间相较于算法减少了，表明本次试验中算法的配准处理效率和速度明显优于算法。

图多幅遥感图像配准效果图综上试验表明，算法适合尺度变化不大，旋转角度较小的图像配准，但是在有尺度变化的或者是重叠按照已定奇异值个数，取和的前列分别组成新矩阵和，重构矩阵再利用函数将数字矩阵转换为图像矩阵对参考图像矩阵重复步骤，获得图像矩阵对和进行特征提取，获得维的特征点集合对特征点进行粗匹配欧式距离法与精匹配算法，得到特征匹配对。

依据特征匹配对估测正确投影变换模型将待配准图像矩阵按照投影变换模型进行空间变换，得到配准后图像矩阵配准后图像矩阵与参考图像矩阵进行图像融合，最终获得拼接图像矩阵。

算法流程图如图所示，其中图像配准是整个算法的核心关键模块，采用与算法相类似的点特征检测方法，具体流程如图所示。

图算法及其图像配准流程点特征检测算法改进点特征检测原理法及其实现仪表技术，陈裕基于算法的无人机遥感图像配准长沙中南大学，马爱华基于拓扑知觉和配准算法的图像拼接技术兰州兰州理工大学，覃凤清数字图像压缩综述宜宾学院学报，寇冬晨，韩瑜，顾浩基于矩阵的角点自动检测算法指挥控制与仿真，闻泽联基于点特征的遥感图像配准方法研究西安西安电子科技大学，余婷基于特征的遥感图像自动配准技术研究杭州浙江大学，吴如梦，方挺，李文钦基于特征的无人机航拍图像拼接方法现代制造技术与装备，周志艳，闫梦璐，陈盛德，等角点自适检测的水稻低空遥感图像配准与拼接算法农业工程学报，赵夫群，耿国华基于图像特征和奇异值分解的点云配准算法激光与光电子学进展，凌程，耿点特征检测基础上的农业航空遥感图像配准算法研究农业航空论文比，配准速度平均提高，配准精度均方根误差平均降低在多幅遥感图像配准效率测试试验中，总配准时间相较于算法减少。

可见，算法在农业航空遥感图像的配准处理上具有速度较快精度较高的优势，可为智慧农业快速精准获取大面积农田区域图像进行田块管理作物管理病虫害管理产量预测等应用提供有益指导。

参考文献汪沛，罗锡文，周志艳，等基于微小型无人机的遥感信息获取关键技术综述农业工程学报，刘建刚，赵春江，杨贵军，等无人机遥感解析田间作物表型信息研究进展农业工程学报，沈跃，朱嘉慧，刘慧，等基于彩色和深度信息结合聚类算法快速拼接植株图像农业工程学报，周薇，冯娟，刘刚，等苹果采摘机器人中的图像配准技术农业工程学报余先川，吕中华，胡丹遥感素。

试验图像由张无人机低空遥感图像组成，每幅图像的分辨率为，采集地点为惠州市博罗县杨村镇井水龙村柑橘试验基地，采集区域面积大小约为。

每个算法各运行次，取试验图像数据集配准总时间作为比较指标，配准总时间越短，说明配准效率越高速度越快。

图为待配准试验图像数据集图为算法配准效果图，分辨率为图为算法配准效果图，分辨率为。

试验结果表明，算法的总配准时间相较于算法减少了，表明本次试验中算法的配准处理效率和速度明显优于算法。

图多幅遥感图像配准效果图综上试验表明，算法适合尺度变化不大，旋转角度较小的图像配准，但是在有尺度变化的或者是重叠区域较小的情况下，无法完成配准，因此在农业航空遥感图像配准根误差平均降低，说明算法在压缩数据量的同时，提高了整体配准精度，具有配准速度较快和鲁棒性较好的特点。

研究结果可为农业航空遥感图像快速配准提供参考。

关键词图像处理图像配准数据降维点特征检测算法遥感无人机遥感技术具有使用成本低获取速度快机动灵活等优点，在精准农业航空领域上发挥着重要作用。

受现有无人机航空遥感成像系统性能所限，目前仍无法单次获取大面积高分辨率的遥感图像。

因此，针对获取的序列遥感图像进行配准，以提高遥感图像的信息获取能力十分必要。

传统图像配准，算法存在计算量大效率低配准效果不佳等缺陷，如何实现快速精准的图像配准，是当前图像配准算法研究领域的个关键问题。

等提出了种利用图像邻域灰度差的特征点检测法来实现图像配准，但该算法易式中，表示图像中特征点所在的坐标，表示特征点所在的尺度。

在实际操作中，则取邻域内像素最大模值的方向作为特征点的主方向。

农业航空遥感图像具有重叠面积大可采集特征点丰富的特点，符合矩阵降维处理的特征，算法采用方法进行矩阵分解，实现数据降维再重构。

具体为，设为的任意矩阵，奇异值分解如式所示。

式中均为正交矩阵，两者的列分别由单位化后的特征向量和单位化后的特征向量构成为非负对角阵，对角线上的元素是矩阵的奇异值，来源于或特征值的算术平方根为设定的正确匹配对阈值。

删除矩阵中奇异值最小的列，保留列同时，矩阵也只保留列，由此生成的再生矩阵，即可有效减少非权重特征值，保留期望特征值，从而压算法不具备尺度不变性，无法进行有尺度变换的配准拼接。

算法的均方根误差比算法大，比算法大，表明的空间变换模型误差较大，配准拼接效果不理想。

图不同算法的参考图像与种仿射变换图像的配准效果图是参考图像与尺度放大图的配准效果，参考表与表的第列数据可知，在尺度放大的情况下，算法的配准时间和配准精度，分别优于算法和。

这是因为在尺度放大图中特征点检测算法检测的特征点增多，即使压缩了部分最不重要的特征点后仍有许多无法构成特征匹配对的特征点，从而降低了整体配准与拼接的速度。

算法的优势在于对图像进行奇异值分解再重构，重构图像特征点会有所减少，尤其是不重要不明显的特征点大幅减少，从而减少不算法在灰度与仿射变换方面具有不变性，同时检测出的特征点具有很好的稳定性。

式中，表示图像中特征点所在的坐标，表示特征点所在的尺度。

在实际操作中，则取邻域内像素最大模值的方向作为特征点的主方向。

农业航空遥感图像具有重叠面积大可采集特征点丰富的特点，符合矩阵降维处理的特征，算法采用方法进行矩阵分解，实现数据降维再重构。

具体为，设为的任意矩阵，奇异值分解如式所示。

式中均为正交矩阵，两者的列分别由单位化后的特征向量和单位化后的特征向量构成为非负对角阵，对角线上的元素是矩阵的奇异值，来源于或特征值的算术平方根为设定的正确匹配对阈值。

删除矩阵中奇异值最法为基础，结合矩阵降维处理方法，提出种适用于农业航空遥感图像配准的改进算法算法。

算法以高斯函数同步检测尺度空间极值点的坐标和特征尺度，利用海森矩阵消除伪特征点，获取特征点精准定位，在求取特征点的模值与方向基础上，采用奇异值分解方法进行矩阵优化，实现数据降维再重构。

试验结果表明，算法与经典算法相比，配准速度平均提高，配准精度均方根误差平均降低，说明算法在压缩数据量的同时，提高了整体配准精度，具有配准速度较快和鲁棒性较好的特点。

研究结果可为农业航空遥感图像快速配准提供参考。

关键词图像处理图像配准数据降维点特报自然科学版徐杰，胡越黎，郁怀波种基于的图像拼接算法及其实现仪表技术，陈裕基于算法的无人机遥感图像配准长沙中南大学，马爱华基于拓扑知觉和配准算法的图像拼接技术兰州兰州理工大学，覃凤清数字图像压缩综述宜宾学院学报，寇冬晨，韩瑜，顾浩基于矩阵的角点自动检测算法指挥控制与仿真，闻泽联基于点特征的遥感图像配准方法研究西安西安电子科技大学，余婷基于特征的遥感图像自动配准技术研究杭州浙江大学，吴如梦，方挺，李文钦基于特征的无人机航拍图像拼接方法现代制造技术与装备，周志艳，闫梦璐，陈盛德，等角点自适检测的水稻低空遥感图像配准与拼接算法农业工程学报，赵夫群，耿国华基于图像特征和点特征检测基础上的农业航空遥感图像配准算法研究农业航空论文必要的寻找特征匹配对的计算量，提高了配准速度与配准精度，因此算法在配准时间和配准精度上略有优势。

算法不具备尺度不变性，无法进行有尺度变换的配准拼接。

算法则是牺牲配准精度来换取配准速度。

点特征检测基础上的农业航空遥感图像配准算法研究农业航空论文。

算法利用海森矩阵消除伪特征点，精准定位特征点。

海森矩阵的定义式如式所示，矩阵的迹和行列式的定义式如式式所示。

式中分别为图像在方向上的阶导数设为较大特征值与较小特征值之比。

当接近时，说明个曲率很接近，此时可以认为该极值点为个特征点。

特征点主方向确定，主要为求解特征点的梯度，包括模值与方向。

设梯度的模值为方向为分别由式和式计法的配准误差降低了，表明算法在进行原图配准与拼接时有更好的配准效果。

其原因在于算法使用了数据降维方法，压缩了数据量，提高了整体的配准准确率。

针对本组试验，和算法的效率较高，处理速度较快。

图是参考图像与尺度缩小图的配准效果，根据表及表的第列数据可知，在尺度缩小情况下，算法的配准速度比算法提高，算法的配准效果优于算法。

这是因为在尺度缩小图中，特征点检测法检测的特征点数量比原图少，可用于配准的特征点对少而算法和算法在特征点数量减少的情形下检测到的特征点对数量相近，因此配准时间相差不大。

算法的配准误差略大是因为进行空间变换时所用的投影变换矩阵未如理想区域内可检测特征点丰富的特点进行优化设计，与算法相比，配准速度平均提高，配准精度均方根误差平均降低在多幅遥感图像配准效率测试试验中，总配准时间相较于算法减少。

可见，算法在农业航空遥感图像的配准处理上具有速度较快精度较高的优势，可为智慧农业快速精准获取大面积农田区域图像进行田块管理作物管理病虫害管理产量预测等应用提供有益指导。

参考文献汪沛，罗锡文，周志艳，等基于微小型无人机的遥感信息获取关键技术综述农业工程学报，刘建刚，赵春江，杨贵军，等无人机遥感解析田间作物表型信息研究进展农业工程学报，沈跃，朱嘉慧，刘慧，等基于彩色和深度信息结合聚类算法快速拼接植株图像农业工程学报，周薇，冯娟，刘刚，等苹果采摘机器人的列，保留列同时，矩阵也