无人机影像序列拼接技术的研究与实现

发布时间：2024-05-11 15:59

　　无人机遥感技术已成为灾后监测、环境勘测等领域获取遥感数据的重要手段,它能及时、准确的获取目标区域的高分辨率影像。但受到无人机飞行高度、相机焦距等的影响,单张影像覆盖的目标区域范围较小,本文通过研究无人机影像序列拼接技术来扩大监测范围。1)研究SURF算法解决存在平移、旋转、缩放、噪声等多种变换的无人机影像序列特征提取问题。通过对比分析的方式重点研究SURF算法比SIFT算法快速的原因。通过分析Harris、SIFT和SURF算法提取特征的实验效果表明,SURF算法提取的特征点稳定且分布均匀合理,该算法鲁棒性高且运算速度相对较快。2)采用最近邻算法实现特征粗匹配,分析并选择透视变换作为影像拼接的变换模型,提出一种双4-RANSAC算法计算变换参数,同时剔除误匹配点对以实现特征精匹配。双4-RANSAC算法是一种改进的RANSAC算法,它首先任选4对匹配点计算模型参数,再增加4对匹配点检验当前模型,若存在一对为非内点则重新选点和计算模型。理论分析和实验结果表明,本文提出的双4-RANSAC算法提高了RANSAC算法的运算效率。3)研究并改进小波变换实现两帧和多帧无人机影像序列融合与拼接。首...

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 主要研究内容
    1.4 论文组织结构
2 UAV影像序列拼接技术
    2.1 系统组成
    2.2 实现流程
    2.3 影像配准技术
        2.3.1 基于灰度信息的影像配准
        2.3.2 基于变换域的影像配准
        2.3.3 基于特征的影像配准
    2.4 影像融合技术
        2.4.1 影像融合层次
        2.4.2 影像融合方法
    2.5 本章小结
3 基于双 4-RANSAC算法的UAV影像序列配准
    3.1 UAV影像特征提取
        3.1.1 Harris算子
        3.1.2 SIFT算法
        3.1.3 SURF算法
    3.2 特征提取实验与结果分析
        3.2.1 特征提取算法对比试验
        3.2.2 特征提取实验结果分析
    3.3 RANSAC算法UAV影像匹配
        3.3.1 最近邻匹配
        3.3.2 RANSAC算法
    3.4 双 4-RANSAC算法UAV影像匹配
        3.4.1 双 4-RANSAC算法原理
        3.4.2 双 4-RANSAC算法效率分析
    3.5 特征匹配实验与结果分析
        3.5.1 特征匹配算法对比试验
        3.5.2 特征匹配实验结果分析
    3.6 本章小结
4 基于改进小波变换的UAV影像序列融合与拼接
    4.1 UAV影像序列拼接模型
    4.2 影像融合质量评价
    4.3 基于空间域的UAV影像融合
        4.3.1 直接平均法
        4.3.2 渐入渐出法
    4.4 基于小波变换的UAV影像融合
        4.4.1 小波变换
        4.4.2 小波变换融合步骤
    4.5 改进融合规则的小波变换融合
        4.5.1 基于NCC的改进加权融合法的低频域融合
        4.5.2 基于区域绝对值最大值法的高频域融合
    4.6 本章小结
5 影像序列融合与UAV拼接实验
    5.1 小波低频域融合实验
    5.2 影像融合实验
    5.3 UAV影像序列拼接实验
    5.4 本章小结
结论
致谢
参考文献
攻读学位期间发表的与学位论文内容相关的学术论文及研究成果



本文编号：3970095