低空城区航拍图像的拼接方法研究
发布时间：2021-07-31 13:32
基于传统图像拼接方法对低空航拍图像进行拼接时,因大视差区域的存在,可能会出现局部扭曲、重影或拼接结果非正射的问题。现有方法仅能在一定程度上减小或消除图像视差导致的错切、重影问题,但没有考虑拼接结果正射投影的保留。为了消除大视差区域在图像拼接中的不良影响,生成低空航拍图像的近似正射全景图,本文以低空城区航拍图像为背景,提出大视差补全法（Large-Parallax Patch）。其核心思想是将大视差区域与低地物区分别处理,以此避免大视差对图像拼接的干扰;同时对大视差区域进行筛选,以保证其在拼接结果中有最佳的正射性。因此,本文首先提出了基于特征匹配的大视差区域定位算法:利用VFC算法区分正确、错误匹配点,随后根据大视差区域特征点的匹配和分布情况,采用网格化的方式,通过网格筛选确定大视差区域网格,最后利用区域生长获得完整的大视差区域位置。然后将除大视差区域外的其他区域统一作为低地物区进行拼接,同时从大视差区域序列图像中筛选出正射性最佳的图像,将其修补到低地物区拼接结果图中,得到最终的拼接结果。在不需要DEM数据的情况下,充分利用原始航拍图像自身的信息,生成类似正射影像的全景图。本文还设计实现...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
DOG空间极值点检测Figure2.1DetectthefeaturepointinDOGspace
2航拍图像拼接相关技术简介9图2.2特征点方向直方图Figure2.2Featurepointdirectionhistogram④特征描述符的定义求得了特征点的尺度、位置和方向信息后，需根据这些信息为特征点定义一个完整的特征描述向量。以具体的某一特征点为中心点取8×8的正方形区域。再将该区域平均分为四个的小正方形区域。然后将像素点梯度模进行高斯加权，减少远离该特征的点对描述所占权重，提高特征描述的稳定性。图2.3特征描述符Figure2.3Featuredescriptor通过上述步骤得到的加权范围如图2.3左侧蓝色圆圈所示，生成四个描述符如图2.3右侧所示，梯度方向由矢量指向来表示，最后用一个128（4×4×8）维向量来表示和描述所提取到的SIFT特征。可以发现SIFT特征虽然稳定，但是提取和描述还是较为复杂的，运算起来比较耗时。2.1.2SURF特征与SIFT算法相比，SURF特征检测算法的主要不同在于：加入了积分图像的思想、对于角点的检测则利用了Hessian矩阵，同时对特征的描述采用了低维的向量，显著提升了算法在运行时的速度。
2航拍图像拼接相关技术简介9图2.2特征点方向直方图Figure2.2Featurepointdirectionhistogram④特征描述符的定义求得了特征点的尺度、位置和方向信息后，需根据这些信息为特征点定义一个完整的特征描述向量。以具体的某一特征点为中心点取8×8的正方形区域。再将该区域平均分为四个的小正方形区域。然后将像素点梯度模进行高斯加权，减少远离该特征的点对描述所占权重，提高特征描述的稳定性。图2.3特征描述符Figure2.3Featuredescriptor通过上述步骤得到的加权范围如图2.3左侧蓝色圆圈所示，生成四个描述符如图2.3右侧所示，梯度方向由矢量指向来表示，最后用一个128（4×4×8）维向量来表示和描述所提取到的SIFT特征。可以发现SIFT特征虽然稳定，但是提取和描述还是较为复杂的，运算起来比较耗时。2.1.2SURF特征与SIFT算法相比，SURF特征检测算法的主要不同在于：加入了积分图像的思想、对于角点的检测则利用了Hessian矩阵，同时对特征的描述采用了低维的向量，显著提升了算法在运行时的速度。
【参考文献】：
期刊论文
[1]面阵摆扫航空相机序列图像的大区域无缝拼接[J]. 杨国鹏,周欣,韦红波,邢平. 测绘科学. 2020(03)
[2]一种改进的无人机序列影像快速拼接方法研究[J]. 王冬梅,陈普智. 黄河水利职业技术学院学报. 2020(01)
[3]建筑物LiDAR点云三维结构化重建与多细节层次表达[J]. 胡平波. 地理与地理信息科学. 2019(04)
[4]基于低空无人机影像的城市三维建模精度评估[J]. 毕洪基,杨荣帮. 北京测绘. 2019(05)
[5]网格形变细分的大视差图像拼接算法[J]. 齐向明,王佳琦. 计算机工程. 2020(01)
[6]具有直线结构保护的网格化图像拼接[J]. 何川,周军. 中国图象图形学报. 2018(07)
[7]低空林地航拍图像拼接的改进缝合线算法[J]. 张帆,付慧,杨刚. 北京林业大学学报. 2018(05)
[8]针对大视差图像拼接的显性子平面配准[J]. 薛佳乐,赵萌,张哲,程徐,陈胜勇. 中国图象图形学报. 2018(03)
[9]无人机航拍图像拼接的研究与实现[J]. 肖映彩,徐光辉,朱森. 通信技术. 2016(08)
[10]卫星遥感影像的区域正射纠正[J]. 汪韬阳,张过,李德仁,唐新明. 武汉大学学报(信息科学版). 2014(07)
博士论文
[1]无人机遥感图像拼接关键技术研究[D]. 贾银江.东北农业大学 2016
[2]基于非参数模型的点集匹配算法研究[D]. 马佳义.华中科技大学 2014
[3]基于特征点的图像配准与拼接技术研究[D]. 杨占龙.西安电子科技大学 2008
硕士论文
[1]基于无人机航拍图像的拼接算法研究[D]. 王亚洲.北京工业大学 2018
[2]无人机遥感影像拼接技术的研究及实现[D]. 孙亚杰.西安科技大学 2018
[3]无人机影像滤波分频拼接算法研究[D]. 李婉.武汉大学 2017
[4]无人机航拍图像拼接关键技术研究[D]. 李银.重庆邮电大学 2017
[5]基于特征的航拍图像拼接技术研究[D]. 庞兆峰.北京理工大学 2016
[6]低空航拍图像正射全景拼图方法研究[D]. 魏巍.国防科学技术大学 2015
本文编号：3313560
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
DOG空间极值点检测Figure2.1DetectthefeaturepointinDOGspace
2航拍图像拼接相关技术简介9图2.2特征点方向直方图Figure2.2Featurepointdirectionhistogram④特征描述符的定义求得了特征点的尺度、位置和方向信息后，需根据这些信息为特征点定义一个完整的特征描述向量。以具体的某一特征点为中心点取8×8的正方形区域。再将该区域平均分为四个的小正方形区域。然后将像素点梯度模进行高斯加权，减少远离该特征的点对描述所占权重，提高特征描述的稳定性。图2.3特征描述符Figure2.3Featuredescriptor通过上述步骤得到的加权范围如图2.3左侧蓝色圆圈所示，生成四个描述符如图2.3右侧所示，梯度方向由矢量指向来表示，最后用一个128（4×4×8）维向量来表示和描述所提取到的SIFT特征。可以发现SIFT特征虽然稳定，但是提取和描述还是较为复杂的，运算起来比较耗时。2.1.2SURF特征与SIFT算法相比，SURF特征检测算法的主要不同在于：加入了积分图像的思想、对于角点的检测则利用了Hessian矩阵，同时对特征的描述采用了低维的向量，显著提升了算法在运行时的速度。
2航拍图像拼接相关技术简介9图2.2特征点方向直方图Figure2.2Featurepointdirectionhistogram④特征描述符的定义求得了特征点的尺度、位置和方向信息后，需根据这些信息为特征点定义一个完整的特征描述向量。以具体的某一特征点为中心点取8×8的正方形区域。再将该区域平均分为四个的小正方形区域。然后将像素点梯度模进行高斯加权，减少远离该特征的点对描述所占权重，提高特征描述的稳定性。图2.3特征描述符Figure2.3Featuredescriptor通过上述步骤得到的加权范围如图2.3左侧蓝色圆圈所示，生成四个描述符如图2.3右侧所示，梯度方向由矢量指向来表示，最后用一个128（4×4×8）维向量来表示和描述所提取到的SIFT特征。可以发现SIFT特征虽然稳定，但是提取和描述还是较为复杂的，运算起来比较耗时。2.1.2SURF特征与SIFT算法相比，SURF特征检测算法的主要不同在于：加入了积分图像的思想、对于角点的检测则利用了Hessian矩阵，同时对特征的描述采用了低维的向量，显著提升了算法在运行时的速度。
【参考文献】：
期刊论文
[1]面阵摆扫航空相机序列图像的大区域无缝拼接[J]. 杨国鹏,周欣,韦红波,邢平. 测绘科学. 2020(03)
[2]一种改进的无人机序列影像快速拼接方法研究[J]. 王冬梅,陈普智. 黄河水利职业技术学院学报. 2020(01)
[3]建筑物LiDAR点云三维结构化重建与多细节层次表达[J]. 胡平波. 地理与地理信息科学. 2019(04)
[4]基于低空无人机影像的城市三维建模精度评估[J]. 毕洪基,杨荣帮. 北京测绘. 2019(05)
[5]网格形变细分的大视差图像拼接算法[J]. 齐向明,王佳琦. 计算机工程. 2020(01)
[6]具有直线结构保护的网格化图像拼接[J]. 何川,周军. 中国图象图形学报. 2018(07)
[7]低空林地航拍图像拼接的改进缝合线算法[J]. 张帆,付慧,杨刚. 北京林业大学学报. 2018(05)
[8]针对大视差图像拼接的显性子平面配准[J]. 薛佳乐,赵萌,张哲,程徐,陈胜勇. 中国图象图形学报. 2018(03)
[9]无人机航拍图像拼接的研究与实现[J]. 肖映彩,徐光辉,朱森. 通信技术. 2016(08)
[10]卫星遥感影像的区域正射纠正[J]. 汪韬阳,张过,李德仁,唐新明. 武汉大学学报(信息科学版). 2014(07)
博士论文
[1]无人机遥感图像拼接关键技术研究[D]. 贾银江.东北农业大学 2016
[2]基于非参数模型的点集匹配算法研究[D]. 马佳义.华中科技大学 2014
[3]基于特征点的图像配准与拼接技术研究[D]. 杨占龙.西安电子科技大学 2008
硕士论文
[1]基于无人机航拍图像的拼接算法研究[D]. 王亚洲.北京工业大学 2018
[2]无人机遥感影像拼接技术的研究及实现[D]. 孙亚杰.西安科技大学 2018
[3]无人机影像滤波分频拼接算法研究[D]. 李婉.武汉大学 2017
[4]无人机航拍图像拼接关键技术研究[D]. 李银.重庆邮电大学 2017
[5]基于特征的航拍图像拼接技术研究[D]. 庞兆峰.北京理工大学 2016
[6]低空航拍图像正射全景拼图方法研究[D]. 魏巍.国防科学技术大学 2015
本文编号：3313560
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3313560.html
最近更新
教材专著
