一种基于航拍高光谱影像的快速拼接方法

技术领域

本发明属于人工智能技术领域，具体涉及一种基于航拍高光谱影像的快速拼接方法。

背景技术

高光谱图像具有较高的光谱分辨率和空间信息，使其在航空，农业，军工等领域广泛应用。成像光谱仪通过搭载不同的空间平台来获取高光谱图像，但受限于高光谱设备视场角范围小，需要对高光谱影像进行拼接以获取更大场景的信息。为此需要开展高光谱图像拼接的研究，现有图像拼接的流程有以下2步：

1、图像配准

图像配准是图像拼接过程中的核心，其原理是通过计算得到重叠区域，然后利用平移、旋转、缩放、投影等手段使图像的重叠区域在空间上进行对齐。基于搜索特征区域得出重叠区域的方法有MAD、SSD、NCC等。基于特征点匹配得出重叠区域的方法有Harris角动量检测法、SIFT、SURF等。

2、图像融合

由于获取的影像亮度存在差异，直接将其融合，在拼接区域会呈现不协调，为此需要图像融合予以处理，现有的算法可划分为像素级别和特征区域级别。基于像素级别的图像融合的方法有对像素灰度进行加权平均和直接平均。基于特征区域级别的图像融合的方法有缩小重叠区域、傅里叶变换域值法、小波变换域值法和曲线变换域值法等。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：针对现在的方法无法对高光谱图像进行拼接的问题，本发明提供一种基于航拍高光谱影像的快速拼接方法，实现对机载光谱仪所采集的高光谱图像的拼接，面对各种真实场景能够发挥高光谱图像的优势。

(二)技术方案

为解决上述技术问题，本发明提供一种基于航拍高光谱影像的快速拼接方法，所述方法包括：

步骤1：图像预处理步骤；

步骤2：波段选取步骤；

步骤3：伪彩色图像拼接步骤；

步骤4：高光谱图像拼接步骤。

其中，所述步骤1中，针对机载光谱仪现场采集的高光谱图像；由于采集的高光谱图像有大气、光强和地物反射的干扰因素，因此，对其进行大气校正和相对辐射校正，消除大气层和环境差异带来的影响。

其中，所述步骤1中，航拍的高光谱图像会受到大气分子和地物反射的干扰，会对后续的拼接工作产生影响；由此，采用快速大气校正处理大气分子和地物反射的干扰；根据机载光谱仪传感器的线性关系得出接受到的总辐射值L；

L＝iDN+w (1)

其中，i是增益系数，DN是输出亮度值，w是漂移系数；由朗伯面模型公式可知大气辐射值L

其中，A是大气透射率，B是模拟大气系数，e是平衡散射系数，P是物体反射率，S是大气反射率；通过PSF函数校正大气辐射值L

X＝Fy (5)

其中，X是大气校正后的高光谱图像，y是原始高光谱图像，利用总辐射值L和大气校正后的辐射值L

其中，所述步骤1中，为解决拍摄时不同的环境差异对高光谱图像的影响，通过现场采集的白板数据进行相对辐射校正；

Y＝kX (6)

其中Y是相对辐射校正后的高光谱图像，k是增益，X是大气校正后的高光谱图像；b

通过大气校正和相对辐射校正消除不同时间采集的样本图像存在的干扰和差异。

其中，所述步骤2中，进行波段选取；

针对目前无法拼接高光谱图像的问题，本步骤2提出，从高光谱图像中提取波段组成伪彩色图像进行拼接，然后将剩余波段按照其过程进行逐一拼接；

通过计算不同波段相互组合的相对熵，来确定组合后波段之间的相似性，选择出相似性最低代表性较强的3个波段；

其中，Y

由公式(8)可知，若两个波段信息相同时，此时的相对熵为0；若两个波段信息差异较大时，此时的相对熵较大；可说明相对熵越大，所含信息之间差异越大，更具代表性；则通过相对熵的计算，选取相对熵之和最大的3个波段组成的伪彩色图像最具代表性且图像信息最丰富；

通过计算预处理后的高光谱图像的相对熵，选取其中3个波段组成伪彩色图像；随着相对熵的增加，图像信息更加丰富、更有代表性。

其中，所述步骤3中，进行伪彩色图像拼接；

将选择好的波段组成伪彩色图像，基于先验知识确定重叠区域，采用SIFT算法对重叠区域进行伪彩色图像配准，再基于傅里叶变换域值法进行伪彩色图像融合；

将已知的机载相机拍摄的位置信息作为先验知识，能够快速得出重叠区域；通过高光谱相机的内部参数可获得拍摄区域的相关信息；

其中，θ是相机拍摄时的对角，H是相机拍摄时相对于地面的高度，f是相机的分辨率，a是拍摄区域的长，b是拍摄区域的宽；

通过机载相机拍摄时的位置信息和求出的图像信息可确定出重叠区域C的位置信息；根据图像A的拍摄中心(x

其中C

其中，所述步骤3中，利用SIFT算法对确定的重叠区域进行图像配准，首先对确定的区域做高斯卷积，选取出变化率相近的像素点，作为配准的关键点；

其中x，y是像素点的坐标；m，n是高斯变化后像素点的坐标；b是尺寸变化的倍数，默认每次变为原本尺寸的1.6倍；G是高斯卷积；

根据提前明确的机载方向，对选取出的关键点沿机载角度进行配准。

其中，所述步骤3中，配准后对配准区域做傅里叶变换域值完成图像融合；

F(u,v)＝∫∫f(x,y)e

其中f(x,y)是原图像，F(u,v)是傅里叶变化后的图像，iw是频率变量；通过傅里叶变化可过滤掉低频和高频分量，仅保留中间的频率分量，即过滤掉图像中颜色差异过大的像素点；然后通过逆变化将处理后的傅里叶图像还原，就完成了伪彩色图像拼接。

其中，所述步骤4中，进行高光谱图像拼接：根据伪彩色图像拼接，将剩余所有波段按照其过程进行逐一拼接。

(三)有益效果

与现有技术相比较，本发明技术方案具备如下优点：

(1)本发明技术方案明确了机载方向和重叠区域，可将其作为先验知识，减少了拼接时间和计算量

(2)本发明技术方案从高光谱图像中抽取3个信息最大的波段形成伪彩色图像，先将这3个波段拼接好，其余波段按照其进行拼接。保证了拼接的质量，避免了维度灾难，节省了时间与计算成本。

附图说明

图1为高光谱图像示意图。

图2为整体流程图。

图3为预处理流程图。

图4为预处理可视化示意图。

图5为伪彩色图像示意图。

图6为伪彩色图像拼接流程图。

图7为重叠区域示意图。

图8为区域图像配准示意图。

图9为伪彩色图像拼接示意图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

针对现在的方法无法对高光谱图像进行拼接，本发明申请人受普通图像(RGB，灰度图像)的拼接的启发，提供一种基于航拍高光谱影像的快速拼接方法，针对机载光谱仪所采集的如图1所示的高光谱图像，实现对其的拼接，面对各种真实场景能够发挥高光谱图像的优势。

为解决上述技术问题，本发明提供一种基于航拍高光谱影像的快速拼接方法，如图2所示，所述方法包括：

步骤1：图像预处理步骤；

步骤2：波段选取步骤；

步骤3：伪彩色图像拼接步骤；

步骤4：高光谱图像拼接步骤。

其中，如3图所示，所述步骤1中，针对机载光谱仪现场采集的高光谱图像；由于采集的高光谱图像有大气、光强和地物反射的干扰因素，因此，对其进行大气校正和相对辐射校正，消除大气层和环境差异带来的影响。

其中，所述步骤1中，航拍的高光谱图像会受到大气分子和地物反射的干扰，会对后续的拼接工作产生影响；由此，采用快速大气校正(FLAASH)处理大气分子和地物反射的干扰；根据机载光谱仪传感器的线性关系得出接受到的总辐射值L；

L＝iDN+w (1)

其中，i是增益系数，DN是输出亮度值，w是漂移系数；由朗伯面模型公式可知大气辐射值L

其中，A是大气透射率，B是模拟大气系数，e是平衡散射系数，P是物体反射率，S是大气反射率；通过PSF函数校正大气辐射值L

X＝Fy (5)

其中，X是大气校正后的高光谱图像，y是原始高光谱图像，利用总辐射值L和大气校正后的辐射值L

其中，所述步骤1中，为解决拍摄时不同的环境差异对高光谱图像的影响，通过现场采集的白板数据进行相对辐射校正；

Y＝kX (6)

其中Y是相对辐射校正后的高光谱图像，k是增益，X是大气校正后的高光谱图像；b

通过大气校正和相对辐射校正消除不同时间采集的样本图像存在的干扰和差异。如图4所示，确保待拼接的高光谱图像在光谱维度上相对应。

其中，所述步骤2中，进行波段选取；

针对目前无法拼接高光谱图像的问题，本步骤2提出，从高光谱图像中提取波段组成伪彩色图像进行拼接，然后将剩余波段按照其过程进行逐一拼接；

通过计算不同波段相互组合的相对熵(Kullback-Leibler divergence，KL)，来确定组合后波段之间的相似性，选择出相似性最低代表性较强的3个波段；

其中，Y

由公式(8)可知，若两个波段信息相同时，此时的相对熵为0；若两个波段信息差异较大时，此时的相对熵较大；可说明相对熵越大，所含信息之间差异越大，更具代表性；则通过相对熵的计算，选取相对熵之和最大的3个波段组成的伪彩色图像最具代表性且图像信息最丰富；

通过计算预处理后的高光谱图像的相对熵，选取其中3个波段组成伪彩色图像；选取不同波段组成伪彩色图像的效果如图5所示，图5左图为相对熵最小时组成的伪彩色图像。图5中图为相对熵中间值时组成的伪彩色图像。图5右图为相对熵最大时组成的伪彩色图像。可以看出随着相对熵的增加，图像信息更加丰富、更有代表性。

其中，所述步骤3中，进行伪彩色图像拼接；

将选择好的波段组成伪彩色图像，基于先验知识确定重叠区域，采用SIFT算法对重叠区域进行伪彩色图像配准，再基于傅里叶变换域值法进行伪彩色图像融合，具体技术方案如图6所示；

将已知的机载相机拍摄的位置信息作为先验知识，能够快速得出重叠区域；通过高光谱相机的内部参数可获得拍摄区域的相关信息；

其中，θ是相机拍摄时的对角，H是相机拍摄时相对于地面的高度，f是相机的分辨率，a是拍摄区域的长，b是拍摄区域的宽；

通过机载相机拍摄时的位置信息和求出的图像信息可确定出重叠区域C的位置信息；如图7所示，根据图像A的拍摄中心(x

其中C

其中，所述步骤3中，利用SIFT算法对确定的重叠区域进行图像配准，首先对确定的区域做高斯卷积，选取出变化率相近的像素点，作为配准的关键点；

其中x，y是像素点的坐标；m，n是高斯变化后像素点的坐标；b是尺寸变化的倍数，默认每次变为原本尺寸的1.6倍；G是高斯卷积；

根据提前明确的机载方向，如图8所示，对选取出的关键点沿机载角度进行配准。

其中，所述步骤3中，配准后对配准区域做傅里叶变换域值完成图像融合；

F(u,v)＝∫∫f(x,y)e

其中f(x,y)是原图像，F(u,v)是傅里叶变化后的图像，iw是频率变量；通过傅里叶变化可过滤掉低频和高频分量，仅保留中间的频率分量，即过滤掉图像中颜色差异过大的像素点；然后通过逆变化将处理后的傅里叶图像还原，如图9所示，就完成了伪彩色图像拼接。

其中，所述步骤4中，进行高光谱图像拼接：根据伪彩色图像拼接，将剩余所有波段按照其过程进行逐一拼接。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。