基于改进SPHP算法的无人机遥感图像拼接技术

发布时间：2021-02-15 11:21

　　为解决无人机遥感拼接图像易受地貌因素影响,产生形变或重影等问题,提出一种改进SPHP算法。用SURF算法和Harris算法相结合快速提取特征点,将得到的特征点用KNN算法粗匹配,用PROSAC算法进行精匹配,引入权重系数,计算图像重叠区域的空间变换模型,将该模型代替SPHP算法原有空间模型,降低图像重叠区域的重影,使拼接后的图像产生更小的形变。实验结果表明,该算法可以有效去除拼接图像的重影,生成更好的拼接结果。 

【文章来源】：计算机工程与设计. 2020,41(03)北大核心

【文章页数】：6 页

【部分图文】：

3种算法特征点匹配结果对比

综合上述方程式可以推导出fx,gx,fy,gy，α，β，tx,ty。另外，u1,u2作为划分图像区域边界的参数，可以通过改变u1,u2的值使图像在大视差的情况下拼接出更小的形变，其函数E(u1,u2）可以定义为

图像角点也被称为图像中的极值点，它在图像中有着相对突出的属性，因此角点可以作为图像的一种关键特征而应用在图像处理中。常见的角点检测算法有KLT角点检测算法[8]和Harris角点检测算法[9]等，其中Harris算法有着很强的稳定性和抗环境干扰能力，它的光照不变性和旋转仿射不变性相比于其它算法更为突出，但是它的尺度不变性相对较差[10]，并且当目标图像本身含有较大噪声时，用Harris算法处理的图像鲁棒性较差。SURF算法是一种鲁棒性较强的局部特征点检测和描述算法，它可以被看作为是SIFT算法的改进算法，可以提高算法的执行效率，以更高的效率完成特征点的提取，算法速度是SIFT算法的3倍左右[11]。SURF算法的特性能够有效弥补Harris算法的缺点，在他们的共同作用下，可以提高特征点提取时的鲁棒性和尺度不变性。

【参考文献】：
期刊论文
[1]基于彩色和深度信息结合K-means聚类算法快速拼接植株图像[J]. 沈跃,朱嘉慧,刘慧,崔业民,张炳南.  农业工程学报. 2018(23)
[2]改进Harris角点检测算法[J]. 韩松奇,于微波,杨宏涛,王世程.  长春工业大学学报. 2018(05)
[3]一种自适应四叉树分块的图像拼接算法[J]. 王元炜,郁梅,姜浩,邵华.  宁波大学学报(理工版). 2018(04)
[4]基于改进SURF算法的无人机遥感图像拼接方法[J]. 么鸿原,王海鹏,焦莉,林雪原.  海军航空工程学院学报. 2018(02)
[5]改进投影变换和保留结构特征的拼接图像修复算法[J]. 魏启元,吕晓琪,谷宇.  现代电子技术. 2017(23)
[6]基于Hessian正则化的多视图联合非负矩阵分解算法[J]. 王超锋,施俊,吴金杰,朱捷.  计算机工程. 2017(11)
[7]采用改进KLT算法的标志点匹配方法[J]. 于之靖,马凯,王志军,吴军.  激光与光电子学进展. 2018(02)
[8]基于互信息的粒化特征加权多标签学习k近邻算法[J]. 李峰,苗夺谦,张志飞,张维.  计算机研究与发展. 2017(05)
[9]基于ORB特征的无人机遥感图像拼接改进算法[J]. 刘婷婷,张惊雷.  计算机工程与应用. 2018(02)
[10]基于改进SIFT特征的深度图像匹配[J]. 向程谕,王冬丽,李建勋,周彦.  计算机应用. 2016(S2)



本文编号：3034754