基于ORB和改进RANSAC的无人机遥感图像配准算法

发布时间：2021-05-22 17:14

　　针对无人机遥感图像配准对于实时性和稳健性的要求,提出了一种基于ORB（Oriented FAST and rotated BRIEF）和改进RANSAC的无人机遥感图像配准算法。首先通过ORB算法快速进行特征检测和特征描述;接着使用正反双向匹配和余弦相似度方法进行特征点粗匹配;最后,结合空间一致性检测理论、PROSAC（Progressive sampling consensus）算法和L-M（Levenberg-Marquardt）算法来综合改进传统RANSAC（Random sample consensus）算法,对匹配点对进行了提纯并计算出变换矩阵。实验结果表明,本文改进算法的匹配正确率和配准精度分别达到了97.8%和0.563,较ORB+RANSAC算法提高了7.5%和20.6%,较ORB+PROSAC算法提高了4.3%和10.1%。在提纯耗时方面,改进RANSAC算法耗时最短,约占传统RANSAC算法耗时的68.3%和PROSAC算法耗时的90.1%,有效提高了无人机遥感图像配准工作的速度和精度。 

【文章来源】：黑龙江大学自然科学学报. 2020,37(05)

【文章页数】：8 页

【文章目录】：
0 引 言
1 ORB算法特征提取
    1.1 FAST角点检测
    1.2 ORB特征点描述
2 特征点粗匹配
    2.1 正反双向匹配
    2.2 余弦相似度提纯
3 改进RANSAC算法精匹配
    3.1 传统RANSAC算法
    3.2 改进RANSAC算法
        3.2.1 空间一致性检测
        3.2.2 PROSAC算法求解初始变换矩阵
        3.2.3 L-M算法提纯变换矩阵
4 实验结果对比分析
    4.1 图像粗匹配实验对比
    4.2 图像精匹配实验对比
    4.3 配准效果实验对比
5 结 论


【参考文献】：
期刊论文
[1]图像拼接技术综述[J]. 裴红星,刘金达,葛佳隆,张斌.  郑州大学学报(理学版). 2019(04)
[2]基于优化ORB算法的遥感图像精确配准技术[J]. 黄涛,武卫东.  现代电子技术. 2019(09)
[3]中国无人机遥感技术突破与产业发展综述[J]. 晏磊,廖小罕,周成虎,樊邦奎,龚健雅,崔鹏,郑玉权,谭翔.  地球信息科学学报. 2019(04)
[4]基于ORB与RANSAC融合改进的图像配准[J]. 樊彦国,柴江龙,许明明,王斌,侯秋实.  光学精密工程. 2019(03)
[5]基于改进ORB的警用无人机图像配准方法[J]. 王文爽,孙伟,王帅.  计算机工程与设计. 2019(01)
[6]改进模型估计的无人机侦察视频快速拼接方法[J]. 孙世宇,张岩,胡永江,李建增.  红外与激光工程. 2018(09)
[7]基于SURB结合随机抽样一致算法在鞋面匹配中的应用[J]. 景军锋,谢佳,李鹏飞.  激光与光电子学进展. 2018(01)
[8]基于改进ORB和对称匹配的图像特征点匹配[J]. 陈天华,王福龙,张彬彬.  计算机系统应用. 2016(05)

硕士论文
[1]无人机光学遥感图像配准方法研究[D]. 王枭.电子科技大学 2020



本文编号：3201373