内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用，但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变，在特征点提取过程中产生大量冗余点，增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法，该方法的核心思想是在配准过程中识别冗余点，同时最大化可用内点数量。所识别的冗余点当作控制点，用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验，其中平均配准精度可达80.38%，并且本文方法在所有的情况下都优于5种当前流行算法。