【摘要】：隨著無人機技術的迅猛發(fā)展,其作為一種新型遙感平臺具有快速成像、飛行及維護費用低、能獲高分辨率影像等優(yōu)點,現(xiàn)已廣泛應用于農(nóng)林業(yè)、資源勘測、災害預防等諸多領域。尤其在精準農(nóng)業(yè)、病蟲害監(jiān)測、作物產(chǎn)量估測、作物養(yǎng)分分析等方面,已取得了較為理想的應用效果。同時由于我國幅員遼闊,作物種植面積大,無人機在農(nóng)業(yè)方面仍具有非常大的發(fā)展空間。但由于受飛行高度的限制,無人機獲取到的單張遙感影像通常無法包含整個任務區(qū)。所以為了取得整個任務區(qū)遙感影像,需將拍攝到的影像集拼接成一整幅任務區(qū)影像。由于農(nóng)情信息解析是建立在影像拼接的基礎上的,因此拼接質(zhì)量的好壞對農(nóng)情信息解析的準確性起著決定性作用,因而研究適用于大田作物的遙感影像拼接技術具有重要的現(xiàn)實意義。目前遙感影像匹配算法主要有三種:基于灰度信息的影像匹配、基于變換域的影像匹配以及基于影像特征的匹配。尺度不變特征變換(Scale-invariant feature transform,SIFT)算法是基于特征的影像匹配算法中廣泛使用的一種算法,該算法對影像尺度、旋轉(zhuǎn)具有不變性,同時保持了較高的魯棒性,但該算法在處理大田作物遙感影像的過程中出現(xiàn)了特征點提取數(shù)目不足,特征點分布集中,匹配效果差等問題。本文主要對基于SIFT算法的影像匹配技術進行研究,首先簡要介紹了課題研究的背景及意義、國內(nèi)外研究現(xiàn)狀。然后闡述了遙感影像處理的基本理論以及遙感影像匹配的關鍵流程和分類,簡要介紹了幾種應用范圍較廣的配準算法;接下來介紹了標準SIFT算法使用的尺度空間理論、闡述標準SIFT算法的主要思路,構(gòu)造出標準SIFT算法流程圖,詳細說明了標準SIFT算法實現(xiàn)原理中尺度空間構(gòu)建、極值點的檢測、特征點提取、特征描述子生成以及特征點匹配,同時使用大田作物遙感影像對SIFT算法進行實驗,分析了算法的優(yōu)勢及存在的問題,對于標準SIFT算法對低對比度的大田作物遙感影像特征點提取數(shù)目過少,拼接效果差的問題,提出以下優(yōu)化方案:針對大田作物特征點提取數(shù)目過少,細節(jié)丟失嚴重的問題,引入了基于銳化的影像預處理過程,通過使用基于卷積的自定義銳化濾波器增強遙感影像的細節(jié)特征,同時為了防止銳化增強影像噪點,對預處理階段的過程進行了合理規(guī)劃。針對大田作物遙感影像特征點分布過于集中的問題,采用更大的采樣步長來均勻特征點分布,同時為了避免因較大步長而導致的高尺度區(qū)域特征點提取數(shù)目不足,提出了基于影像尺度的方法來自適應修改采樣步長,從而從尺度以及空間兩個方面均勻特征點分布。最后本文以2016~2017年獲取到的水稻低空遙感影像作為影像集,對標準SIFT算法和本文提出的優(yōu)化SIFT算法分別在特征點提取、特征點匹配、旋轉(zhuǎn)魯棒性等方面進行對比實驗。實驗結(jié)果表明改進后的算法在處理低對比度的大田作物時,提取到的特征點的數(shù)量和質(zhì)量明顯提升,得到了較為理想的影像配準效果。
【圖文】：

非線性變換 √ √ √ √ √ √下面將詳細介紹上述四種基本幾何變換原理[46]。（1）剛體變換若影像1I ( x, y )中任意兩點的距離在經(jīng)變換矩陣 H 變換后得到的2I ( x, y )中沒有改變，則將該影像發(fā)生的變換稱作剛體變換。變換矩陣 H 如公式（2-3）所示，二維表達式如公式（2-4）所示。cos sinsin cos0 0 1xymH m （2-322cos sinsin cosx xmxy ymy （2-4式中x2y2表示點xy經(jīng)過變換矩陣 H 變換后的位置， 為變換的旋轉(zhuǎn)角，mxmy為在 x，y方向上的平移量，同時通過公式我們可以知道，剛體變換可帶有平移、旋轉(zhuǎn)、以及鏡像變換，影像剛體變換的效果如圖 2-1 所示。

遙感影像匹配技術概述11 1221 22=0 0 1xyt t mH t t m 2 11 122 21 22xyx xt tmy yt tm 方向上的平移量，，矩陣t11t12t21t22代表影像旋轉(zhuǎn)和放和旋轉(zhuǎn)變換，影像仿射變換的效果如圖 2-2
【學位授予單位】：東北農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP751

【參考文獻】

相關期刊論文 前10條

1 彭興璇;唐雪嬌;董星;;基于改進SIFT算法在圖像匹配中的研究[J];微型機與應用;2015年20期

2 沈夏炯;吳曉洋;韓道軍;;分水嶺分割算法研究綜述[J];計算機工程;2015年10期

3 鄭仕輝;;分布式技術回顧及應用展望[J];金融電子化;2015年06期

4 陳麗芳;劉一鳴;劉淵;;一種結(jié)合SIFT和對應尺度LTP綜合特征的圖像匹配算法[J];計算機工程與科學;2015年03期

5 李宗南;陳仲新;王利民;劉佳;周清波;;基于小型無人機遙感的玉米倒伏面積提取[J];農(nóng)業(yè)工程學報;2014年19期

6 許曉帆;王毅;王永泉;;基于自適應非極大值抑制的SIFT改進算法[J];電子設計工程;2014年18期

7 張采芳;田金文;;基于不變特征檢測的高精度圖像配準方法研究[J];遙感信息;2014年01期

8 李長春;齊修東;雷添杰;馬蕭蕭;;基于改進SURF算法的無人機遙感影像快速拼接[J];地理與地理信息科學;2013年05期

9 白廷柱;侯喜報;;基于SIFT算子的圖像匹配算法研究[J];北京理工大學學報;2013年06期

10 石祥濱;金士玲;王銀斌;;無人機可見光圖像拼接算法的研究[J];遼寧大學學報(自然科學版);2013年02期

相關碩士學位論文 前8條

1 唐坤;尺度不變特征的研究及其在圖像配準中的應用[D];江蘇科技大學;2014年

2 侯曉麗;基于局部特征的圖像匹配算法研究[D];西安電子科技大學;2014年

3 陶冶;基于特征點描述的人臉識別算法研究[D];電子科技大學;2013年

4 賀曉佳;灰度圖像快速匹配算法研究[D];合肥工業(yè)大學;2012年

5 呂海霞;自動圖像配準技術研究[D];西北工業(yè)大學;2007年

6 陳明生;圖像配準技術研究與應用[D];國防科學技術大學;2006年

7 王軍;基于三基色原理的彩色圖象拼接算法改進[D];內(nèi)蒙古工業(yè)大學;2005年

8 王鑫;圖像配準理論及其算法研究[D];哈爾濱工程大學;2005年

本文編號：2621120