17、无人机场景匹配算法及航空图像质量评估方法解析

无人机场景匹配算法及航空图像质量评估方法解析

1. 无人机场景匹配算法

1.1 描述符确定

在相关计算中，512 作为上限是最相关的，增加更多并不会提升效果，因此选取前 512 作为最终描述符。

1.2 K 近邻比率方法

在基线图和实时图的特征点上分别构建 FREAK 描述符后，会得到两组描述符。接着使用 K 近邻比率方法对这两组描述符进行匹配，具体步骤如下：
1. 特征点相似度度量 ：采用汉明距离作为特征点的相似度度量。对于两个等长的二进制字符串，通过按位异或操作实现汉明距离计算，统计结果中 1 的数量即为距离结果。
2. 获取候选匹配点 ：运用 K 近邻算法（K = 2），通过暴力搜索找到实时图像中每个特征点与汉明距离最小的两个点，即最近邻点和次近邻点。
3. 阈值过滤 ：使用最近邻和次近邻距离的比率进行阈值过滤，公式如下：
[
\frac{D_{FirMin}}{D_{SecMin}} \leq N
]
其中，$D_{FirMin}$ 是最近邻点的汉明距离，$D_{SecMin}$ 是次近邻点的汉明距离，$N$ 是阈值。

1.3 基于位置模型的 RANSAC

获取匹配点后，利用 RANSAC 算法的思想建立场景匹配和定位模型。该模型不仅能得到基准图和实时图之间的变换方程，还能去除匹配点中的错误点对，并获取飞行位置的经纬度。

1.3.1 透视变换方程

场景匹配基准图和实时图之间存在