CN114693528B - 无人机低空遥感图像拼接质量评估与降冗方法及系统 - Google Patents

Abstract

本发明涉及一种无人机低空遥感图像拼接质量评估与降冗方法及系统，属于图像处理技术领域。先利用无人机在预设重叠度设定下采集地面图像，得到预设重叠度下的无人机低空遥感图像集，再将无人机低空遥感图像集进行拼接，得到拼接后图像，最后利用改进后的BRISQUE算法对拼接后图像进行质量评估，得到图像质量评分，通过改进BRISQUE算法，使其同时适用于可见光图像和多光谱图像的质量评估。此外，本发明还基于改进的BRISQUE算法提出一种图像降冗方法，能够提高图像拼接效率和拼接质量。

Description

无人机低空遥感图像拼接质量评估与降冗方法及系统

技术领域

本发明涉及图像处理技术领域，特别是涉及一种适用于无人机低空遥感图像的拼接质量评估与降冗方法及系统。

背景技术

无人机低空遥感是农田作物长势和生理状况监测的重要手段，重叠度设定是无人机飞行过程中不可或缺的参数之一，为了探究重叠度对无人机拼接图像质量的影响并获得高质量的无人机低空遥感图像数据，利用八旋翼无人机飞行平台搭载多光谱和RGB相机在飞行速度、飞行高度和飞行路径相同的情况下采用不同的重叠度设定进行作物图像采集是非常有必要的。但现有的图像质量评估方法大多仅适用于可见光图像，而不适用于多光谱图像。

基于此，亟需一种能够同时对可见光图像和多光谱图像进行质量评估的方法及系统。

发明内容

本发明的目的是提供一种无人机低空遥感图像拼接质量评估与降冗方法及系统，利用改进的布里斯克(BRISQUE)算法对无人机低空遥感图像进行质量评估，既适用于可见光图像，又适用于多光谱图像。同时基于改进的BRISQUE算法提出一种图像降冗方法，能够提高图像拼接效率和拼接质量。

为实现上述目的，本发明提供了如下方案：

第一方面，本发明用于提供一种无人机低空遥感图像拼接质量评估方法，所述评估方法包括：

利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分。

本发明还用于提供一种无人机低空遥感图像拼接质量评估系统，所述评估系统包括：

图像采集模块，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

图像拼接模块，用于将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

质量评估模块，用于利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分。

第二方面，本发明用于提供一种无人机低空遥感图像降冗方法，所述降冗方法包括：

利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

以所述预设重叠度的下限作为固定冗余间隔；

根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

判断所述降冗后图像集是否能够完成拼接；

若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。

本发明还用于提供一种无人机低空遥感图像降冗系统，所述降冗系统包括：

图像采集模块，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

质量评估模块，用于利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

降冗处理模块，用于以所述预设重叠度的下限作为固定冗余间隔；根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

判断模块，用于判断所述降冗后图像集是否能够完成拼接；

返回模块，用于若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

拼接模块，用于若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明用于提供一种无人机低空遥感图像拼接质量评估与降冗方法及系统，先利用无人机在预设重叠度设定下采集地面图像，得到预设重叠度下的无人机低空遥感图像集，再将无人机低空遥感图像集进行拼接，得到拼接后图像，最后利用改进后的BRISQUE算法对拼接后图像进行质量评估，得到图像质量评分，通过改进BRISQUE算法，使其同时适用于可见光图像和多光谱图像的质量评估。此外，本发明还基于改进的BRISQUE算法提出一种图像降冗方法，能够提高图像拼接效率和拼接质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1所提供的评估方法的方法流程图；

图2为本发明实施例1所提供的重叠度的计算示意图；

图3为本发明实施例1所提供的改进后的BRISQUE算法的流程图；

图4为本发明实施例2所提供的评估系统的系统框图；

图5为本发明实施例3所提供的降冗方法的方法流程图；

图6为本发明实施例3所提供的降冗方法的整体过程流程图；

图7为本发明实施例4所提供的降冗系统的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种无人机低空遥感图像拼接质量评估与降冗方法及系统，利用改进的BRISQUE算法对无人机低空遥感图像进行质量评估，既适用于可见光图像，又适用于多光谱图像。同时基于改进的BRISQUE算法提出一种图像降冗方法，解决图像采集完成后需要进行图像拼接而需要消耗大量时间成本问题，提高了图像拼接效率，并同时提高图像拼接质量。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1：

本实施例用于提供一种无人机低空遥感图像拼接质量评估方法，如图1所示，所述评估方法包括：

S1：利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

本实施例可利用八旋翼无人机飞行平台搭载多光谱和RGB相机，在预设重叠度设定下采集地面图像，在飞行过程中，多光谱相机采集的遥感图像即为多光谱图像，所有多光谱图像组成多光谱低空遥感图像集，RGB相机采集的遥感图像即为可见光图像，所有可见光图像组成可见光低空遥感图像集。

如图2所示，由于后期遥感图像需要进行拼接以得到一幅完整的正摄影图像，因此对拍摄遥感图像时的重叠度设定有一定要求，本实施例的预设重叠度的选择原则为：以所获得的无人机低空遥感图像集能够完成拼接为条件，确定预设重叠度的下限；相机曝光时间设定对重叠度上限有一定影响，这样可以保证获取清晰有效的图像，故以所获得的无人机低空遥感图像集不失真(拖影)为条件，确定预设重叠度的上限。

具体的，无人机低空遥感图像集一般是在软件中进行拼接的，故在确定预设重叠度的下限时，以后期单张遥感图像可以在所选软件中完成拼接为最低重叠度设定。例如，所选软件为AgisoftPhotoscan软件，则以后期单张遥感图像可以在AgisoftPhotoscan软件中完成拼接为最低重叠度设定。

在确定预设重叠度的上限时，以拍摄图像不拖影(失真)为最高重叠度设定。相机运动过程中图像不失真的基本要求为：相机曝光时间设定要小于或等于实际图像采集一个像素长度时间的三分之一，满足该基本要求，则在图像质量评估中图像拖影造成的失真可忽略不计。因此预设重叠度设置的上限值与曝光时间(t(ms))、相机传感器尺寸(m(mm)*n(mm))，像素大小(p(pixel)*q(pixel))，无人机飞行速度(v(mm/s))有关，曝光时间设定具体计算公式为：

在此过程中相机光圈、ISO等设定保持一致。

则以所获得的无人机低空遥感图像集不失真为条件，确定预设重叠度的上限可以包括：根据相机曝光时间、相机传感器尺寸、像素大小和无人机飞行速度确定预设重叠度的上限。

需要说明的是，本实施例的重叠度可指航向重叠度，也可指旁向重叠度。航向重叠度是指飞机沿航线摄影时，相邻像片之间所保持的影像重叠程度，旁向重叠度指飞机沿航线摄影时，相邻航线之间所保持的影像重叠程度。在采集遥感图像时，重叠度的调整方式可为：提前获得相机的视场角，固定高度之后成像范围也是固定的，此时根据GPS定位，定点发射相机触发信号来决定重叠度大小，相机触发信号是指发射一次相机拍摄一张图片。

S2：将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

具体的，S2可以包括：

(1)对无人机低空遥感图像集进行图像预处理，去除无人机低空遥感图像集中因设备问题导致的损坏图像，得到预处理后图像集；

该步骤即为数据预处理过程，对获取的所有多波段光谱低空遥感图像(即多光谱图像)或可见光低空遥感图像(即可见光图像)进行图像预处理，去除因设备问题导致的损坏图像，将质量完好的无人机多波段光谱低空遥感图像或可见光低空遥感图像组成预处理后图像集。

(2)将预处理后图像集进行图像拼接，得到拼接后图像。

利用Agisoft Photoscan软件对预处理后图像集进行图像拼接，具体步骤分为图片对齐、建立网格和图像拼接，最终获取完整的大幅拼接图像。

S3：利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分。

具体的，BRISQUE算法是根据失真图像的归一化特征会发生变化而提出的一种空域统计图像特征的质量评估方法，适用对象为自然场景图像，本实施例中所用的改进后的BRISQUE算法可对获取的可见光图像和多光谱图像均进行图像质量评估，如图3所示，S3可以包括：

(1)将拼接后图像转换为单波段灰度图像；

具体通过MATLAB将拼接后图像转换为单波段灰度图像。

(2)对单波段灰度图像的像素进行归一化处理，得到归一化图像；

(3)计算归一化图像在水平、垂直、主对角线和次对角线四个方向上的MSCN相邻系数的皮尔逊相关系数(Pearson linear correlation coefficients，PLCC)；

(4)将皮尔逊相关系数拟合成非零均值非对称广义高斯分布模型，提取非零均值非对称广义高斯分布模型的特征，得到图像空域特征；

(5)将图像空域特征输入至支持向量机SVM回归模型中做回归，得到图像质量评分；图像质量评分越低，则拼接后图像的质量越高。

本实施例通过修改输入图像的类型，继而把BRISQUE算法中的相关参数进行修改，使得该方法可同时适用于可见光图像和多光谱图像的质量评估。

本实施例所提供的评估方法，利用改进后的BRISQUE算法对拼接后图像的质量进行评估，可同时适用于无人机遥感多光谱图像和可见光图像的图像质量评估，相比于传统研究只适用于自然场景图像提供了对多光谱图像质量评估的一种新的思路。

当然，本实施例所用的评估方法也可用于探讨重叠度对拼接质量的影响，具体的，利用八旋翼无人机飞行平台搭载多光谱和RGB相机在飞行速度(5m/s)、飞行高度(50m)和飞行路径相同的情况下采用不同的重叠度设定进行作物图像采集，重叠度均处于预设重叠度的下限和上限之间。利用S2，按照飞行架次(即重叠度)利用AgisoftPhotoscan软件进行图像拼接，得到每一重叠度下的完整试验区域的拼接后图像，再利用S3对所有拼接后图像进行质量评估，确定重叠度对拼接质量的影响。此时，可同时适用于多光谱图像和可见光图像的质量评估。

实施例2：

本实施例用于提供一种无人机低空遥感图像拼接质量评估系统，如图4所示，所述评估系统包括：

图像采集模块M1，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

图像拼接模块M2，用于将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

质量评估模块M3，用于利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分。

实施例3：

实施例1是一种基于改进后的BRISQUE算法进行无人机低空遥感图像拼接质量评估的方法，本实施例则基于该无人机低空遥感图像拼接质量评估方法，提出无人机飞行获取图像的降冗处理方法，以提高图像拼接效率和拼接质量。如图5和图6所示，本实施例用于提供一种无人机低空遥感图像降冗方法，所述降冗方法包括：

T1：利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

T1的步骤与实施例1中S1的步骤相同，在此不再赘述。预设重叠度也需要满足实施例1所提出的预设重叠度的下限和上限。

T2：利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

对遥感图像进行质量评估的方法与实施例1中对拼接后图像进行质量评估的方法相同，T2可以包括：

(1)将遥感图像转换为单波段灰度图像；

(2)对单波段灰度图像的像素进行归一化处理，得到归一化图像；

(3)计算归一化图像在水平、垂直、主对角线和次对角线四个方向上的MSCN相邻系数的皮尔逊相关系数；

(4)将皮尔逊相关系数拟合成非零均值非对称广义高斯分布模型，提取非零均值非对称广义高斯分布模型的特征，得到图像空域特征；

(5)将图像空域特征输入至支持向量机SVM回归模型中做回归，得到图像质量评分；图像质量评分越低，则遥感图像的质量越高。

T3：以所述预设重叠度的下限作为固定冗余间隔；

本实施例中，固定冗余间隔的选择以重叠度为标准，不低于最低重叠度要求，最低重叠度是指预设重叠度的下限。

T4：根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

本实施例通过改进后的BRISQUE算法对所有遥感图像进行图像质量评分，并根据评分结果的高低在固定冗余间隔内选择质量最好的图像作为拼接影像，组成降冗后图像集。具体的，T4可以包括：

(1)将无人机低空遥感图像集中的遥感图像按照拍摄时间的先后顺序依次排列；

(2)将第一张遥感图像存入降冗后图像集，并以第一张遥感图像作为初始图像；

(3)选取初始图像后连续的N张遥感图像中图像质量评分最低的遥感图像作为选中图像，将选中图像存入降冗后图像集；N的值根据固定冗余间隔而确定；

(4)判断所有遥感图像是否均被筛选完成；

(5)若否，则以选中图像作为下一循环中的初始图像，返回“选取初始图像后连续的N张遥感图像中图像质量评分最低的遥感图像作为选中图像”的步骤。

(6)若是，则得到降冗后图像集。

更为具体的，以固定冗余间隔是2为例，介绍降冗步骤：(1)从连续航片第1幅图像开始，选中第1幅图像，将连续的2张图像中图像评分最低、也即质量最好的1张筛选出来，再以选定图像为起始，将连续的2张图像中图像评分最低、也即质量最好的1张筛选出来，以上步骤重复进行，直至该航带的像片筛选完后，继续下一条航带的筛选，将全部筛选出的质量最好的图像组成降冗后图像集。降冗后图像集中的图像进行拼接处理，就得到高质量的正射影像。

T5：判断所述降冗后图像集是否能够完成拼接；

T6：若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

T7：若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。

在相同计算机环境下，对高分辨率的无人机遥感图像进行拼接是一个工作量很大的事情，例如在做实验时，400张四千万像素的RGB图像进行高质量拼接需要40小时，200张只需要十多个小时，图像张数越多，拼接时的工作时间是成倍增加的，降冗处理之后意味着图像张数更少，图像张数减少可以大大提高拼接效率。本实施例先确认该重叠度下获取的遥感图像是否能够符合降冗条件，因此先进行了一次图像拼接，若能拼接，检验该重叠度下的图像是否有图像冗余，以固定冗余间隔取最小值开始进行图像降冗，降冗完成后再次检查是否可以进行图像拼接，若还是可以，令固定冗余间隔加1开始进行图像降冗，以此类推，直到图像不能完成整体拼接，说明上一循环中留的图像为可获得完整正射影图的最少图像张图，此时的图像拼接效率最高，质量最好。本实施例能够进行最大程度的降冗处理，大大减少图像张数，提高工作效率，且降冗过程中会基于图像质量评估方法选择质量最好的图像组成降冗后图像集，能够在提高工作效率的同时提高精度。

作为一种可选的实施方式，则本实施例的降冗方法还可以包括：利用改进后的BRISQUE算法对拼接后图像进行质量评估，得到拼接后图像的图像质量评分。本实施例通过对遥感图像进行质量评估来进行降冗处理，对拼接后图像进行质量评估的目的在于比较降冗前后对图像拼接质量的影响，可有效提高图像拼接质量。

利用八旋翼无人机飞行平台搭载多光谱和RGB相机在飞行速度(5m/s)、飞行高度(50m)和飞行路径相同的情况下采用不同的重叠度设定进行作物图像采集，重叠度均处于下限和上限之间。利用本实施例的降冗方法将每一个重叠度下的遥感图像都进行筛选，再依次进行拼接得到经过筛选后的正摄影图，并记录拼接时间，同时对拼接后图像进行质量评估。可知，本实施例的降冗方法能够大大提高拼接效率，并提高拼接质量。

由于一般飞行过程中重叠度越高，拍照间隔越短，获取的目标区域的图像越多，数据量越多，后期图像拼接时间越长，该参数设定受限于成像设备硬件参数与图像拼接要求，存在上下阈值。通过图像拼接技术得到的拼接图像的质量直接决定信息获取的正确与否，该步骤可获取更高质量的拼接图像的同时提高图像拼接效率，与传统的无人机飞行、数据处理方式相比可提高作业效率，降低作业成本，更好的指导农业实践。

实施例4：

本实施例用于提供一种无人机低空遥感图像降冗系统，如图7所示，所述降冗系统包括：

图像采集模块M4，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

质量评估模块M5，用于利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

降冗处理模块M6，用于以所述预设重叠度的下限作为固定冗余间隔；根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

判断模块M7，用于判断所述降冗后图像集是否能够完成拼接；

返回模块M8，用于若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

拼接模块M9，用于若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种无人机低空遥感图像拼接质量评估方法，其特征在于，所述评估方法包括：

利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分，具体包括：将所述拼接后图像转换为单波段灰度图像，利用BRISQUE算法对所述单波段灰度图像进行质量评估，得到图像质量评分。

2.根据权利要求1所述的评估方法，其特征在于，所述预设重叠度的选择原则为：以所获得的无人机低空遥感图像集能够完成拼接为条件，确定所述预设重叠度的下限；以所获得的无人机低空遥感图像集不失真为条件，确定所述预设重叠度的上限。

3.根据权利要求2所述的评估方法，其特征在于，所述以所获得的无人机低空遥感图像集不失真为条件，确定所述预设重叠度的上限具体包括：

根据相机曝光时间、相机传感器尺寸、像素大小和无人机飞行速度确定所述预设重叠度的上限。

4.根据权利要求1所述的评估方法，其特征在于，所述将所述无人机低空遥感图像集进行拼接，得到拼接后图像具体包括：

对所述无人机低空遥感图像集进行图像预处理，去除所述无人机低空遥感图像集中的损坏图像，得到预处理后图像集；

将所述预处理后图像集进行图像拼接，得到拼接后图像。

5.根据权利要求1所述的评估方法，其特征在于，所述利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分具体包括：

将所述拼接后图像转换为单波段灰度图像；

对所述单波段灰度图像的像素进行归一化处理，得到归一化图像；

计算所述归一化图像在水平、垂直、主对角线和次对角线四个方向上的MSCN相邻系数的皮尔逊相关系数；

将所述皮尔逊相关系数拟合成非零均值非对称广义高斯分布模型，得到图像空域特征；

将所述图像空域特征输入至支持向量机中，得到图像质量评分；所述图像质量评分越低，则所述拼接后图像的质量越高。

6.一种无人机低空遥感图像拼接质量评估系统，其特征在于，所述评估系统包括：

图像采集模块，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

图像拼接模块，用于将所述无人机低空遥感图像集进行拼接，得到拼接后图像；

质量评估模块，用于利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到图像质量评分，具体包括：将所述拼接后图像转换为单波段灰度图像，利用BRISQUE算法对所述单波段灰度图像进行质量评估，得到图像质量评分。

7.一种无人机低空遥感图像降冗方法，其特征在于，所述降冗方法包括：

利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

以所述预设重叠度的下限作为固定冗余间隔；

根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

判断所述降冗后图像集是否能够完成拼接；

若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。

8.根据权利要求7所述的降冗方法，其特征在于，根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集具体包括：

将所述无人机低空遥感图像集中的遥感图像按照拍摄时间的先后顺序依次排列；

将第一张遥感图像存入降冗后图像集，并以所述第一张遥感图像作为初始图像；

选取所述初始图像后连续的N张遥感图像中图像质量评分最低的遥感图像作为选中图像，将所述选中图像存入降冗后图像集；N的值根据所述固定冗余间隔而确定；

判断所有所述遥感图像是否均被筛选完成；

若否，则以所述选中图像作为下一循环中的初始图像，返回“选取所述初始图像后连续的N张遥感图像中图像质量评分最低的遥感图像作为选中图像”的步骤。

9.根据权利要求7所述的降冗方法，其特征在于，在得到拼接后图像后，所述降冗方法还包括：利用改进后的BRISQUE算法对所述拼接后图像进行质量评估，得到所述拼接后图像的图像质量评分。

10.一种无人机低空遥感图像降冗系统，其特征在于，所述降冗系统包括：

图像采集模块，用于利用无人机在预设重叠度设定下采集地面图像，得到所述预设重叠度下的无人机低空遥感图像集；所述无人机低空遥感图像集包括多张遥感图像，所述遥感图像为可见光图像或多光谱图像；

质量评估模块，用于利用改进后的BRISQUE算法对每一所述遥感图像进行质量评估，得到图像质量评分；

降冗处理模块，用于以所述预设重叠度的下限作为固定冗余间隔；根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理，得到降冗后图像集；

判断模块，用于判断所述降冗后图像集是否能够完成拼接；

返回模块，用于若是，则令所述固定冗余间隔加1，得到新的冗余间隔，并以所述新的冗余间隔作为下一循环的固定冗余间隔，返回“根据所述固定冗余间隔和每一所述遥感图像的图像质量评分，对所述无人机低空遥感图像集进行降冗处理”的步骤；

拼接模块，用于若否，则对上一循环所得到的降冗后图像集进行拼接，得到拼接后图像。