无人机具有便于携带、起降灵活、风险小等优点，基于无人机的高光谱成像系统应用越来越广泛，如林火监测、地质勘探、海洋探测等。本文简单介绍了无人机高光谱成像系统的影像配准方法。

由于传感器是框幅式成像,使得不同波段成像时间不一致,导致不同波段之间存在位置差异[6],影像出现重影,如图1所示。因此,需要做单波段影像配准。

图1 不同单波段影像存在位置差异

影像配准的目的是将两幅影像中对应于空间同一位置的点一一对应起来[9]。本文主要采用特征点配准方法来完成,该方法具有计算量少、效率高、鲁棒性等特点[10]。通过以下4个步骤进行：

1. 特征点检测。特征点检测结果的好坏,直接影响配准的精度,乃至影像拼接的最终结果。本文使用特征点检测算法Moravec,因为该算法检测到的特征点较多,准确率也相对更高。

2. 特征点匹配。该步骤通过特征描述符、相似性度量等建立待匹配影像与目标影像特征间的相关性。

3. 转换模型估计。该步骤通过待匹配影像与目标影像的相关性估计两张影像间的映射函数的类型和参数[7]。

4. 重采样与转换。使用映射函数转换待匹配影像,并进行重采样。

无人机高光谱影像的波段数目较多,进行单波段灰度影像配准时需要选择一个波段作为基准波段,将其余波段与基准波段进行配准,得到配准后的单波段影像。这种方法的配准误差最小,且可以避免出现误差累积的情况。