【摘要】：隨著社會(huì)經(jīng)濟(jì)的發(fā)展，無(wú)人機(jī)遙感技術(shù)憑借其機(jī)動(dòng)靈活和高效率的優(yōu)勢(shì)，在地質(zhì)環(huán)境監(jiān)測(cè)、災(zāi)害調(diào)查、土地利用動(dòng)態(tài)監(jiān)測(cè)、大地及海面搜索、地形圖更新等領(lǐng)域得到了廣泛的應(yīng)用。但是由于地表形態(tài)變化、氣候變換、高空氣流等的影響，原始圖像數(shù)據(jù)存在像幅較小、數(shù)量較多、航向重疊度和旁向重疊度不規(guī)則等問(wèn)題，實(shí)現(xiàn)其高效的配準(zhǔn)成為應(yīng)用難點(diǎn)。圖像配準(zhǔn)作為圖像處理的一個(gè)重要環(huán)節(jié)，其效果的好壞會(huì)直接影響到后期圖像處理的質(zhì)量，因此研究一種適合于無(wú)人機(jī)遙感圖像的配準(zhǔn)算法具有重要的理論和現(xiàn)實(shí)意義。 本文在研究并實(shí)現(xiàn)傳統(tǒng)SURF配準(zhǔn)算法的基礎(chǔ)上，，提出了一種改進(jìn)算法。主要在兩方面進(jìn)行了改進(jìn)，一方面，針對(duì)其在特征點(diǎn)提取階段存在的缺陷：特征點(diǎn)數(shù)量較少，且提取的特征點(diǎn)不能有效反映圖像的結(jié)構(gòu)特征，提出在多尺度空間進(jìn)行Harris角點(diǎn)檢測(cè)的方法，既能夠保持算法的尺度不變性，又能提取穩(wěn)定數(shù)量的特征點(diǎn)；另一方面，針對(duì)其在特征點(diǎn)匹配階段采用窮舉搜索法耗時(shí)過(guò)長(zhǎng)的問(wèn)題，引進(jìn)KD-Tree搜索策略代替原來(lái)的窮舉法，以提高算法的實(shí)時(shí)性。因此本文算法的具體步驟為：首先利用SURF算法中的積分圖像和箱式濾波器構(gòu)建多尺度空間，并在多尺度空間下進(jìn)行Harris角點(diǎn)檢測(cè)，提取特征點(diǎn)；然后通過(guò)計(jì)算各特征點(diǎn)的Haar小波響應(yīng)值確定主方向，并生成64維SURF描述子；最后運(yùn)用KD-Tree搜索策略找到最近鄰點(diǎn)和次近鄰點(diǎn)，計(jì)算最近鄰點(diǎn)和次近鄰點(diǎn)距離特征點(diǎn)距離的比值，若比值小于本文設(shè)定閾值，則將最近鄰點(diǎn)作為匹配點(diǎn)對(duì)。 實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)的SURF算法，本文改進(jìn)算法在保證算法實(shí)時(shí)性的同時(shí)，提高了配準(zhǔn)精度，保證了無(wú)人機(jī)遙感圖像配準(zhǔn)的穩(wěn)定性和實(shí)時(shí)性。
【圖文】：

圖 2.4 圖像配由圖 2.4 可以看出，圖像特征的提取與適的特征空間和搜索策略，因此圖像特征的研究重點(diǎn)。2.5 圖像配準(zhǔn)算法分類隨著圖像處理技術(shù)的不斷發(fā)展，許多優(yōu)而每種算法都有自己的適用領(lǐng)域，本文將對(duì)按照數(shù)據(jù)結(jié)構(gòu)的不同，圖像配準(zhǔn)算法可準(zhǔn)算法；2）基于特征的圖像配準(zhǔn)算法；3）其進(jìn)行詳細(xì)介紹。一、基于灰度的圖像配準(zhǔn)算法對(duì)基于灰度的圖像配準(zhǔn)算法的研究起步實(shí)現(xiàn)原理簡(jiǎn)單，易于實(shí)現(xiàn)，在圖像配準(zhǔn)發(fā)展

bust Features)算法是由 Herbert Bay 等ale Invariant Feature Transfrorm）算、平移、縮放和噪聲等方面具有較好箱式濾波器，很好的改善了算法的實(shí)空間；2）特征點(diǎn)檢測(cè)；3）特征點(diǎn)nes 提出了積分圖像[48]（Integral Ima應(yīng)用到了箱式濾波器。積分圖像與箱運(yùn)行效率，縮短了運(yùn)行時(shí)間，提高了圖如圖 4.1 所示。
【學(xué)位授予單位】：西安建筑科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張遷,劉政凱,龐彥偉,李威;基于SUSAN算法的航空影像的自動(dòng)配準(zhǔn)[J];測(cè)繪學(xué)報(bào);2003年03期

2 韓文權(quán);任幼蓉;趙少華;;無(wú)人機(jī)遙感在應(yīng)對(duì)地質(zhì)災(zāi)害中的主要應(yīng)用[J];地理空間信息;2011年05期

3 李慧;藺啟忠;劉慶杰;;基于FAST和SURF的遙感圖像自動(dòng)配準(zhǔn)方法[J];國(guó)土資源遙感;2012年02期

4 芮挺;張升Ya;周怞;孫崢;曹鵬;;具有SIFT描述的Harris角點(diǎn)多源圖像配準(zhǔn)[J];光電工程;2012年08期

5 熊云艷;毛宜軍;閔華清;;有序的KD-tree在圖像特征匹配上的應(yīng)用[J];化工自動(dòng)化及儀表;2010年10期

6 張銳娟;張建奇;楊翠;;基于SURF的圖像配準(zhǔn)方法研究[J];紅外與激光工程;2009年01期

7 馬瑞升,孫涵,林宗桂,馬輪基,吳朝暉,黃耀;微型無(wú)人機(jī)遙感影像的糾偏與定位[J];南京氣象學(xué)院學(xué)報(bào);2005年05期

8 張祖勛,張劍清,廖明生,張力;遙感影像的高精度自動(dòng)配準(zhǔn)[J];武漢測(cè)繪科技大學(xué)學(xué)報(bào);1998年04期

9 朱永松,國(guó)澄明;基于相關(guān)系數(shù)的相關(guān)匹配算法的研究[J];信號(hào)處理;2003年06期

10 金偉;葛宏立;杜華強(qiáng);徐小軍;;無(wú)人機(jī)遙感發(fā)展與應(yīng)用概況[J];遙感信息;2009年01期

本文編號(hào)：2535694