基于改进SURF算法无人机影像特征匹配的研究

发布时间：2021-07-27 06:34

　　由于无人机受相机广角和飞行高度的限制,单张影像无法拍摄整个农田形状,导致无法准确测量农田实际面积。为此,基于图像特征匹配技术,提出改进SURF算法,用于无人机影像拼接。该算法针对传统SURF算法初始特征点选取精度不足的问题提出改进方案,优化高斯模糊的过程,进而形成新的尺度空间生成方式。通过在实验基地试验得出:本研究提出的改进SURF算法比传统SURF算法特征点在卷积核尺寸为3×3时,70 m、120 m高空的匹配率分别提升4.7%和5.3%;在卷积核尺寸为5×5时,70 m、120 m高空的匹配率分别提升4.0%和4.3%。本研究将改进后的SURF算法用于后期图像拼接中,经试验对比发现:改进的SURF算法在图片拼接处衔接程度明显提升,得到匹配精度更优的拼接图像。 

【文章来源】：中国农机化学报. 2020,41(02)北大核心

【文章页数】：8 页

【部分图文】：

70m高空两种算法特征点检测图

当无人机飞行高度上升到120 m,传统的SURF算法与改进SURF算法的图像特征点检测结果对比如图2所示。基于上述得到飞行高度为分别为70 m、120 m,卷积核大小分别为3×3、5×5时两种算法的特征点检测结果对比图,本研究使用Visio studio 2010,搭载opencv2.4.9插件,对得到的特征点进行了匹配,得到图3～图4所示的两种飞行高度下,传统SURF算法与改进SURF算法基于两种卷积核大小时图像特征点匹配效果。当无人机飞行高度为70 m,卷积核大小为3×3时,改进的SURF算法检测的特征点个数明显多于传统SURF算法,由于所测农田特征点较为相似,所以两种算法的特征点匹配对数从图片中观察差异不明显;当飞行高度不变,卷积核大小变为5×5时,两种算法检测的特征点个数和特征点匹配对数均有明显减少。

基于上述得到飞行高度为分别为70 m、120 m,卷积核大小分别为3×3、5×5时两种算法的特征点检测结果对比图,本研究使用Visio studio 2010,搭载opencv2.4.9插件,对得到的特征点进行了匹配,得到图3～图4所示的两种飞行高度下,传统SURF算法与改进SURF算法基于两种卷积核大小时图像特征点匹配效果。当无人机飞行高度为70 m,卷积核大小为3×3时,改进的SURF算法检测的特征点个数明显多于传统SURF算法,由于所测农田特征点较为相似,所以两种算法的特征点匹配对数从图片中观察差异不明显;当飞行高度不变,卷积核大小变为5×5时,两种算法检测的特征点个数和特征点匹配对数均有明显减少。图4 120m高空两种算法特征点匹配图

【参考文献】：
期刊论文
[1]基于RGB图像处理的烟叶水分无损检测方法研究[J]. 张娟利,宋朝阳,韩文霆,尚晓明,刘治开.  中国农机化学报. 2019(05)
[2]无人机遥感技术在测绘工程测量中的应用分析[J]. 张志辉,罗玉凤.  科技风. 2019(08)
[3]基于无人机遥感影像监测土地整治项目道路沟渠利用情况[J]. 顾铮鸣,金晓斌,杨晓艳,赵庆利,蒋宇超,韩博,单薇,刘晶,周寅康.  农业工程学报. 2018(23)
[4]基于无人机遥感影像的玉米苗期株数信息提取[J]. 刘帅兵,杨贵军,周成全,景海涛,冯海宽,徐波,杨浩.  农业工程学报. 2018(22)
[5]改进的SURF特征提取与匹配算法[J]. 张晓宇,何文思,段红燕,魏松涛.  机械设计与制造工程. 2018(11)
[6]基于无人机测绘的地理信息定位技术[J]. 王怀宝.  现代电子技术. 2018(22)
[7]尺度FAST结合改进LBP的特征匹配方法[J]. 程德强,李岩,许超,赵广源.  煤炭技术. 2018(10)
[8]基于改进SURF的遥感图像目标识别[J]. 闫敬文,王宏志,林哲,张宗念.  扬州大学学报(自然科学版). 2018(03)
[9]融合Harris-Laplace算子的SURF算法与无人机影像匹配[J]. 蔡香玉,盛业华,黄毅,张卡,吕海洋.  测绘科学. 2018(11)
[10]基于无人机遥感与植被指数的冬小麦覆盖度提取方法[J]. 牛亚晓,张立元,韩文霆,邵国敏.  农业机械学报. 2018(04)

硕士论文
[1]无人机影像序列拼接技术的研究与实现[D]. 潘梅.西南科技大学 2015



本文编号：3305282