电力巡线单航带无人机影像拼接关键技术

发布时间：2018-07-05 18:41

本文选题：无人机影像 + SIFT算法　；参考：《成都理工大学》2017年硕士论文

【摘要】：近年来,遥感的发展趋势之一就是无人机遥感。无人机遥感是一种新型的遥感方式,相较于卫星遥感等传统遥感手段,无人机遥感具有机动、灵活、成本低、高分辨率等特点,并且在较小区域或传统航测难以到达的地区快速获取高分辨率遥感影像上具有显著优势。尽管无人机遥感优势显著,但在无人机影像后续处理上要比卫片及大飞机影像复杂,影像处理时需要考虑以下几点:第一,在气候条件不佳或飞行情况较差时,获取的无人机影像可能会存在倾角、旋偏角、俯仰角三角元素过大且不规律,航向重叠度过小或不规则,影像亮度、灰度差异大,色彩分布不均匀,地物被云雾遮挡等问题,使得影像之间难以顺利地匹配、拼接,获取的拼接影像变形大,精度低,无法满足实际应用的需求;第二,影像像幅小、数据量较大,单张影像无法覆盖整个研究区,导致后期全景影像获取困难;第三,飞行航线曲折复杂,不同航线会出现交叉等情况,影像的旁向重叠度过小或不规则,相邻航带间无法选取足够数量的连接点,空中三角测量的精度低,不同航带间影像拼接困难。这些问题关乎无人机影像拼接过程的难易、质量的优劣,尤其是对于一些单航带无人机影像的拼接,例如高压输电线路巡视及灾害的应急救援等,为节约巡线成本或提高应急防灾的效率,这些情况下无人机拍摄一般采用单一航带,然而实际航带相对于常规情况下的单航带而言更加曲折、复杂,相应的影像畸变、影像旋偏角、航向重叠度、旁向重叠度等变得更加不规则,后续的影像拼接工作难度很大。因此,无人机影像拼接技术成为无人机遥感技术发展的重中之重,研究具有良好鲁棒性、高效快速的无人机影像拼接算法也显得尤为重要。本文是基于尺度不变特征(Scale-invariant feature transform,SFIT)的影像匹配算法来实现影像拼接,在大量查阅关于无人机影像拼接原理及影像拼接算法资料的基础上,系统的学习了无人机影像快速拼接的关键技术。以VS2010为平台,采用C++语言对影像拼接算法进行实现,并配置OpenCV库函数来提高影像处理代码编译的效率。实验阶段共选取了40组无人机影像数据对SIFT算法进行分析研究,在成果展示上挑选了4组比较有代表性的影像数据进行阐述。主要包含以下几个步骤:影像预处理,局部特征提取和匹配,影像变换参数解算,影像合并,影像融合,输出全幅影像。影像预处理的目的是为了消除无人机影像在获取阶段产生的几何畸变和辐射畸变,以及对影像进行匀光、匀色、去噪等处理,为后期的影像融合拼接做准备。尺度不变特征提取和匹配的任务是通过提取影像特征点和特征符描述,采取适当的搜索策略,在两幅影像重叠区域寻找同名点,然后对匹配点对进行提纯,剔除匹配不成功的点对。在确立了正确的同名点对之后,选取一定数量的点对求解影像间变换矩阵参数,构建影像间的几何变换模型,将影像统一到相同坐标系下,完成影像简易叠加拼接。然后对拼接影像进行融合处理,去除色差、拼接痕迹,最后对影像序列进行拼接处理输出全幅影像。
[Abstract]:In recent years , one of the developing trends of remote sensing is UAV remote sensing . UAV remote sensing is a new type of remote sensing method , the remote sensing of unmanned aerial vehicle ( UAV ) has the characteristics of maneuver , flexibility , low cost , high resolution and so on . In order to eliminate the geometric distortion and radiation distortion caused by unmanned aerial vehicle image , the paper presents the image matching algorithm based on scale - invariant feature transform ( SFIT ) .
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P237;TM755

【参考文献】