云计算下无人机采集无序位置图像快速拼接_唐晏_王华军_王建荣_姜雪娇

［4 － 6 ］
无人机采集的无序图像 ， 都具有较强的独立性， 而且， 都是局 。 所以， 如何对上述图像进行快速 、 准确
。其中， 最重要的是基于 SI采集无序图像拼接方法
基金项目： 国际科技合作项目（ 2011DFA22070 ） 收稿日期： 2013 － 11 － 28
1 ） 是齐次坐标， 根据上述特征点变换矩阵 ， 能够获取无序图 如图 2 所示。 像的匹配点。
特征匹配， 根据匹配结果进行图像拼接 。其原理如下： 对无人机采集的无序图像进行特征欧氏距离的计算 ， 需 要将第一距离和第二距离的比值与设定的阈值进行对比 ， 会 有效降低拼接运算的复杂性 。 为了降低无序图像拼接计算 的复杂性， 需要用城市距离取代初始的欧氏距离 。 利用下述 公式能够计算不同的无人机采集无序图像的城市距离 ：
图1 特征点匹配
i0 i1 i2 I = i3 i4 i5 i6 i7 1
n ＇j = In j ， n ＇j = （ y ＇j ， z ＇j ， 1） 在上述公式中，
T T
（ 2）
2
无人机采集无序图像原理
无人机进行远程高空采集的过程中 ， 对采集的图像进行
zj ， 与 nj = （ yj ，
l
图3
无人机图像拼接云平台模式
通过对无人机采集的数据进行汇总和处理 ， 及时的反馈 给终端， 为拼接提供科学依据。 3． 2 无序图像空间位置几何畸变补偿 在云计算环境下无人机采集的无序图像中 ， 需要提取无 序图像特征点， 并且获取上述特征点的空间位置 。 由于上述 所以， 需要对 特征点的空间位置存在一定程度的几何畸变 ， 补偿的详细步骤如下所述 ： 其进行补偿。 利用下述公式能够计算云计算下无人机采集无序图像 特征值： U k = （ z1 ， a1 ， b1 ， …， zm ， am ， bm ， …z q ， aq ， bq ） （ 3） 根据云计算环境下无人机采集的无序图像特征值 ， 能够 对前 p 个比较大的特征值进行提取 ， 根据上述特征值建立特 s2 ， …， sp ） ， 征点矩阵 S = （ s1 ， 获取下述结果： u = 珔 u － S/δ 三维空间的状态， 得到指定特征点状态向量如下所述 ： U = NU， N： T → T （ 5） 将上述两个公式进行融合处理 ， 能够得到下述结果： u h = N（ u + 珔 u ） = N （ S / δ） = S h / χ （ 6） 根据上述融合结果， 能够将无序图像空间位置几何畸变 补偿问题转换为畸变补偿函数计算问题 ， 获取畸变补偿函数 如下所述： G （ δ） = （ S h / δ）
。 由于无人机
采集无序图像拼接方法拥有极为广阔的发展空间 ， 因此， 已 经成为大家研究的热点问题
［8 ］
。
— 407 —
在无人机采集无序图像拼接过程中 ， 图像呈现较强的无 序状态， 而且存在大量的冗余数据
［9 ］
。假设利用传统的 SIFT
配对算法进行拼接， 需要在图像拼接的过程中对上述图像进 行充分认证， 降低了图像的匹配性， 延长了图像拼接需要耗 费的时间， 难以保证无人机采集无序图像拼接的结果
［10 ］
。
为了避免上述传统算法的缺陷 ， 提出了一种基于哈密顿 通路模型的云计算下无人机采集无序图像快速拼接方法 。 对无人机采集的无序图像进行空间位置几何畸变补偿 ， 为无 序图像快速拼接提供依据 。 根据上述补偿处理后的无序图 像， 建立哈密顿通路模型， 实现云计算下无人机采集无序图 像快速拼接方法。实验结果表明， 利用本文算法进行云计算 环境下无人机采集无序图像拼接 ， 能够提高拼接速度和匹配 率， 为不同领域的决策提供依据 。
第 31 卷
第5 期
计
算
机
仿
真
2014 年 5 月
文章编号： 1006 － 9348 （ 2014 ） 05 － 0407 － 04
云计算下无人机采集无序位置图像快速拼接
唐
1， 2 1 3 3 晏 ， 王华军 ， 王建荣 ， 姜雪娇
（ 1． 成都理工大学地球物理学院 ， 四川 成都 610059 ； 2． 西南科技大学计算机科学与技术学院， 四川 绵阳 621010 ； 3． 成都理工大学信息科学与技术学院， 四川 成都 610059 ） 摘要： 研究云计算环境下无人机采集无序图像快速拼接问题 。 无人机采集图像中， 飞行速度、 位置都呈现不可控性 ， 采集的 大量图像也呈现无序状态 ， 存在重复采集、 缺失采集的情况， 在传统的云计算环境下， 拼接图像需要大量重复认证、 对比， 匹 配过程效率很低。为此提出了一种基于哈密顿通路模型的云计算下无人机采集无序图像快速拼接方法 。 对无人机采集的 无序图像进行空间位置几何畸变补偿 ， 建立哈密顿通路模型， 将云计算下无人机采集无序图像拼接问题转换为哈密顿通路 利用哈密顿通路求解的快速性实现云计算下无人机采集无序图像快速拼接方法 。 实验结果表明， 利用改进 模型求解问题， 算法进行云计算下无人机采集无序图像快速拼接 ， 能够提高图像的匹配效率， 缩短拼接时间。 关键词： 云计算； 图像拼接； 几何畸变补偿 中图分类号： F127 文献标识码： B
1
引言
随着计算机图像处理技术的不断发展和普及 ， 无人机采
［1 ］
的拼接， 已经成为计算机图像处理领域需要研究的重要课 题， 受到了很多专家和学者的广泛关注
［3 ］
。 现阶段， 主要的
集的无序图像已经成为图像处理的主要对象 域范围内的图像
［2 ］
。 但是， 上述
无人机采集无序图像拼接方法包括基于单层特征转换算法 的无人机采集无序图像拼接方法 、 基于像素密度变换算法的 无人机采集无序图像拼接方法和基于 SIFT 配对算法的无人 机采集无序图像拼接方法
128
e = sqrt （
128
∑（ y
j =1
j1
－ z j2 ） ） （ 1）
图2 匹配拼接结果
2
e =
∑|
j =1
y j1 － z j2 |
y j1 和 y j2 能够用来描述无人机采集无序 在上述公式中， 匹配的详细流程如下所 图像拼接过程中的匹配特征样本 ， 述： 1 ） 获取无人机采集无序图像拼接的约束条件 ， 缩小图像 匹配过程中的复杂性。 2 ） 在前一帧无人机采集的无序图像中 ， 随机选择一个点 作为特征点， 计算该点与当前图像中对应特征点之间的城市 距离， 并且在该点中计算最近特征点 G2 的空间位置。 假设上 述两个城市距离的比值小于设定阈值 ， 则需要将 G2 进行存 储， 继续执行下一个步骤， 否则 ， 删除冗余数据 G1 。 3 ） 计算无人机采集的当前图像与前一帧图像中所有特 征点之间的城市距离， 获取距离最近的点 G3 。 4 ） 判断 G1 与 G3 的取值是否相同， 假设相同， 则能够实 现前一帧图像与当前图像的匹配 ， 否则， 返回步骤 2 ） 继续执 直至获取最理想的结果 。 行， 设置需要进行拼接的前一帧图像和当前图像中对应的 z j ） 与 n（ y ， z ） 进行描述， 特征点分别能够用 n（ y j ， 则能够得 到匹配过程如图 1 所示。 在图 1 ， 当前帧图像与前一帧图像中的特征点之间存在 n = In。 平面映射变换， 使I = I I ， 在上述两帧图像中， 特征 点的变换矩阵如下所述 ：
－1 2 1 ＇ ' j ' j
根据上面阐述的方法， 能够完成无人机采集无序图像的 拼接， 为不同领域提供决策依据 。 但是， 由于图像呈现较强的 无序状态， 而且存在大量的冗余数据 。 假设利用传统的配对 算法对上述图像进行充分认证 ， 将降低图像的匹配性， 延长 难以保证无人机采集无序图像 了图像拼接需要耗费的时间 ， 拼接的结果。
— 408 —
进行控制和处理。 图 3 为无人机拼接的设计模式 。
算下无人机采集无序图像拼接方法转换为哈密顿通路模型 求解问题， 其详细流程如下所述： 1 ） 将采集的 p 帧图像输入到哈密顿通路模型中 ， 而且需 要根据全部无人机采集无序图像的相关数据建立 p 个矩阵 Bj 。 2 ） 对无人机采集无序图像矩阵的右侧向量和左侧向量 进行计算。 3 ） 在哈密顿通路模型中， 假设矩阵 B j 的第一行像素 M k 的元素都是灰度为 255 的白色像素点的图像， 说明该图像是 最左侧的一条碎片， 能够用 k0 进行描述， 即 num = 1 。 4 ） 在哈密顿通路模型中， 需要建立一段通路， 该通路前 端节点的序号是 j， 则后续节点能够用下述公式进行描述 ： k = argmin（ e j， l）
Unmanned Aerial Vehicle （ UAV） Acquisition Disorderly Image Fast Mosaic Simulation under Cloud Computing
TANG Yan，WANG Hua － jun，WANG Jian － rong，JANG Xue － jiao
3 法
云计算环境下无人机采集无序图像拼接优化方
利用传统的配对算法进行无人机采集无序图像拼接 ， 需
要在图像拼接的过程中对上述图像进行充分认证 ， 降低了图 延长了图像拼接需要耗费的时间 ， 难以保证无 像的匹配性， 人机采集无序图像拼接的结果 。 为此， 提出了一种基于哈密 顿通路模型的云计算下无人机采集无序图像快速拼接方法 。 3． 1 云计算环境的建模 云计算的提出， 给无人机图像匹配计算提供了很好的平 台。 云计算环境中的无人机采集的图像具有的主要特征 ： 一 具有快捷、 强大、 方便的查询功能； 二为存 为功能运行稳定， 储数据资料要求分类规范 ， 标准统一， 便于用户编辑。 三任何 信息数据都保存在云端 ， 本地不必对数据进行保存和备份 。 四操作平台的界面保持友好 ， 各级各类用户在云端很容易地
（ 1． College of geophysics，Chengdu University of Technology，Chengdu Sichuan 610059 ，China； 2． College of Computer Science and Technology，Southwest University of Science and Technology， Mianyang Sichuan 621010 ，China； 3． School of Information Science and Technology，Chengdu University of Technology，Chengdu Sichuan 610059 ，China） ABSTＲACT： In this paper，the problem of quickly stitching of disorderly images acquired by unmanned aerial vehicle （ UAV） under cloud computing environment was researched． W proposed a method for quickly stitching of disorderly images which are acquired by unmanned aerial vehicle （ UAV） under cloud computing environment based on the Hamiltonian path model． Firstly，the disorderly images acquired by UAV were conducted to make geometric distortion compensation of spatial position and construct the Hamiltonian path model． Then， the disorderly image stitching problem was converted into the problem of Hamiltonian path model under the cloud computing environment． Meanwhile， by taking the advantage of the fast solving features of Hamiltonian path，the quickly stitching of disorderly images acquired by UAV was ultimately accomplished under cloud computing environment． Experimental results show that the improved algorithm for quickly stitching of disorderly images acquired by UAV under cloud computing environment can enhance the efficiency of image matching and shorten stitching time． KEYWOＲDS： Cloud computing； Image matching； Geometric distortion compensation