低空视频影像自适应关键帧提取与快速拼接

无人飞行器超低空飞行，获取图像幅宽小，数量多，重复率高，为获取全测区的图像需要图像拼接。目前航空影像拼接广泛使用基于特征匹配的图像配准方法。特征匹配的计算量大，错误率高，影响了图像拼接的速度。针对上述问题提出了一种自适应关键帧的图像拼接方法。该方法根据基准影像和给定的重叠度自适应提取关键帧影像，使用正解和反解相结合的方法完成对关键帧影像的正射校正。通过坐标解算得到每个关键帧影像中需要参与拼接的部分，然后使用横向流型拼接方法将每个关键帧中参与拼接的部分拼接形成测区全图。实验结果表明本文方法在保证较高的拼接精度下可以实现航拍影像的快速实时拼接，很大程度上提高了图像拼接的效率。本文方法可以实现航拍影像快速拼接，满足现场数据检验以及其它快速应急响应的需求，在灾害应急保障与救援中有重要应用意义。

无人飞行器具有快速、灵活、低成本、高影像分辨率等特点，可以提供测区的第一手影像资料，有效弥补了遥感卫星的重访周期不足。因此，在灾害监测，资源勘察、紧急救援、国土安全评估、空间决策支持等应用领域具有广阔的潜在应用前景[1]。一般无人飞行器超低空飞行获取影像幅宽小，数量大， 分辨率高， 重叠度高。

无人飞行器易产生大倾角且倾斜无规律， 造成图像存在不规则重叠区、几何畸变。

这些因素对无人机图像的拼接效率及拼接效果有着严重的影响，使得无人机系统的实际应用受到很大制约[2]。为及时、准确地反映整个测区情况，需要将获得的影像现场快速拼接，形成测区全图。因此，快速拼接问题成为无人机遥感领域研究的重要内容之一[3] [4] [5] [6]。

根据影像配准的方法大致可将影像拼接技术分为三类：①基于影像灰度的方法：该类方法通过计算图像间重叠部分的灰度差SSD (Sum of Squared Difference)等相似度指标，优化模型参数，但由于计算出的参数对光照条件和旋转角度等比较敏感，所以对无人飞行器航拍影像并不适合[7]；②基于变换域的方法：该类方法首先利用傅立叶变换将影像由空域变换到频域，然后通过它们的相互功率直接计算得出两幅影像间的平移矢量，进而实现影像的配准[8]。③基于图像特征的方法：该类方法具有一定的尺度不变性，旋转不变性，对于光线、噪声、微视角改变具有鲁棒性，因此是航空影像拼接的主要方法。其重点在于特征因子的选取，但是这种方法计算量较大，耗时较长。

图像拼接方面的研究已较深入，2002 年刘金根等提出了一种基于特征区域分割的图像拼接算法[9]， 2004 年赵向阳等(文献4)提出了一种全自动稳健的图像拼接融合算法，2009 年王勇等(文献5)提出了一种感兴趣区域寻优搜索的全自动图像拼接算法。但是，他们拼接的图像非遥感影像，特别是在超低空无人飞行器获取的视频影像方面， 目前还没有较成熟的拼接技术。

尚明姝[10]采用Harris 提取角点， 利用最小中值法去除局外点，实现图像拼接。韩文超[11]利用SIFT 算子实现了无人机影像的自动拼接。由于基于特征匹配的图像配准方法要搜索和匹配特征点对， 计算量大， 耗时长很大程度上影响了图像拼接的效率，