无人机图像拼接算法综述

1、收稿日期:2010-05-19;修回日期:2010-08-06。 基金项目:国家自然科学基金资助项目(60841006;四川省科技支撑计划项目(2009GZ0157;2008SZ0147;商务部科技支撑项目(2008BADA0B06。作者简介:狄颖辰(1985-,男,甘肃兰州人,硕士研究生,主要研究方向:无人机图像拼接; 陈云坪(1974-,男,四川德阳人,讲师,博士,主要研究方向:遥感机理、无人机遥感应用; 陈莹莹(1986-,女,重庆人,硕士研究生,主要研究方向:基于开源软件的可信流通管理与决 策系统; 陈彦(1961-,女,黑龙江人,教授,博士,主要研究方向:遥感机理。文章编号:1001

2、-9081(201101-0170-05无人机图像拼接算法综述狄颖辰,陈云坪,陈莹莹,陈 彦(电子科技大学地表空间信息技术研究所,成都611731(dyc31535yahoo .cn 摘 要:无人机图像拼接是一个日益受到关注的研究领域,已经成为了照相绘图学、计算机图形学等研究的热点。首先给出了无人机图像拼接的一般步骤,重点归纳了三种特色鲜明的配准算法,然后简单阐述了图像融合的步骤和算法,最后通过归纳分析选定了适合无人机图像拼接的算法,并且展望了该领域的前景。关键词:无人机;图像拼接;尺度不变特征变换算法;图像融合中图分类号:T P391 文献标志码:ASurvey on image mosai

3、c algorith m of un manned aeri a l vehicleD I Y i n g chen ,C HEN Yun ping ,C HEN Y ing y i n g ,C HEN Yan(Institute of G eo Spa ti a l Informa ti on T ec hnology ,Un i v e rsit y of E lectronic S cie n c e and T ec hnology of Ch i na,Ch e ngdu S ichuan 611731,C hina Abstract :I m age m osa ic of U

4、n m anned A er i a l V ehicle (UAV is one of the inc reasi ng l y popu lar areas of research i nterests .It has become the hotspot of the research i nto pho to ca rt og raphy ,co m puter g raph ics ,etc .F irstly ,it gave the genera lsteps o f i m ag e m osa ics ,and emphazed three k i nds o f mosa

5、i c algorith m.Second l y ,it represented the steps and algor it h m of i m age f us i on .F i nall y ,it selects an algor it h m adapted to i m age mosaic after analysis and d iscussed t he future prospects of im age m osa i c o fUAV.K ey w ords :U n m anned A eria l V eh icle (UAV ;i m ag e m osa

6、i c ;Scale Invar i ant F eat ure T ransfor m (SIFT a l go rith m;im age f us i on 0 引言无人机(U n m anned A eria l V eh i c l e ,UAV 搭载的多模态CCD 相机对地观测可获得大量航空遥感图像,如果要便捷地实现航空遥感图像镶嵌,需要航空遥感图像拼接系统的支持1。因为无人机遥感平台获取图像时,受到无人机飞行高度和数码相机焦距的限制,单张图像很难完全包含感兴趣的区域。为了得到更多目标区域的信息,需要进一步扩大视场范围,可以通过将不同角度的成像进行平滑无缝的拼接融合,构造一幅全景图

7、达到扩展视场范围的目的。无人机图形拼接已经受到了国内外越来越多的关注,成为了图像处理的热点。在国外,尤其是发达国家,由于经济技术力量雄厚,使用的飞行平台是更大、更轻、更先进的无人机,配备完整的传感器系统、全球卫星定位系统(G l obal Pos i tion i ng Syste m,G PS和零售销售点终端(Po int O f Sa le ,PO S系统。在仪器设备和处理软件上更为先进和高度集成,已经出现了很多产品,且应用于民用和军用领域。在我国,由于技术发展相对落后,硬件比较滞后。在软件方面,积累基础条件较好,制订了成体系的生产规定和产品标准,但是图像处理软件的先进度和集成度不如国外,

8、需要推出成套的软硬件系统2。总体来说,无人机图像拼接的研究不够深入,尤其是在国内,成套的图像处理软件的研发比较落后。近年来,相对于无人机技术的快速发展,无人机的图像处理仍然落后,需要很长时间才能完成图像拼接以及信息提取3,无法发挥无人机的灵活、机动和快速到达危险区域等优点。1 无人机图像拼接流程无人机图像拼接主要有4个步骤:图像的几何校正、图像预处理、图像配准和图像融合4。由于无人机体积比较小,自稳定性和抗风能力差,虽然装有自动驾驶与增稳陀螺,但是在拍照的过程中不可避免地会出现倾斜、抖动,相机本身也存在镜头的几何畸变,所以首先要对无人机图像进行几何校正5。图像的几何校正就是要校正成像过程中所造

9、成的各种畸变,产生一幅符合某种地图投影或图形表达要求的新图像。图像预处理就是将变形的图像纠正并且统一到建立的坐标系中,以便可测量地物的坐标信息。图像的配准是指对图像间的匹配信息进行提取,在提取出的信息中寻找最佳的匹配,完成图像间的对齐。图像拼接的成功与否主要是看图像的配准。图像的融合是指在配准以后对图像进行缝合并平滑边界,让图像过渡自然。图像拼接的流程如图1所示。本文只重点介绍研究图像的配准以及简单的介绍图像的融合,对于几何校正和预处理暂不讨论。图1 图像拼接流程2 无人机图像配准算法目前图像配准算法主要集中在频率域和空间域讨论:频第31卷第1期2011年1月计算机应用Journal o f

10、Computer A pp licati onsV o.l 31N o .1Jan .2011率域一般是利用F our i e r 变换的相位相关性;空间域分为基于灰度的配准算法6和基于特征的配准算法。频率域的方法优点是使用了快速傅里叶变换(F ast Four i er T ransfo r m ,FFT ,但是对于尺寸缩放比较敏感。空间域的优点是对图像变形具有较好的鲁棒性,但是在图像之间寻找匹配的特征区域运算量比较大7。2.1 基于频率域的图像配准利用傅里叶变换将空域的图像信息变为频域的信息,然后通过功率谱来计算两幅图像间的平移、旋转及缩放,从而实现两幅图像拼接8待拼接的图像是g 1和g

11、2经过平移(x 0和y 0是两幅图像在X 轴和Y 轴的平移量、旋转 0和一致的尺度缩放(即各个方向的尺度变换因子相等 变换后的图像,即:g 1(x,y =g 2 (x cos 0+y si n 0-x 0,(-x s i n 0+y cos 0-y 0(1根据F our i er 变换的平移性质,两幅图像的F ou rier M e lli n 域是不变的,但是能看到旋转与比例的变化。因此将图像转换到极坐标( , ,可将旋转与尺度因子分解。旋转角度被映射到圆周位移 轴上,尺度因子被映射到 轴上,其极坐标下的傅里叶幅度谱为10:M 1( , =M 2( / , - 0(2 轴的对数变换(以自然对

12、数e 为底将进一步将尺度因子转为平移变换:令 =l n , =ln ,得:M 1( , =M 2( - , - 0(3这里将极坐标变换后的对数变换成为对数极坐标变换,也称为Four i er M e lli n 变换11。通过式(4可知道,在原始图像中的均一比例变换会在F our i er M e lli n 中产生 轴的平移,而在原始图像中的旋转变换会在F our i e r M e lli n 中产生 轴的平移。利用F our i e r 变换位移理论很容易得出 0,根据Fourier M e llin 变换位移理论可以求出 0和 ,且 =l n 。根据得出的 和 0对图像g 1(x,y

13、进行反变换得到图像g 1 (x,y ,然后通过F our i e r M e lli n 变换位移理论计算出g 1(x,y 和g 2(x,y 之间的平移量x 0和y 0,并完成图像拼接。图2为拼接 算法流程。图2 Fouri er M elli n 拼接算法流程Fourier M e lli n 算法是一种非线性、基于功率谱的频域相关算法,以其对图像内容的依赖少、具有一定的抗干扰能力获得广泛关注12。但是这种方法有其局限性,就是对小角度和小缩放因子的图像检测不敏感。改进的F ourier M elli n 算法用一点一线法13求出其小角度旋转因子和尺寸变化的因子,然后对其中一幅图进行反变换后再

14、用Four i er M e lli n 变换求出平移量,从而实现图像拼接。一点一线小角度检测精度高,可以有效弥补相位相关法的不足,提高图像拼接精度14。2.2 基于空间域的图像配准基于空间域的拼接算法主要分为基于灰度和基于特征的图像配准算法。基于灰度相关的配准是从待配准图像的灰度值出发,计算待配准图像中与参考图像中的相同尺寸灰度的差异15,判断待拼接图像重叠区域的相似程度,由此得到待拼接图像重叠区域的范围和位置16,从而实现图像拼接。基于特征相关的配准分为两个过程:特征提取和特征匹配,主要是利用一些图像中明显的特征信息,比如边缘、角点、颜色17等,采用不同的方法对特征点进行提取,对特征点之间

15、进行匹配。基于特征相关的配准算法有四个主要步骤:特征提取、特征匹配、变换模型的估计和图像的插值与变换18。本文采用尺度不变特征变换(Sca l e Inv ariant Feature T ransfor m,S I FT 算法。尺度不变特征变换算法配准主要分为5步。步骤1 尺度空间的生成与极值检测。由影像与高斯卷积得到尺度空间并且找出高斯差值(D ifference O f G aussian ,DOG 后进行极值检测,初步确定特征点的位置和尺度19。尺度空间是由影像和高斯卷积得到:L (x,y, =G (x,y, *I (x,y (4其中:G 是尺度可变高斯函数:G (x,y, =12 2

16、e -(x 2+y 2/2 2;L 表示尺度空间;(x,y 表示图像I 上的点; 是尺度空间因子,其值越小则表征图像被平滑得越少,相应的尺度也就越小。选择合适的尺度因子平滑是建立尺度空间的关键20。为了提高在尺度空间检测稳定特征点的效率,Low e 提出了利用DOG 方程同图像的卷积求取尺度空间极值,用D (x,y, 表示,即用固定的系数k 相乘的相邻的两个尺度的差值计算:D (x,y, =G (x,y,k -G (x,y, *I (x,y = L (x,y,k -L (x,y, (5其中k 是常数,一般取2。对DOG 尺度空间每个点与相邻尺度和相邻位置的点逐个进行比较,得到的局部极值位置即为

17、特征点所处的位置和对应的尺度21。步骤2 将特征点位置最佳化22,首先就是要删除低对比点。使用:D (X =D +D T X X +12X T 2Dx 2X (6其中:X =(x,y, 为候选特征点,D 为DOG 后的结果,D T 为矩阵的转置。根据泰勒展开式求出一个偏移量:X =- 2D -1 X 2 DX,把这个值作为实际区域极值的位置,将此偏移量代入泰勒展开式,若求出的值绝对值后小于一个设定值,则将其删除23。接着,因为DOG 算子会产生较强的边缘响应,用式(7判断特征点是否是边缘点:T r (H 2D e t (H <(r +12r(7其中:H 为候选特征点位置的海森矩阵,T r

18、 为海森矩阵的迹,171第1期狄颖辰等:无人机图像拼接算法综述D et 为矩阵的行列式的值,r 为一个阈值(一般取r =10。当式(7不成立时,特征点是边缘点,应该删除。步骤3 计算特征点的方向性,利用特征点邻域像素的梯度方向分布特性为每个特征点指定方向参数,使算子具备旋转不变性。(x,y 处的梯度值和方向分别为:m (x,y =L (x +1,y -L (x -1,y 2+L (x,y +1-L (x,y -121/2(8 (x,y =tan -1L (x,y +1-L (x,y -1/L (x +1,y -L (x -1,y (9一个特征点可能会被指定具有多个方向,这可以增强匹配的鲁棒性。

19、步骤4 特征点描述,一个特征点可以产生4 4 8=128个数据,形成128维的SIFT 特征向量,即为特征描述符。步骤5 特征匹配,以两个特征点描述符之间的欧氏距离作为特征点匹配的相似度准则。设特征点p 和q 的特征描述符分别为D es p 和D es q ,则欧氏距离为:d =i=0, ,127D es p (i-D es q (i2(10特征点和最近的两个特征点的欧氏距离的比值为r,如果比值小于预设定的阈值(一般选取r =0.8,则视为匹配成功。SIFT 特征对于旋转和尺度均具有不变性,并且对于噪声、视角变化和光照变化等具有良好的鲁棒性24。2.3 结合频率域和空间域的配准算法将频率域和空

20、间域的两种方法结合,通过频率域获得全局信息,指导空间域中的局部匹配,减少了无效的搜索,也减少了局部独立运动导致的错配。本文采用无人机图像全自动稳健配准算法。该算法的根本思想是对两幅图像的特征点匹配从粗到细的一种非常稳健的选择策略层层过滤,保证以提纯后准确的特征点数据来做点变换估计,这样就对自动的特征点提取和匹配的准确性放松了限制条件,把核心的任务移交给了特征点的过滤策略和点变换的估计算法25。步骤1 利用相位相关法得到重叠区域。相位相关法是一种基于傅里叶功率谱的频率相关技术26,该方法利用了互功率谱的相位信息进行配准。假设图像f 1和图像f 2的变换模型是平移运动模型:f 2(x,y =f 1

21、(x -x 0,y -y 0(11将式(1进行傅里叶变换再将功率谱进行傅里叶反变换得到:(x -x 0,y -y 0=F -1e -j 2 (ux 0+vy 0(12寻找式(2中冲激函数的峰值位置即可确定图像f 1和f 2之间的平移运动参数。相位相关法使用FFT 实现,速度很快,虽然估算的平移参数不是很精确,但足以为角点匹配过程提供一个初始搜索范围。步骤2 在已经确定的重叠区域内进行特征角点提取。该算法是用H arr i s 算子27来判定点是否是特征点。角点检测公式:E (u,v (x,y =x,yw (x,y I (x +u,y +v -I (x,y 2(13E 的含义是在点(x,y 处移

22、动一个(u,v小窗口所发生的亮度变化值。w (x,y 是高斯平滑因子。将式(3进行泰勒级数展开并且忽略高阶得到矩阵M ,再将它相似对角化得到28:M R -11002R (14式中, 1和 2是四元矩阵M 的特征值。每个像素对应着一个这样的四元矩阵。把R 看成旋转因子,这样就可以仅由特征值来分析亮度的变化量:当二者都较小时,定义为平坦区域;当二者值有一个较大、而另一个较小时,定义为边缘;当二者都较大时,定义为角点。用公式表示:Cornerness =D e t M -k (T r M 2(15其中:D et M = 1 2,T r M = 1+ 2。D et 和T r 分别表示求行列式的和与迹

23、。系数k 一般取0.040.2。当Cornerness 大于一个阈值thresho l d 且在某个领域内取得局部极值时,则标记该点为候选角点。H arris 算子在存在图像旋转、灰度变化、噪声影响和视点变化时是一种较稳定的特征点的提取算法。但是它对尺度变化非常敏感,当遇到尺度变换比较大的两幅图像时有一半的特征点检测不到。步骤3 图像间点变换的自动稳健估计。1变换估计与配准误差计算,利用平面透视变换矩阵的平均几何配准误差来衡量配准算法精度,初步去除误匹配点。给定图像f 1(x,y 和f 2(x,y 及n 组候选初始匹配点:(x t ,y t (x t ,y t ,根据单应性矩阵公式x 2=H

24、x 1,其中H 是一个3 3的满秩矩阵,称为平面透视变换矩阵,又称单应性矩阵。对每一匹配点产生两个方程:x t (h 31x t +h 32y t +h 33=h 11x t +h 12y t +h 13(16y t (h 31x t +h 32y t +h 33=h 21x t +h 22y t +h 23(17一共有8个未知数(H 矩阵有9个未知数,利用h 33归一化,因此H 仅有8个独立无关的未知数29,理论上只要代入4对不共线的匹配点,就可以得到H 的8个参数,但是考虑到噪声、误匹配的因素,需要代入10对以上的匹配点坐标,然后利用最小二乘法求解。H 的平均几何配准误差是衡量配准算法精度

25、的重要指标:S n =12ni=1,2, ,nD d ist (x i ,H x i +D dist (x i ,H -1x i (18D d ist 表示两点之间的距离,误差的单位是像素。一般地,设特征点提取误差符合高斯分布,只要设定一个阈值,就可以初步去除误差匹配点。2用鲁棒变换估计(RAN S AC 算法来提纯匹配点30。它的基本思想是进行参数估计时,不是不加区分地对待所有可用的输入数据,而是首先针对具体问题设计出一个目标函数,然后迭代地估计该函数的参考值,利用这些初始参数值把多有的数据分为所谓的 内点 (即满足估计参数的点和 外点 (即不满足估计参数的点。最后反过来用所有的 内点 重新

26、计算和估计函数的参数。RANSAC 方法和传统方法的区别在于传统的方法把全部的数据点作为内点和外点;而RAN SAC 最开始是利用一部分数据作为内点得到初始值,然后寻找数据集中所有别的内点。使用RANSAC 估计方法,可以最大限度地减少噪声及外点的影响。这样就得到了精确的匹配点从而使图像得到配准。整个算法无论是对数据本身还是图像的外部复杂重复纹理特征等干扰都有很强的容错能力,是一种稳健有效的实用算法。3 图像融合得到图像间的最优变换矩阵即图像配准后,需要进行图172 计算机应用第31卷像融合将两幅待拼接图像合并为一幅图像。但是拍摄时由于照度不均匀而引起的两幅图像重叠区有较大的亮度不一致或由于镜

27、头畸变引起的图像几何形变时,拼接后的图像会有明显的拼接接缝。为达到视觉一致性,我们需要消除此接缝,所以要进行图像融合。3.1 图像融合规则图像的融合规则是图像融合的核心,图像融合进行规则的好坏直接影响融合图像的速度和质量。这其中有:基于像素选取的融合规则、考虑分解层内图像及分解层间相关性的像素选取融合规则等。3.2 图像的融合算法图像融合的算法有很多,最简单的有光强平均融合、加权平均融合、中值滤波法、采样权重函数法,复杂的有图像V o rono i权重法、高斯样条插值法、基于欧氏距离的有效权重法等。加权平均法是一种最简单的图像融合算法31。这种方法使用一个 帽函数 来加权平均到每个重叠帧的对应

28、像素上,该函数在图像边缘处权重较低,而在中心处权重较高。加权平均法直观简洁,速度较快,是比较常用的一种融合算法。将两幅图像对应像素点乘以一个加权系数后再相加得到融合的图像32。设图像I1(i,j的加权系数为 ,则融合图像可表示为:I(i,j= I1(i,j+(1- I2(i,j(19其中:加权系数 满足0 1。若 =0.5,则相当于两幅图像取平均值;若 取为渐变系数,即在不同的坐标点它的取值也不同;当 由1慢慢变化为0时,图像从I1(i,j慢慢过渡到I2(i,j。这样就实现了图像间的平滑过渡,从而消除了拼接的痕迹。假设图像I1和I2需要融合的区域在x轴方向上的最大值、最小值分别为xm ax 和

29、xm in,则融合后的图像I在重叠区域的颜色值为:I= I1(x,y+(1- I2(x,y(20其中 =(xma x -x/(xmax-xm i n。在双线性插值法中,新创造的像素值是由原图像附近的(2x-2个邻近像素值通过加权平均计算得出的,这种平均算法具有防锯齿效果,创造出来的图像拥有平滑的边缘,锯齿感难以觉察33。此外,还有很多的融合算法,比如:小波变换融合法、高通滤波融合法等,根据对拼接图像质量和时间的要求选用合适的算法。3.3 图像的融合步骤图像的融合方法有很多种,但是主要的步骤都差不多,现在归纳如下。步骤1 预处理对获取的两种图像数据进行去噪声、信号增强等处理,统一数据格式、图像大

30、小和分辨率。对序列断层图像作三维重建和显示,根据目标特点建立数学模型。步骤2 分割目标和选择配准特征点,在二维或者三维情况下,对目标或兴趣区进行分割。选取的特点应该是同一物理标记在两个图像上的对应点,该物理标记可以是人工标记,也可以是人体解剖特征点。步骤3 利用特征点进行图像配准,可视做两个数据集间的线性或非线性变换,使变换后的两个数据集的误差达到某种准则的最小值。步骤4 融合图像创建,配准后的两种模式的图像在同一坐标系下将各自的有用的信息融合表达成二维或三维图像。步骤5 参数提取,从融合图像中提取和测量特征参数,定性、定量分析。4 结语无人机图像具有数据量大、重叠度高等特点,这就需要我们重点

31、关注拼接算法的运算速度和自动化程度。基于频率域的图像配准算法如Fourier M e llin算法可以很好地解决平移、旋转和缩放的问题,但是对于图像的尺度和重合度要求较高,所以不是很适合无人机图像拼接。基于空间域的配准算法如SIFT算法,该方法拼接后图像的质量较高、鲁棒性较好,但是算法非常复杂,拼接耗时很多,也不适合无人机图像的拼接。文献34提出的简化的SIFT描述符可以提高图像配准的速度。结合了基于频率域和空间域的算法如无人机图像全自动稳健拼接算法很好地减少了无效搜索,提高了拼接速度,同时去除了误匹配,使拼接的精度得到保证,是一种实用的无人机图像拼接算法。参考文献:1 金川,李杰,秦其明.航

32、空遥感图像镶嵌系统设计与实现C/第十五届全国遥感技术学术交流会.贵阳:出版者不详,2005:73.2 HEUNG YEUNG S,R I CHARD S.Syste m s and experi m en t pap erJ.In ternati onal J ournal of Co m puter V isi on,2000,36(2:101-130.3 解凯,郭恒业,张田文.图像M os a i cs技术综述J.电子学报,2004,32(4:630-634.4 李强,张钹.一种基于图像灰度的快速匹配算法J.软件学报,2006,17(2:216-222.5 谢利理,李玉忍,齐蓉.航空照片数

33、字地图的几何校正J.西北工业大学学报,2001,19(4:617-620.6 王斌,王伟锋.一种基于局部灰度匹配的无人机图像拼接算法J.中国石油大学学报:自然科学版,2009,33(2:169-173. 7 徐海黎,花国然,庄健,等.采用小世界免疫克隆算子的频率域图像配准J.西安交通大学学报,2009,43(6:38-42.8 LUCA L,S I M ONE L,G U IDO M.E sti m ati on of t w o d i m ens i onal affi ne transfor mati on s through pol ar cu rve m atching and it

34、s appli cati onto i m agem osai ck i ng and re m ote sens i ng dat a registrati onJ.I EEETransactions on I m ages Processi ng,2006,15(10:3008-3019. 9 庞景,杨任农,翟旭升.基于LOD模型的多幅图像旋转拼接算法J.微计算机信息,2009,25(13:282-284.10 KELLER Y,AVERBUCH A,ISRAEL IM.Pseudopolar based estim ation of l arge translati ons,rot at

35、i on s,and scali ngs i n i m agesJ.I EEE T ransacti on s on I mages Process i ng,2005,14(11:12-22.11 J I AO S H,R GOUTTE.Invari an t descri ptor of Fourier M elli n f ori ndex i ng by conten ts a databas e of three d i m ens i onal i m agesC/Proceed i ngs of the6t h I n tern ati on alC on f eren ce

36、on S ignal Processi ng.Ne w York:IEEE,2002:858-860.12 郭晓新,许志闻,卢奕南,等.基于Fou ri er_M ellin不变量的图像配准方法J.仪器仪表学报,2004,25(4:421-424.13 牛小兵,林玉池,赵美蓉,等.基于特征的二维图像拼接法测量几何量J.天津大学学报,2001,34(3:396-399.14 张显伟,李晓峰,李为民.一种改进的Fou ri er M elli n变换的图像拼接技术J.现代制造工程,2001,(4:12-15.15 YANG GUO SHENG,Z HANG HUAN LONG,YANG YU LI

37、 N.173第1期狄颖辰等:无人机图像拼接算法综述Study of i m age m os a i c based on t he m et hod of fi n ite d ifferenceC/2008Congress on I mage and S i gnal Processi ng.Ne w York:IEEE,2008:436-440.16 刘明奇,倪国强,陈小梅.基于信息熵和灰度相关的图像拼接算法J.光学技术,2007,33(S1:253-254.17 ZHANG NI NG,WU X I AOLI N.Lossles s comp ress i on of co l or

38、mosai c i m agesJ.I EEE T ransacti on s on I m ages Processi ng,2006,15(6:1379-1388.18 L I HU I,M ANJ UNATH B S,M ITRA S K.A contou r b ased approach to m u l ti sen s or i m age registrationJ.IEEE Transacti ons onI m ages Processing,1995,4(3:320-334.19 LONG YANG Z HAN,LONG GUO BAO.I m age m osai c

39、b ased onsiftC/Internati onal Con ference on Intelli gen t In for m ation H i di ng and M u lti m ed i a S i gnalProcessi ng.New York:IEEE,2008:1422-1425.20 李铁军,陈哲,王任享.基于尺度不变特征变换的图像快速拼接算法J.微计算机信息,2008,24(12:282-283.21 邱建国,张建国,李凯.基于H arri s与S ift算法的图像匹配方法J.测试技术学报,2009,23(3:271-274.22 柯涛,张永军.SIFT特征算子在

40、低空遥感影像全自动匹配中的应用J.测绘科学,2009,34(4:23-26.23 L I YAO.I m agem osai c based on S IF T and def or m ati on propagati onC/In t ernational Sy m posi um on Kn o w ledge Acqu i s iti on andM od eli ng.New York:I EEE,2008:848-851.24 李云霞,曾毅,钟瑞艳,等.基于S I FT特征匹配的图像拼接算法J.计算机技术与发展,2009,19(1:43-45.25 黄英东,李杰,范宁军.微小型飞行

41、器航空图像拼接算法J.光学工程,2008,35(9:99-104.26 REDDY B S,CHATTERJI B N.A FFT based techn iqu e f or transl ation,rot ati on,and scale i nvariant i m age reg i strati onJ.IEEET ransacti on s on I m ages Process i ng,1996,5(8:1266-1271. 27 ZUL I AN I M,KENNEY C,M AN J UNATH B S.A m at he m aticalco m paris on of

42、 poi n t detect orsC/P roceed i ngs of the2004I EEECo m puter S ociety C on f eren ce on Co m puterV is i on and Patt ern Recogn i ti on W ork s hop s.W as h i ngton,DC:I EEE C o m puter Society,2004:1063-1070.28 PIZ ARRO O,S I NG H H.To w ard large area m osaici ng f or und er w ater sci en ti fi c

43、 app licationsJ.I EEE Journal of Ocean i c E ngi neerri ng,2003,28(4:651-672.29 王金泉,李钦富.基于单应性矩阵的SAR图像配准技术研究J.中国电子科学研究院学报,2008,3(6:657-660.30 FANG X I ANYONG,Z HANG M I NGM I N,P AN ZH I GENG,et a l.A n e w m ethod of m an if o l d mosaic for large d is p l ace m en t i m agesJ.Jou rnal of C o m pu t

44、er Science and T echnol ogy,2006,21(2:218-223.31 李勤,俞信.适合于生物图像的图像融合算法研究J.光学学报,2000,20(4:494-500.32 王娟,师军,吴宪祥.图像拼接技术综述J.计算机应用研究,2008,25(7:1940-1943.33 M ATTHEN B,LO W E D G.Auto m atic panora m i c i m ageJ.In ternati onal Journal ofC o m pu ter V ision,2007,74(1:59-73.34 TUO HONGYA,JI NG ZHONGL I AN

45、G,ZHANG TI NGHOU.A erialsequence i m age m os a i c u si ng redu ced sift des cri p t orsC/Auto m ati c TargetRecogn iti on and I m ageAn al ysis and M ulti spectral I mage Acqu i s iti on.W uhan:B elli ngh a m,2007:6786-6794.35 HAN XI AO W E I,YAN LE I,Z HAO HONGY I NG.An approach offast i m agem os a i c based on b i nary reg i on s egm entationC/27t hInternationalC ongress on H i gh s peed Ph