影像拼接消耗的時間，在分秒必爭的災害應急過程中，、能在第一時間向決策者提供及時、完整和準確的災害情況，在及時制定應急方案，進行災后救援工作，最大程度的保障災區(qū)群眾的生命財產安全方面具有重大意義。  
............................

1.2國內外研究現狀
經過多年的發(fā)展，圖像拼接技術已經趨于成熟，并被廣泛應用于各個領域。圖像拼接包含多個環(huán)節(jié)，最核心技術是圖像配準和融合。其中，圖像配準的目的是確定具有重疊區(qū)域的影像間的對應關系，是圖像拼接處理的關鍵。圖像配準對圖像拼接的準確度和運行效率有較大影響。圖像融合技術主要解決待拼接影像間的紋理、色彩和光照差異不連續(xù)問題，使拼接后影像在接邊處平緩過渡，形成視覺效果良好、無明顯拼接縫隙的整體大影像。
1.2.1圖像配準國內外研究現狀
圖像配準技術一直是圖像拼接研究方向的重點，目前已有多種較為成熟的圖像配準方法。圖像配準的關鍵是利用圖像信息，確定待配準圖像間對應關系。目前常用的圖像配準方法主要分為：基于灰度、基于特征和基于變換域三個方面。配準方法的優(yōu)劣主要取決于處理效率、配準效果以及算法的適用性，選擇恰當的配準算法，是提高影像拼接質量的關鍵。  
圖像配準技術，最早由Kuglni和Hines提出，需追溯到1975年，他們提出了相位相關法[1]，實現具有重疊區(qū)域圖像的配準處理。該方法將圖像變換至頻域，計算平移矢量后實現配準。相位相關法方法不適用于較小重疊度圖像的配準，而且只能處理具有平移的重疊圖像，對旋轉和仿射變換的圖像無法處理。在相位相關法的基礎上，DeCastro和Morandi對相位相關法進行研究和改進，擴展相位相關法[2]在1987年被提出并用于圖像的配準處理，并實現了同時具有平移和旋轉圖像的配準。以上方法的提出，奠定了基于頻域的圖像配準方法的基礎，并隨著研究的深入，被廣泛應用。隨著圖像拼接的廣泛應用，各國學者加大了對圖像配準技術的研究，各類圖像配準技術也相繼問世。其中較有影響力的有1996年RichardSzehski提出的參數投影變換模型[3]和1998年ShmuelPeleg提出的自適應拼接模型[4][5]等�；趫D像灰度的配準方法中，最早為交叉相關法，該方法由Rosenfeld于1982提出。1994年，基于圖像幾何特征的配準方法逐漸引起人們的關注，并相繼對其進行研究�；谔卣鞯姆椒ㄒ詧D像特征點或線為基礎，實現圖像配準。主要分為特征提取和特征匹配兩個環(huán)節(jié)。首先，采用特征檢測算法，從待配準圖像中提取特征，并以所得特征點為基礎進行匹配，實現圖像配準。在特征檢測方面，常用特征有特征點、線和輪廓。以線作為圖像特征時，比較有局限性，且效率較低；而特征點效果最好，也有較多成熟且實用的算法。隨著對基于圖像特征進行圖像匹配方法研究的不斷深入，已提出了多種點特征提取算法，其中主要的有Moravee算法、Harris算法、SUSAN算法和SIFT算法等。特征匹配的關鍵在于建立特征點間的對應關系。人們常用特征點間的距離大小作為判斷值所得特征點間的關聯(lián)程度，并確定匹配點。  
基于圖像灰度的匹配方法是以待匹配影像重疊區(qū)域的灰度值為基礎，通過計算影像灰度的相似性程度，確定圖像間的對應關系，完成配準。其中計算圖像相似性的方法大多基于統(tǒng)計理論，主要包括：差平方和法、相關函數法、相關系數法、協(xié)方差法和差絕對值法。基于灰度信息的圖像匹配直接利用圖像灰度信息，不需進行其他變換處理，算法簡單，易于實現；但在某些情況下，由于完全依賴圖像灰度信息，在噪聲和灰度差異上魯棒性不強，匹配效果不是很理想；并且基于圖像灰度信息的匹配方法計算量大，對圖片要求較高，無法處理具有旋轉和仿射變換的圖片，應用比較局限，此外，圖像的灰度值往往容易受到光照條件的影響，非線性的不均勻光照可能造成較大的匹配誤差。同時，圖像的比例變化、旋轉和遮擋等都會對匹配結果產生較大影響。  
作為圖像拼接中關鍵技術的圖像配準，經過不斷研究發(fā)展，已經取得了較大進展。但由于成像條件的差異，以及對圖像應用的多樣化，對于不同的圖像，所采用的配準方法也有所區(qū)別。針對不同圖像及應用要求，選擇恰當的特征檢測和匹配方法，是對圖像完成精確配準的關鍵。  
1.2.2圖像融合技術國內外研究現狀
圖像融合技術也是圖像拼接研究的重點，始于1973年，信息融合技術就已在美國國防部的資助下進行了研究。最早有關圖像融合的信息來自于Daily[15]等有關雷達圖像和Landsat-MSS融合圖像在地質解譯方面的應用。隨著遙感衛(wèi)星的發(fā)射以及衛(wèi)星影像應用的不斷推廣，如何更好地應用遙感影像已越發(fā)重要，此時，圖像融合技術隨著遙感影像的應用也逐漸被人們所重視，對其展開更為廣泛和深入的研究。  
像素級融合、特征級融合和決策級融合[16]是圖像融合的三個基本類別。圖像拼接過程中，大多為像素級融合，該方法以圖像像素信息為處理對象，進行運算，完成遙感影像的融合處理。像素級融合由于直接作用于圖像像素，可實現圖像銳化和增強等效果，融合后影像有較高的識別度和視覺效果。像素級融合不對圖像作變換處理，因此融合后圖像信息，完整，原始圖像信息損失小，能保留圖像細節(jié)，有較高精度。但是由于需對圖像重疊區(qū)域所有像素進行處理，計算量大、耗時較長。
....................................

第2章影像拼接原理與方法基礎

在影像獲取完成后，受相機框幅限制，單張影像信息覆蓋量有限，需將影像進行拼接處理，形成大場景影像，以提供整個攝區(qū)的整體影像，用于后期影像分析及應用。影像拼接是將同一場景內，含有相同地物的重疊區(qū)域圖像經過匹配和融合等處理，形成新的影像，處理后影像保留原始影像所有信息，擴大視野，且盡量不降低影像分辨率。在進行影像拼接前，先提取影像拼接線，為后續(xù)拼接工作做準備，并能提高拼接后影像質量，接著進行基于POS信息或特征信息進行配準及拼接處理，完成拼接后，需對拼接后影像內重疊區(qū)域影像進行融合處理，消除重疊區(qū)域內的拼接縫及鬼影等誤差，之后進行勻光勻色處理，對拼接后影像的光照、亮度和色彩進行調整，最后形成一張能夠覆蓋整個目標區(qū)域，且紋理、色彩過渡均勻，無明顯拼接縫隙的大視角影像。  

2.1拼接線提取
在圖像拼接時往往會在出現鬼影及拼接縫現象，尤其是在建筑物、道路、河流以及地物邊緣模糊時，情況更為明顯。產生鬼影及拼接縫的主要原因是由于影像配準過程中，距離圖像中心越遠，配準誤差越大，這就導致在圖像的邊緣處有明顯鬼影和拼接縫隙。為了更好的解決鬼影和拼接縫問題，提出了最佳拼接線的概念。常規(guī)拼接過程中，拼接線線通常為直線，無法較好的避開建筑物和道路等，拼接后影像在拼接線處，容易出現建筑和道路的斷裂現象。由于成像條件的不同，影像在光照、亮度或紋理上都存在一定的差異。因此在輸入圖像的重疊區(qū)域中尋找一條合理的拼接線尤為重要[20]。最佳拼接線是在影像重疊區(qū)域內尋找一條不規(guī)則曲線，使配準精度在重疊區(qū)域最好，因此稱為最佳拼接線。選取最佳拼接線，有助于較好的完成影像拼接，使拼接影像過渡平緩，有較好的視覺效果，便于影像分析和應用。  
2.1.1簡單拼接線提取
在通常影像拼接過程中，由于最佳拼接線提取算法復雜度高，計算量大，在處理過程中需耗費大量時間，且實現較為困難，因此通常采用簡單拼接線進行影像拼接工作。其中，ERDAS工程軟件采用的是重疊區(qū)域平分線法，即在確定待拼接影像重疊區(qū)域后，取垂直于航線方向的上重疊區(qū)域中線，以所得中線為拼接線完成影像拼接；最小灰度插值法以圖像灰度為基礎，對重疊區(qū)域影像進行一定鄰域內灰度統(tǒng)計，取插值最小處點，連成曲線，所得曲線即為拼接線；地類邊界法以重疊區(qū)域內地物的地類為基礎，將相同地類歸為一類并形成閉合區(qū)域，取各相鄰不同地類邊界交接處為拼接線。雖然這方法無法很好的解決鬼影和拼接縫問題，但算法簡單，運算速度較快，容易實現。  
2.1.2最佳拼接線提取
當對影像質量要求較高時，為了使拼接后影像滿足較高的準確度和良好視覺效果，須選擇最佳拼接線，以保證拼接后影像色彩和紋理差異最小。最佳拼接線在相鄰影像重疊區(qū)域內具有最大的相似性，在此基礎上進行影像拼接處理，能最大程度上減小鬼影和拼接縫隙的不良影響。Davis[21]利用復雜度較高的Dijkstra算法尋找最佳拼接線。文獻[22][23][24]采用動態(tài)規(guī)劃的思想檢測最佳拼接線。利用Graphout優(yōu)化的全局最佳拼接線方法[25]，結果影像容易出現鬼影現象。方亞玲等[26]引入對稱動態(tài)輪廓模型(Snakes模型)，尋找拼接線，但該方法靈活性較差。  
常用的最佳拼接線提取方法有基于灰色斜率關聯(lián)度法、基于相關系數法和基于動態(tài)規(guī)劃的最佳拼接線提取算法。  
2.1.2.1基于灰色斜率關聯(lián)度法的拼接線提取
灰關聯(lián)分析((GreyRelationalAnalysis，GRA)是灰色系統(tǒng)理論的重要組成部分。計算灰色關聯(lián)度有多種方法，如斜率關聯(lián)度、鄧氏關聯(lián)度和絕對關聯(lián)度。其中，斜率關聯(lián)度計算簡單，無需對原始圖像作其他變換處理。  
圖像處理中常用的有兩種彩色坐標系：一是由紅R，綠G，藍B三元色組成的RGB色彩空間；另一種是由色調H、亮度I和飽和度S構成的HIS空間。兩種彩色空間之間可以相互進行轉換。將遙感影像由三個波段構成的RGB分量轉換為HIS變量后，可以分離出圖像的色調、亮度、飽和度。其中，分離出的的色調分量H反應圖像中地物的主要頻譜特征，亮度分量I表示空間幾何特征，飽和度分量S為色彩純度。因此，當需要對遙感圖像進行差異分析時，將圖像轉換至HIS空間，比在RGB空間下具有更為優(yōu)良的效果。
................................

2.2影像匹配
2.2.1基于POS的影像匹配方法
與衛(wèi)星遙感影像不同，在航空攝影時，飛機上所搭載的相機能夠獲取連續(xù)遙感圖像，且其中POS系統(tǒng)會自動記錄每張影像拍攝時的姿態(tài)參數，主要包括影像編號、獲取時間、經緯度、高度、航向偏角和旁向偏角以及旋轉角。在進行航攝影像拼接時，根據影像POS信息，完成影像的幾何糾正，使所獲取的每張影像都具有獨立的地理坐標信息。  
幾何糾正的實質是將影像中各像素點中的信息，采用相應策略，實現其從像方坐標系向物方坐標系轉換的過程。在攝影測量中，遙感影像的幾何糾正主要是從像平面坐標系向地面測量坐標系的轉換。幾何變換的基本思路是：根據影像POS信息中的影像中心點地理坐標、影像像素分辨率和影像像素大小，計算出影像四個角點的地理坐標；根據所得地理坐標，可求得糾正后影像的地理坐標在X、Y方向上的最大和最小值，即影像地理坐標跨度；以所得坐標的最大和最小值為邊界，建立糾正后影像邊框，并根據地理坐標與像素坐標間的對應關系，采用內插的方法，將影像從像平面坐標系轉換至地面測量坐標系，實現每個像素點地理坐標的確定，形成糾正后影像。其中，像素坐標與地理坐標的轉換公式為：

其中X、Y為所求像素點在X和Y方向上地理坐標，P為圖像像素點列號，L為行號，k1~k6六個參數為Tiff格式影像數據起始參數，參數k1~k6含義分別為：左上角起點地理X坐標；東西方向上每個像素代表的地理距離；南北方向旋轉參數；左上角起點地理Y坐標；南北方向上每個像素點代表的地理距離（一般為負值）；東西方向旋轉參數。  
經過幾何糾正的影像由于已經具有坐標信息，不用再進行配準處理來確定其空間關系，可直接根據其坐標信息完成拼接，拼接完成后再對重疊區(qū)域部分進行融合，確保影像拼接質量和視覺效果。  
在計算出影像四個角點的地理坐標后，即可確定相鄰影像內重合區(qū)域。影像重合區(qū)域確定之后，即可利用平分線法，提取簡單拼接線，以拼接線為準，取重疊區(qū)域內平分線兩側影像進行拼接。  
進行航拍時，當天氣條件比較惡劣時，飛機的俯仰、側滾等情況比較嚴重，所獲取影像畸變較為明顯，且受POS系統(tǒng)精度限制，拼接后影像坐標有明顯偏差，效果不理想。但由于該方法可直接利用坐標信息完成拼接，舍棄了較為復雜的圖像配準過程，能大量縮短影像拼接所需時間，具有一定的實用價值。  
2.2.2基于影像特征的影像匹配方法
基于圖像特征的匹配方法，是目前圖像拼接中應用最為廣泛的方法。由于提取了圖像的特征用于匹配，而不用對整個影像進行計算，所需處理的數據量減小。對位置變化也較為敏感，匹配精度高�；趫D像特征的匹配方法，關鍵在于通過提取圖像的特征，以此為基礎完成圖像匹配，常用圖像特征包括特征點（角點、高曲率點）、線（邊緣）和面（閉合區(qū)域）。基于特征提取的圖像匹配方法主要包含以下步驟：圖像特征提取、圖像特征匹配、模型參數估計和圖像變換與插值。其中特征提取和匹配是核心環(huán)節(jié)。
（1）特征提取
特征提取是基于特征影像匹配的基礎，所檢測特征的數量和準確度，對影像拼接效果有著重要影響，是提高圖像匹配質量的關鍵。再進行特征提取前，先根據待匹配影像的特點，確定特征形式（點、線、面），在特征選取過程中，主要從以下三個方面進行考慮：所選特征須為兩幅圖像所共有；特征數量足夠完成匹配，且特征分布均勻。進行特征提取時，點、邊緣和區(qū)域三種特征有其各種特點，其中，拐角點、交叉線點、輪廓中曲率最大點位是常用典型點特征；邊緣特征則是利用邊緣的長度和方向信息實現。
.............................

第3章應急航空遙感影像拼接........................................23
3.1應急航空遙感影像拼接概述..................................23
3.2應急航空遙感影像拼接策略....................................24
3.3本章小結....................................27
第4章快速拼接方法設計與實現.....................................29
4.1快速拼接處理方法.....................................30
4.2航帶內影像快速拼接.............................................31
4.2.1影像對應關系確定.......................................31
4.2.2提取拼接線............................................32
4.2.3坐標偏移量改正.................................33
4.2.4影像融合..............................35
4.3航帶間影像快速拼接......................................3
4.4本章小結......................................37

第5章實驗與分析

針對本文提出的影像快速拼接方法，選取一組平頂山地區(qū)航空影像數據進行試驗分析，對影像拼接的效率和拼接后影像的質量進行統(tǒng)計和對比，驗證該方法在災害應急中的實用性。  
本文實驗環(huán)境是MicrosoftWindows7professional64位操作系統(tǒng)，開發(fā)平臺是VisualC++2010。計算機處理器為Intel(R)Xeon(R)CPUW3550，主頻3.07Ghz，八核，內存8GB。  
本次實驗中，航攝相機選擇為SWDC,該相機為國產品牌，SWDC基于多臺非量測型相機，經過精密相機檢校和拼接，集成測量型GPS接收機、數字羅盤、航空攝影控制系統(tǒng)、地面后處理系統(tǒng)，經多相機高精度拼接生成虛擬影像，提供數字攝影測量數據源，是一種能夠滿足航空攝影規(guī)范要求的大面陣數字航空攝影儀。SWDC系列數字航空攝影儀具有高分辨率、高幾何精度、體積小、重量輕等特點，并且對天氣條件要求不高，能夠陰天云下攝影，具有飛行高度低、鏡頭視場角大、基高比大、高程測量精度高、真彩色、鏡頭可更換等優(yōu)勢。SWDC系列數字航空攝影儀作為空間信息獲取與更新的重要技術手段，填補了國內空白。該產品性價比高，高程精度指標達到同類產品的國際領先水平，整體技術指標達到國際先進水平，是目前國內首臺可用于中小比例尺地形圖測繪的“航空相機”，為國產化數字航空攝影與航空攝影測量為一體的整體解決方案奠定了基礎，對我國測繪生產具有重要意義。其參數如表5-1所示：

試驗數據為平頂山地區(qū)一組航空影像數據，影像由SWDC-4航攝儀獲取，焦距50.2mm，單張影像像素大小為10500×15000，影像原始像素分辯率為68mm，影像大小為450M。本次試驗所用影像為3個航帶內的30張相鄰影像，每個航帶內10張影像，影像航向重疊度65%，旁向重疊度40%，影像文件格式為TIFF。  
5.1影像拼接時間測試與分析影像拼接時間測試與分析實驗，主要利用平頂山航空影像數據，對本文提出的基于影像POS信息和特征點相結合的影像拼接方法進行測試。其中，分別統(tǒng)計0.1m、0.25m和0.5米影像分辨率情況下，完成航帶間和航帶內影像拼接所需時間。驗證其影像拼接效率，是否能夠滿足災害應急狀況下對時間的迫切需求。  
在進行拼接過程中，基于應急測繪的背景，拼接線采用較為簡單的平分線法，取影像重疊部分中線，影像融合過程中，為了減小計算量，提高拼接速度，在拼接線兩側1000像素范圍內影像進行融合，其余重疊區(qū)域直接用分塊方法直接進行填充。為了提高拼接效率，本文采取的策略為通過選取圖像窗口進行匹配的方法，減小了計算量，并舍棄了特征點誤匹配的過程，通過簡化拼接方法，實現效率上的改進，所短影像拼接時間，以便及時為災害應急提供災區(qū)整體影像數據。
.............................

第6章結論及展望

自然災害發(fā)生時，制定及時有效的救援措施有著重大的意義。本文針對災害應急背景下對影像拼接的特殊要求，提出了將基于POS數據與影像特征的影像拼接方法相結合的拼接策略，實現影像的快速拼接。本章將對全文所做研究工作進行總結，并對下一步的工作進行展望。  

6.1總結
本文主要研究應急條件下，對航空遙感影像的快速拼接策略。在深入學習影像拼接知識基礎后，針對災害應急的特點，探索影像快速拼接方法，具體研究內容如下：
（1）影像拼接方法研究。研究影像拼接的主要流程，各流程中所常用的方法和原理，并重點對影像匹配和融合方法進行研究，分析其中方法的特點和適用范圍。
（2）應急測繪對影像應用要求分析。針對應急測繪的特殊背景，分析應急狀態(tài)下，航空遙感影像數據的作用，以及在該背景下，對航空遙感影像拼接處理的效率和精度要求。
（3）應急航空遙感影像快速拼接方法設計與實現。通過研究和實驗，結合常規(guī)狀態(tài)下影像拼接的流程和方法，以及在應急狀態(tài)下的對影像拼接的特殊要求，設計了將影像POS數據與影像特征相結合的影像拼接方法，并加以實驗，驗證了其可行性。  
本文創(chuàng)新之處是：將影像POS數據與特征匹配相結合，使拼接過程中既充分利用的影像的坐標信息，又在特征匹配的基礎上，有效地解決了由于POS精度差導致的拼接后影像準確度差和信息缺失等問題，同時舍棄了基于特征匹配的影像拼接中的各個復雜環(huán)節(jié)，提高了影像拼接效率。
.............................
參考文獻（略）

本文編號：44627