無(wú)人機(jī)高光譜內(nèi)置推掃影像快速拼接方法     

 高光譜遙感具有光譜分辨率高、波段范圍窄、圖譜合一、連續(xù)成像等特點(diǎn)，能夠區(qū)分出地物光譜的細(xì)微差別，探測(cè)到其他寬波段遙感無(wú)法探測(cè)的信息。因此，高光譜遙感在生態(tài)、大氣、海洋、農(nóng)業(yè)、林業(yè)、礦業(yè)等諸多應(yīng)用領(lǐng)域具有非常大的優(yōu)勢(shì)。近年來(lái)隨著成像光譜儀硬件技術(shù)不斷發(fā)展，成像光譜儀的體積越來(lái)越小、重量越來(lái)越輕、成本越來(lái)越低，因而利用成像光譜儀獲取高光譜影像更為方便、快捷。隨著無(wú)人機(jī)技術(shù)的日益成熟，基于無(wú)人機(jī)平臺(tái)的新型遙感技術(shù)異軍突起，得到科研工作者的青睞，從而將成像光譜儀與無(wú)人機(jī)高度集成獲取地物無(wú)人機(jī)成像高光譜影像成為新的研究熱點(diǎn)。

       然而由于無(wú)人機(jī)航拍受飛行高度，相機(jī)本身參數(shù)的影響，單張無(wú)人機(jī)影像所覆蓋的區(qū)域面積不大，需要對(duì)多張影像進(jìn)行拼接，才能有效地覆蓋研究區(qū)域。無(wú)人機(jī)載高光譜影像圖幅較小，為每幅影像單獨(dú)添加控制點(diǎn)信息工作量大、耗時(shí)長(zhǎng)，而對(duì)影像統(tǒng)一添加控制點(diǎn)信息將大大縮短工作時(shí)間，提高工作效率。近年來(lái)，學(xué)者們對(duì)無(wú)人機(jī)影像數(shù)據(jù)的拼接做了很多研究，主要方法有基于姿態(tài)參數(shù)（POS數(shù)據(jù)）的拼接、基于非特征的拼接和基于特征的拼接等，其中無(wú)人機(jī)影像的拼接大部分是針對(duì)RGB圖像或者多波段圖像，而針對(duì)無(wú)人機(jī)高光譜影像的拼接方法較少，特別是對(duì)于無(wú)人機(jī)高光譜內(nèi)置推掃獲取的高光譜影像數(shù)據(jù)，目前還沒(méi)有研究者對(duì)其拼接方法進(jìn)行研究。

       鑒于目前對(duì)無(wú)人機(jī)高光譜影像數(shù)據(jù)拼接技術(shù)存在的不足之處，本文旨在研究一種低空無(wú)人機(jī)載高光譜影像自動(dòng)拼接方法，其具有易于實(shí)現(xiàn)、拼接精度高、光譜畸變小等優(yōu)點(diǎn)，可實(shí)現(xiàn)無(wú)地面控制點(diǎn)的無(wú)人機(jī)載高光譜影像的自動(dòng)拼接，以解決當(dāng)前單幅無(wú)人機(jī)載高光譜遙感影像圖幅過(guò)小的問(wèn)題。

1  儀器設(shè)備與數(shù)據(jù)處理流程

1.1  數(shù)據(jù)采集設(shè)備

      本次試驗(yàn)地點(diǎn)在北京市大興區(qū)南六環(huán)外黃村鎮(zhèn)李村，無(wú)人機(jī)采用大疆無(wú)人機(jī)M600 Pro，在無(wú)人機(jī)平臺(tái)上搭載的是由四川雙利合譜科技有限公司自主研發(fā)的高光譜成像儀GaiaSky-mini。無(wú)人機(jī)高光譜影像獲取時(shí)間為2017年11月8日下午的12:00-14:00，天氣為晴，無(wú)人機(jī)飛行高度為400米，采用的是2*4 binning方式獲取高光譜影像（2是空間維的，4是光譜維），高光譜影像的空間分辨率約為20cm，此次飛行共獲取24景高光譜影像數(shù)據(jù)，每景高光譜影像數(shù)據(jù)代表的地面幅寬約為190米*190米，面積約為36100平方米，其中每景高光譜影像數(shù)據(jù)之間的橫向重疊率為50%，縱向重疊率為40%。

1.2  數(shù)據(jù)的預(yù)處理與分析

       無(wú)人機(jī)高光譜影像的預(yù)處理在SpecView軟件中進(jìn)行，包括鏡像變換、黑白幀校準(zhǔn)、大氣校正。

1.3  無(wú)人機(jī)高光譜影像拼接流程

      對(duì)消除大氣、水汽等因素影響的高光譜影像計(jì)算其波段信噪比，根據(jù)其信噪比的峰值篩選出特征波段，然后基于SIFT算法對(duì)選出的特征波段提取特征點(diǎn)并對(duì)特征點(diǎn)進(jìn)行匹配，圖像拼接過(guò)程中利用經(jīng)緯度信息及墨卡托投影（Mercator）糾正圖像的變形，同時(shí)利用重投影空三（Reproj）算法細(xì)化高光譜相機(jī)參數(shù)。在高光譜影像拼接之前選擇是否對(duì)拼接圖像進(jìn)行勻色，后得到拼接好的高光譜影像數(shù)據(jù)。

1.4  高光譜影像拼接效果檢驗(yàn)

       為了準(zhǔn)確地驗(yàn)證高光譜影像拼接結(jié)果的有效性，提取了拼接結(jié)果重疊區(qū)域和非拼接圖像相同經(jīng)緯度的8個(gè)采樣點(diǎn)的光譜反射率，利用光譜角填圖（SAM）、波譜特征擬合分類(lèi)法（SFF）及二進(jìn)制編碼（BE）對(duì)拼接前后、是否勻色的光譜曲線(xiàn)進(jìn)行匹配與相似性計(jì)算，得到一個(gè)0-1的匹配度分值，結(jié)果總分值越高，則相似性越好。

2  高光譜影像拼接結(jié)果分析

2.1 高光譜拼接圖分析

       以高光譜拼接圖像的任意三波段作為RGB（R:red,G:green, B:blue）偽彩色合成圖為例，從圖1可知，從總體上看，對(duì)圖像特征點(diǎn)明顯的區(qū)域，是否選擇勻色對(duì)高光譜影像的拼接無(wú)顯著差異。但在特征點(diǎn)不顯著區(qū)域則圖像顯示差異較大，如圖2可知，對(duì)拼接圖像是否采用勻色對(duì)高光譜影像的“圖”有較為顯著的差異，顯然在采用勻色對(duì)拼接結(jié)果的“圖”效果更好，而勻色是否對(duì)高光譜影像的“光譜”有較大的影響，則需要進(jìn)一步的分析驗(yàn)證。

圖1  高光譜影像拼接前后效果圖（以RGB偽彩色為例）

圖2  高光譜影像重疊區(qū)域拼接勻色與否對(duì)比

2.2 高光譜影像拼接光譜分析

       為了進(jìn)一步驗(yàn)證高光譜影像拼接結(jié)果的有效性，本文提取了拼接結(jié)果重疊區(qū)域中典型地物（如植被、土壤、房屋等）的8個(gè)采樣點(diǎn)的光譜反射率及拼接前2景圖像對(duì)應(yīng)位置的光譜反射率進(jìn)行對(duì)比分析，這8個(gè)采樣點(diǎn)的光譜反射率曲線(xiàn)如圖3所示。圖3中條光譜和第二條光譜代表的是拼接前2景圖像重疊區(qū)相同位置的光譜反射率，未勻色和勻色分別代表的是未勻色和勻色拼接圖像相應(yīng)位置的光譜反射率。從圖3可知，反射率較高的地物，其拼接前后的光譜重疊率較高，如第三類(lèi)和第六類(lèi)地物；而反射率較低的地物，其拼接前后的光譜差異較大，如第七類(lèi)地物所示。總體而言拼接前后高光譜圖像的光譜反射率曲線(xiàn)相似度非常高，拼接后其光譜反射率曲線(xiàn)保留了未拼接前高光譜圖像的反射率曲線(xiàn)的大部分信息。

圖3  8個(gè)采樣點(diǎn)拼接前光譜曲線(xiàn)與拼接后光譜曲線(xiàn)對(duì)比分析

2.3 高光譜影像拼接前后光譜匹配度分析

       在高光譜影像的實(shí)際應(yīng)用中不僅注重空間信息更加注重其光譜信息，因此為了更為準(zhǔn)確地驗(yàn)證拼接方法的有效性，分別選用光譜角填圖（SAM）、波譜特征擬合分類(lèi)法（SFF）及二進(jìn)制編碼（BE）對(duì)拼接前后、是否勻色的光譜曲線(xiàn)進(jìn)行匹配與相似性計(jì)算，得到一個(gè)0-1的匹配度分值， SAM、SFF和BE三者總分值越高，則相似性越好，具體計(jì)算結(jié)果如表1所示。

       從表1可以看出，在SAM方面，在8個(gè)采樣點(diǎn)中，未勻色拼接結(jié)果圖像的匹配度小值為0.959，大值為1，勻色拼接結(jié)果圖像的匹配度小值為0.958，大值為0.995；在SFF方面，在8個(gè)采樣點(diǎn)中，未勻色拼接結(jié)果圖像的匹配度小值為0.881，大值為0.999，勻色拼接結(jié)果圖像的匹配度小值為0.807，大值為0.995；在BE方面，在8個(gè)采樣點(diǎn)中，未勻色拼接結(jié)果圖像的匹配度小值為0.942，大值為1，勻色拼接結(jié)果圖像的匹配度小值為0.883，大值為1；在SAM、SFF和BE三者總分值方面，在8個(gè)采樣點(diǎn)中，未勻色拼接結(jié)果圖像的匹配度小值為2.826，大值為2.999，勻色拼接結(jié)果圖像的匹配度小值為2.801，大值為2.985，因此是否對(duì)高光譜圖像的拼接結(jié)果采用勻色處理，對(duì)其光譜并無(wú)太大影響。

       不同采樣點(diǎn)之間，當(dāng)利用第一條光譜作為基準(zhǔn)對(duì)其他光譜曲線(xiàn)進(jìn)行匹配分析時(shí)，得出的匹配結(jié)果與利用第二條光譜作為基準(zhǔn)對(duì)其他光譜曲線(xiàn)進(jìn)行匹配分析時(shí)不一樣，這是因?yàn)閮删皥D像雖然有著重疊區(qū)域，但是受空間分辨率的影響，并不能保證存在重疊區(qū)的高光譜圖像，其相應(yīng)像素代表的地面物體*相同，因此光譜曲線(xiàn)存在差異是正常的。為減少兩景圖像重疊區(qū)相同像素光譜的差異性，在選擇采樣點(diǎn)時(shí)盡量選擇周邊較為均一的地物。

表1　影像拼接前后其光譜相似度評(píng)價(jià)

2.4 圖像拼接效率對(duì)比

      為了驗(yàn)證無(wú)人機(jī)高光譜影像的拼接效率，本文選取了兩臺(tái)筆記本的電腦，分別是Dell7520和ThinkPad T440P對(duì)24景、50景、120景、500景無(wú)人機(jī)高光譜影像進(jìn)行拼接，如表2所示。研究結(jié)果表明，硬件配置較好的DeLL7520拼接效率遠(yuǎn)遠(yuǎn)高于硬件配置較差的ThinkPad T440P，在處理24景無(wú)人機(jī)高光譜影像拼接時(shí)，DeLL7520比ThinkPad T440P處理速度快4個(gè)小時(shí)；在處理50景無(wú)人機(jī)高光譜影像拼接時(shí)，DeLL7520比ThinkPad T440P處理速度快7.7個(gè)小時(shí)；在處理120景和500景無(wú)人機(jī)高光譜影像時(shí)，ThinkPad T440P處理速度顯然更慢，甚至出現(xiàn)筆記本卡死/藍(lán)屏重啟，而DELL7520則正常拼接。

表2  硬件配置及圖像拼接效率對(duì)比

3  結(jié)論

      本文對(duì)消除大氣、水汽等因素影響的高光譜影像計(jì)算其波段信噪比，并根據(jù)其信噪比的峰值篩選出特征波段，利用SIFT算法對(duì)選出的特征波段提取特征點(diǎn)并對(duì)特征點(diǎn)進(jìn)行匹配，墨卡托投影（Mercator）糾正圖像的變形以及重投影空三（Reproj）算法細(xì)化高光譜相機(jī)參數(shù)的方法對(duì)無(wú)人機(jī)高光譜影像進(jìn)行自動(dòng)拼接并對(duì)拼接結(jié)果進(jìn)行勻色，同時(shí)運(yùn)用SAM、SFF和BE光譜匹配算法驗(yàn)證了高光譜影像拼接算法的可行性。研究表明本文提出的無(wú)人機(jī)高光譜影像拼接算法解決了當(dāng)前單幅無(wú)人機(jī)載高光譜影像圖幅過(guò)小的問(wèn)題，且對(duì)無(wú)控制點(diǎn)的無(wú)人機(jī)載內(nèi)置推掃式的高光譜遙感影像可實(shí)現(xiàn)自動(dòng)拼接，且拼接效果好、精度高、光譜畸變小，研究結(jié)果為其他無(wú)人機(jī)載高光譜遙感影像的自動(dòng)拼接提供借鑒，同時(shí)無(wú)人機(jī)高光譜影像的拼接結(jié)果可應(yīng)用于大范圍的高光譜遙感影像分類(lèi)與識(shí)別、土地利用/覆蓋分類(lèi)、精細(xì)農(nóng)業(yè)、環(huán)保、礦產(chǎn)礦物勘測(cè)等多種領(lǐng)域中。

本文參考文獻(xiàn)：黃宇,陳興海,劉業(yè)林,等.無(wú)人機(jī)高光譜內(nèi)置推掃影像快速拼接方法[J].測(cè)繪地理信息,2019,44(05):24-28.