无人机低空遥感影像拼接方法的研究
发布时间：2021-01-31 17:58
无人机遥感是作为一种新型的遥感技术手段,具有高效和灵活的机动性能、作业速度快、成本及分辨率高等优势。经过近几年的迅速发展,应用领域已经日益扩大。无人机遥感技术在诸多领域都有着十分广泛的应用,主要包括减灾救灾、农业植保、电力巡检、土地治理、河流调查等方面。但是,由于无人机遥感系统在进行航拍的过程中,往往会受到飞行高度和相机焦距等各种因素的制约,从而导致所获得的单幅图像覆盖面积较小,通常无法包含整个所要求的目标区域,因此,为了得到整个目标区域影像信息,就需要将获取的多张无人机遥感影像拼接融合成为一幅全景影像。本文首先简要的介绍了无人机的系统组成、无人机遥感影像拼接技术的研究背景和意义,以及国内外图像拼接以及无人机遥感影像拼接的研究现状,然后从无人机遥感影像的拼接流程详细地阐述了各个拼接环节的理论知识和实验分析。本文的主要研究内容如下:（1）概括地介绍了图像拼接技术的相关理论,包括图像拼接的定义、基本流程,图像配准技术的分类,以及图像融合的基本理论技术与方法。（2）详细地介绍了三种常见的特征点提取算法—SIFT算法、SURF算法、ORB算法,并通过相应的实验进行分析比较各个特征点提取算法的适...
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
无人机遥感影像经过SIFT算法特征匹配图
桂林理工大学硕士学位论文20如图3.4所示，左图像的中心是当前特征点所在的位置，每一个小单元格表示特征点邻域所在的尺度空间中的像素。首先确定每个像素的梯度大小和梯度方向，箭头的方向表示像素的梯度方向，长度表示梯度大小，然后将高斯窗口对齐用于加权操作。最后，在每个44小单元格上绘制出8个方向上的梯度直方图，并且将每个梯度方向的分别进行累加处理，以便形成种子。在点的构成中，每个种子点包含8个与主方向不同的矢量信息方向。此时，每个种子点区域的梯度直方图在。。360~0被分成8个方向间隔，每个方向间隔为45度。在实际的运算过程中，为了增强匹配的鲁棒性，每个特征点用44共16个种子点进行描述，如此一来，一个特征点便形成了128844维特征描述矢量。3.1.5SIFT算法实验图3.5是使用SIFT算法提取无人机遥感影像的特征向量的检测结果，两幅影像构成一个像对，左图一共检测出3840个特征点，右图一共检测出4392个特征点，图中箭头的起点表示特征点所在的位置，箭头方向表示特征点的主方向。图3.6是无人机遥感影像经过SIFT特征算法匹配的结果，关于特征匹配的详细步骤将在下一章节进行详细讨论。结合图3.6和图3.7可以看出SIFT算法能够很好的提取无人机遥感影像的特征信息，但在匹配的过程中也存在一些误匹配的点，而且由于SIFT算法的运算速度较慢，特征点提取的效率不高。图3.6无人机遥感影像经过SIFT算法特征匹配图图3.5无人机遥感影像经过SIFT算法特征提取
桂林理工大学硕士学位论文26图3.13无人机遥感影像经过SURF特征点提取图3.13是无人机遥感影像经过SURF算法特征提取的检测结果，两幅影像组成一个像对，左图一共检测出2307个特征点，右图一共检测出2069个特征点，图中圆的半径代表尺度，半径方向代表特征点的主方向。图3.14是无人机遥感影像经过SURF算法特征匹配之后的结果图。结合图3.13和3.14可知，SURF算法也存在着少量的误匹配点，但是特征提取的效率要比之SIFT算法有所提高。3.3ORB算法ORB（OrientedFASTandRotatedBRIEF）特征点检测算法是由EthanRublee[38]于2011年在ICCV上提出的，该特征点检测算法是基于FAST算法和BRIEF算法的基础上提出的一种新的算法。该算法在实际运用的过程中被证明是一种在检测上有着较好表现的一种特征点检测算法。3.3.1FAST算法FAST检测算法是由EdwardRosten等人于2006年提出的，并在2010年对其进行了修改，该算法是只是一种特征点检测算法，但是无法实现特征描述处理。FAST算法进行特征点检测的主要步骤如下[48,49]：假定点q是图像I中的一个像素点，该点的像素值记为qI,同时设置一个像素强度阈值T。如果在圆中存在n个连续的像素，这些像素的比候选像素qI的强度加上阈值t更亮，或者全部比qI减去阈值T要暗，如图3.15所示。图3.14无人机遥感影像经过SURF算法特征匹配图
【参考文献】：
期刊论文
[1]单应性矩阵的无人机遥感影像拼接方法[J]. 范军,左小清,李泽,布金伟,凌涛. 测绘科学. 2018(06)
[2]基于视觉slam的无人机序列影像快速拼接[J]. 李登峰,马跃龙,陈丁,万刚. 系统仿真学报. 2017(S1)
[3]基于SURF算法和改进RANSAC算法的无人机影像匹配[J]. 孙灏,高俊强,许苏苏. 测绘工程. 2017(11)
[4]无人机遥感在生态学中的应用进展[J]. 胡健波,张健. 生态学报. 2018(01)
[5]基于改进加权算法的实时图像数据融合研究[J]. 方赵林,彭洁,葛春霞,秦绪佳. 浙江工业大学学报. 2017(03)
[6]基于区域灰度变化的自适应FAST角点检测算法[J]. 刘亮,王平,孙亮. 微电子学与计算机. 2017(03)
[7]基于图像结构与改进Brief检测算子的目标匹配算法[J]. 李莉. 国外电子测量技术. 2017(02)
[8]基于AKAZE算法的图像拼接研究[J]. 闫璠,张莹,高赢,涂勇涛,张东波. 电子测量与仪器学报. 2017(01)
[9]图像局部特征自适应的快速SIFT图像拼接方法[J]. 陈月,赵岩,王世刚. 中国光学. 2016(04)
[10]基于PCA-PSO的图像匹配和拼接[J]. 汪丹,刘辉,李可,周威. 微电子学与计算机. 2016(08)
博士论文
[1]基于点线特征匹配的无人机影像拼接技术[D]. 何敬.西南交通大学 2013
[2]图像拼接技术的研究、实现与应用[D]. 曾霖.武汉大学 2012
硕士论文
[1]基于改进SURF算法图像匹配方法研究[D]. 储蓄.安徽理工大学 2017
[2]基于无人机的低空遥感影像拼接技术的研究[D]. 何雅.吉林大学 2016
[3]无人机遥感影像点特征匹配算法研究[D]. 张一.解放军信息工程大学 2015
[4]基于LSH的分布式相似图像存储及查询系统的设计与实现[D]. 陈玉.哈尔滨工业大学 2014
[5]无人机遥感图像拼接技术研究[D]. 李二俊.长安大学 2013
[6]无人机序列影像匹配及拼接方法研究[D]. 刘有.中南大学 2012
[7]RANSAC算法及其在遥感图像处理中的应用[D]. 宋卫艳.华北电力大学（北京） 2011
[8]图像拼接算法研究[D]. 刘冬梅.西安电子科技大学 2008
[9]像素级图像融合方法研究及其性能分析[D]. 孟芳兵.武汉理工大学 2007
本文编号：3011332
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
无人机遥感影像经过SIFT算法特征匹配图
桂林理工大学硕士学位论文20如图3.4所示，左图像的中心是当前特征点所在的位置，每一个小单元格表示特征点邻域所在的尺度空间中的像素。首先确定每个像素的梯度大小和梯度方向，箭头的方向表示像素的梯度方向，长度表示梯度大小，然后将高斯窗口对齐用于加权操作。最后，在每个44小单元格上绘制出8个方向上的梯度直方图，并且将每个梯度方向的分别进行累加处理，以便形成种子。在点的构成中，每个种子点包含8个与主方向不同的矢量信息方向。此时，每个种子点区域的梯度直方图在。。360~0被分成8个方向间隔，每个方向间隔为45度。在实际的运算过程中，为了增强匹配的鲁棒性，每个特征点用44共16个种子点进行描述，如此一来，一个特征点便形成了128844维特征描述矢量。3.1.5SIFT算法实验图3.5是使用SIFT算法提取无人机遥感影像的特征向量的检测结果，两幅影像构成一个像对，左图一共检测出3840个特征点，右图一共检测出4392个特征点，图中箭头的起点表示特征点所在的位置，箭头方向表示特征点的主方向。图3.6是无人机遥感影像经过SIFT特征算法匹配的结果，关于特征匹配的详细步骤将在下一章节进行详细讨论。结合图3.6和图3.7可以看出SIFT算法能够很好的提取无人机遥感影像的特征信息，但在匹配的过程中也存在一些误匹配的点，而且由于SIFT算法的运算速度较慢，特征点提取的效率不高。图3.6无人机遥感影像经过SIFT算法特征匹配图图3.5无人机遥感影像经过SIFT算法特征提取
桂林理工大学硕士学位论文26图3.13无人机遥感影像经过SURF特征点提取图3.13是无人机遥感影像经过SURF算法特征提取的检测结果，两幅影像组成一个像对，左图一共检测出2307个特征点，右图一共检测出2069个特征点，图中圆的半径代表尺度，半径方向代表特征点的主方向。图3.14是无人机遥感影像经过SURF算法特征匹配之后的结果图。结合图3.13和3.14可知，SURF算法也存在着少量的误匹配点，但是特征提取的效率要比之SIFT算法有所提高。3.3ORB算法ORB（OrientedFASTandRotatedBRIEF）特征点检测算法是由EthanRublee[38]于2011年在ICCV上提出的，该特征点检测算法是基于FAST算法和BRIEF算法的基础上提出的一种新的算法。该算法在实际运用的过程中被证明是一种在检测上有着较好表现的一种特征点检测算法。3.3.1FAST算法FAST检测算法是由EdwardRosten等人于2006年提出的，并在2010年对其进行了修改，该算法是只是一种特征点检测算法，但是无法实现特征描述处理。FAST算法进行特征点检测的主要步骤如下[48,49]：假定点q是图像I中的一个像素点，该点的像素值记为qI,同时设置一个像素强度阈值T。如果在圆中存在n个连续的像素，这些像素的比候选像素qI的强度加上阈值t更亮，或者全部比qI减去阈值T要暗，如图3.15所示。图3.14无人机遥感影像经过SURF算法特征匹配图
【参考文献】：
期刊论文
[1]单应性矩阵的无人机遥感影像拼接方法[J]. 范军,左小清,李泽,布金伟,凌涛. 测绘科学. 2018(06)
[2]基于视觉slam的无人机序列影像快速拼接[J]. 李登峰,马跃龙,陈丁,万刚. 系统仿真学报. 2017(S1)
[3]基于SURF算法和改进RANSAC算法的无人机影像匹配[J]. 孙灏,高俊强,许苏苏. 测绘工程. 2017(11)
[4]无人机遥感在生态学中的应用进展[J]. 胡健波,张健. 生态学报. 2018(01)
[5]基于改进加权算法的实时图像数据融合研究[J]. 方赵林,彭洁,葛春霞,秦绪佳. 浙江工业大学学报. 2017(03)
[6]基于区域灰度变化的自适应FAST角点检测算法[J]. 刘亮,王平,孙亮. 微电子学与计算机. 2017(03)
[7]基于图像结构与改进Brief检测算子的目标匹配算法[J]. 李莉. 国外电子测量技术. 2017(02)
[8]基于AKAZE算法的图像拼接研究[J]. 闫璠,张莹,高赢,涂勇涛,张东波. 电子测量与仪器学报. 2017(01)
[9]图像局部特征自适应的快速SIFT图像拼接方法[J]. 陈月,赵岩,王世刚. 中国光学. 2016(04)
[10]基于PCA-PSO的图像匹配和拼接[J]. 汪丹,刘辉,李可,周威. 微电子学与计算机. 2016(08)
博士论文
[1]基于点线特征匹配的无人机影像拼接技术[D]. 何敬.西南交通大学 2013
[2]图像拼接技术的研究、实现与应用[D]. 曾霖.武汉大学 2012
硕士论文
[1]基于改进SURF算法图像匹配方法研究[D]. 储蓄.安徽理工大学 2017
[2]基于无人机的低空遥感影像拼接技术的研究[D]. 何雅.吉林大学 2016
[3]无人机遥感影像点特征匹配算法研究[D]. 张一.解放军信息工程大学 2015
[4]基于LSH的分布式相似图像存储及查询系统的设计与实现[D]. 陈玉.哈尔滨工业大学 2014
[5]无人机遥感图像拼接技术研究[D]. 李二俊.长安大学 2013
[6]无人机序列影像匹配及拼接方法研究[D]. 刘有.中南大学 2012
[7]RANSAC算法及其在遥感图像处理中的应用[D]. 宋卫艳.华北电力大学（北京） 2011
[8]图像拼接算法研究[D]. 刘冬梅.西安电子科技大学 2008
[9]像素级图像融合方法研究及其性能分析[D]. 孟芳兵.武汉理工大学 2007
本文编号：3011332
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3011332.html
