本文關(guān)鍵詞： 遙感圖像 特征提取 拓?fù)潢P(guān)系 圖像匹配 仿射變換　出處：《東北大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：地面目標(biāo)定位是無人機(jī)的重要應(yīng)用之一,也是目前網(wǎng)絡(luò)處理和模式識別領(lǐng)域的熱點(diǎn)研究課題之一。傳統(tǒng)的無人機(jī)系統(tǒng)依靠GPS導(dǎo)航定位,當(dāng)GPS失效的情況下,通常利用慣性導(dǎo)航、光電測量等方法進(jìn)行定位,但是這些方法對設(shè)備依賴性較大,易受環(huán)境影響。因此本文提出了基于無人機(jī)航拍圖像與遙感圖像匹配的目標(biāo)定位算法,并通過實(shí)驗(yàn)驗(yàn)證了算法的有效性和優(yōu)越性。本文的工作與成果主要體現(xiàn)在以下幾個(gè)方面：(1)本文提出了利用局部特征和拓?fù)浼s束相結(jié)合的目標(biāo)定位算法框架�；趫D像局部特征實(shí)現(xiàn)關(guān)鍵點(diǎn)的提取和特征描述,再根據(jù)關(guān)鍵點(diǎn)的拓?fù)潢P(guān)系剔除誤匹配點(diǎn),最后通過估計(jì)仿射參數(shù),得到目標(biāo)的準(zhǔn)確位置。由于傳統(tǒng)的特征匹配只利用關(guān)鍵點(diǎn)自身的特征,當(dāng)圖像中存在特征相似的關(guān)鍵點(diǎn)時(shí)就會出現(xiàn)誤匹配,而誤匹配點(diǎn)會嚴(yán)重影響定位精度,所以為了提高定位精度,本文兼顧局部特征和拓?fù)潢P(guān)系,實(shí)驗(yàn)證明,這種方法可以提高最終定位的精度。(2)本文提出利用多尺度FAST檢測圖像角點(diǎn),并利用關(guān)鍵點(diǎn)局部特征SIFT描述子進(jìn)行預(yù)匹配。多尺度FAST克服了算法本身不具有尺度不變性的缺點(diǎn),SIFT描述子的生成過程使關(guān)鍵點(diǎn)的特征向量具有旋轉(zhuǎn)不變性,基于歐式距離的評價(jià)標(biāo)準(zhǔn)對兩幅圖像中的關(guān)鍵點(diǎn)進(jìn)行預(yù)匹配。從實(shí)驗(yàn)可以看出多尺度FAST角點(diǎn)比SIFT極值點(diǎn)具有更高的準(zhǔn)確性、穩(wěn)定性。(3)本文提出了利用Delaunay三角剖分對匹配點(diǎn)進(jìn)行拓?fù)浼s束,剔除誤匹配點(diǎn)。當(dāng)圖像發(fā)生尺度縮放和旋轉(zhuǎn)變化時(shí),關(guān)鍵點(diǎn)內(nèi)部的空間關(guān)系保持不變,待匹配圖像中關(guān)鍵點(diǎn)組成的三角剖分面的邊長與參考圖像中對應(yīng)匹配點(diǎn)構(gòu)成的邊長保持一定的比例關(guān)系,利用兩者之間的比例關(guān)系,將誤匹配點(diǎn)剔除。(4)本文提出了用局部區(qū)域的RANSAC估計(jì)參數(shù)模型,實(shí)現(xiàn)目標(biāo)定位。由于拍攝過程中圖像可能存在畸變,不同區(qū)域的仿射參數(shù)不同,所以用RANSAC估計(jì)目標(biāo)點(diǎn)附近局部區(qū)域的仿射模型,作為該目標(biāo)的仿射模型,最終獲得目標(biāo)在遙感圖像中的位置坐標(biāo),從定位對比實(shí)驗(yàn)可以看出局部RANSAC比全局RANSAC具有更高的準(zhǔn)確性。
[Abstract]:Ground target positioning is one of the important applications of UAV, and it is also one of the hot research topics in the field of network processing and pattern recognition. Traditional UAV systems rely on GPS navigation to locate, and when GPS fails, inertial navigation is usually used. However, these methods are highly dependent on the equipment and easily affected by the environment. Therefore, a target location algorithm based on the matching of aerial and remote sensing images of UAV is proposed in this paper. The effectiveness and superiority of the algorithm are verified by experiments. The work and achievements of this paper are mainly reflected in the following aspects: 1) in this paper, a target localization framework based on local features and topological constraints is proposed. The local feature of the image realizes the extraction and description of the key points. Then the mismatch points are eliminated according to the topological relation of the key points, and the exact position of the target is obtained by estimating the affine parameters. Because the traditional feature matching only uses the features of the key points, In order to improve the location accuracy, the local feature and topological relationship are taken into account in this paper, and the experimental results show that the mismatch will occur when there are some key points similar to the features in the image, and the mismatch points will seriously affect the location accuracy. This method can improve the accuracy of the final location.) in this paper, we propose to use multi-scale FAST to detect image corners. Multi-scale FAST overcomes the shortcoming that the algorithm itself does not have scale invariance. The generation process of sift descriptor makes the feature vector of key points rotation-invariant. Based on the Euclidean distance evaluation criterion, the key points in the two images are pre-matched. It can be seen from the experiments that the multi-scale FAST corner is more accurate than the SIFT extremum. In this paper, we use Delaunay triangulation to constrain the matching points and eliminate the mismatched points. When the image scale is scaled and rotated, the spatial relationship within the key points remains unchanged. The edge length of the triangulation surface formed by the key points in the image to be matched maintains a certain proportion relationship with the length of the corresponding matching point in the reference image. In this paper, the parameter model of RANSAC estimation of local region is proposed to realize target localization. Because of the possible distortion of the image during shooting, the affine parameters of different regions are different. So using RANSAC to estimate the affine model of the local region near the target point, as the affine model of the target, the position coordinates of the target in the remote sensing image can be obtained. From the localization contrast experiment, it can be seen that the local RANSAC is more accurate than the global RANSAC.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉斌;楊小平;任涵文;趙亞平;;基于圖像匹配的自動點(diǎn)膠系統(tǒng)[J];機(jī)械設(shè)計(jì)與制造;2007年09期

2 王琪;李言俊;張科;;具有距離不變性與角度不變性的圖像匹配研究[J];火力與指揮控制;2008年04期

3 鄒建成;趙占軍;;基于突變理論的圖像匹配[J];北方工業(yè)大學(xué)學(xué)報(bào);2010年01期

4 李壯;楊夏;雷志輝;;基于空間子區(qū)一致性的異源圖像匹配方法[J];國防科技大學(xué)學(xué)報(bào);2011年01期

5 張家軍,張莉,賀安之;基于光學(xué)異或邏輯的圖像匹配[J];光學(xué)學(xué)報(bào);1993年03期

6 桂志國,薄瑞峰,韓焱;基于投影特征的圖像匹配的快速算法[J];測試技術(shù)學(xué)報(bào);2000年01期

7 徐寒凌,楊杰,鄧志鵬;基于圖像匹配品質(zhì)評價(jià)的航跡規(guī)劃[J];上海交通大學(xué)學(xué)報(bào);2001年09期

8 鄭軍,諸靜;基于自適應(yīng)遺傳算法的圖像匹配[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2003年06期

9 徐政 ,張純學(xué);自動光電/紅外傳感器圖像匹配[J];飛航導(dǎo)彈;2005年05期

10 熊凌;;計(jì)算機(jī)視覺中的圖像匹配綜述[J];湖北工業(yè)大學(xué)學(xué)報(bào);2006年03期

相關(guān)會議論文 前10條

1 徐煒;賀占莊;黃士坦;;基于模糊相似計(jì)算的快速圖像匹配[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

2 蔣大林;李琳;;圖像匹配技術(shù)的研究[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

3 石鴻雁;貝肇宇;;基于蟻群算法的圖像匹配方法[A];2009中國控制與決策會議論文集（3）[C];2009年

4 徐煒;黃士坦;賀占莊;;基于免疫克隆選擇算法的快速圖像匹配[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

5 牛毅菲;汪渤;苗常青;;圖像匹配方法研究[A];《制造業(yè)自動化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會論文集[C];2004年

6 牛毅菲;汪渤;苗常青;;圖像匹配方法研究[A];先進(jìn)制造技術(shù)論壇暨第三屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2004年

7 熊凌;;計(jì)算機(jī)視覺中的圖像匹配綜述[A];12省區(qū)市機(jī)械工程學(xué)會2006年學(xué)術(shù)年會湖北省論文集[C];2006年

8 唐榕;蔣大林;丁學(xué)爽;;基于角點(diǎn)檢測的圖像匹配方法綜述[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

9 馬苗;鹿艷晶;;基于灰色理論和遺傳算法的快速圖像匹配方法[A];第16屆全國灰色系統(tǒng)學(xué)術(shù)會議論文集[C];2008年

10 繆君;儲s，

本文編號：1523024