【摘要】：隨著無(wú)人機(jī)技術(shù)的迅猛發(fā)展,其作為一種新型遙感平臺(tái)具有快速成像、飛行及維護(hù)費(fèi)用低、能獲高分辨率影像等優(yōu)點(diǎn),現(xiàn)已廣泛應(yīng)用于農(nóng)林業(yè)、資源勘測(cè)、災(zāi)害預(yù)防等諸多領(lǐng)域。尤其在精準(zhǔn)農(nóng)業(yè)、病蟲(chóng)害監(jiān)測(cè)、作物產(chǎn)量估測(cè)、作物養(yǎng)分分析等方面,已取得了較為理想的應(yīng)用效果。同時(shí)由于我國(guó)幅員遼闊,作物種植面積大,無(wú)人機(jī)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(wú)人機(jī)獲取到的單張遙感影像通常無(wú)法包含整個(gè)任務(wù)區(qū)。所以為了取得整個(gè)任務(wù)區(qū)遙感影像,需將拍攝到的影像集拼接成一整幅任務(wù)區(qū)影像。由于農(nóng)情信息解析是建立在影像拼接的基礎(chǔ)上的,因此拼接質(zhì)量的好壞對(duì)農(nóng)情信息解析的準(zhǔn)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(shù)具有重要的現(xiàn)實(shí)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(duì)影像尺度、旋轉(zhuǎn)具有不變性,同時(shí)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(guò)程中出現(xiàn)了特征點(diǎn)提取數(shù)目不足,特征點(diǎn)分布集中,匹配效果差等問(wèn)題。本文主要對(duì)基于SIFT算法的影像匹配技術(shù)進(jìn)行研究,首先簡(jiǎn)要介紹了課題研究的背景及意義、國(guó)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(guān)鍵流程和分類(lèi),簡(jiǎn)要介紹了幾種應(yīng)用范圍較廣的配準(zhǔn)算法;接下來(lái)介紹了標(biāo)準(zhǔn)SIFT算法使用的尺度空間理論、闡述標(biāo)準(zhǔn)SIFT算法的主要思路,構(gòu)造出標(biāo)準(zhǔn)SIFT算法流程圖,詳細(xì)說(shuō)明了標(biāo)準(zhǔn)SIFT算法實(shí)現(xiàn)原理中尺度空間構(gòu)建、極值點(diǎn)的檢測(cè)、特征點(diǎn)提取、特征描述子生成以及特征點(diǎn)匹配,同時(shí)使用大田作物遙感影像對(duì)SIFT算法進(jìn)行實(shí)驗(yàn),分析了算法的優(yōu)勢(shì)及存在的問(wèn)題,對(duì)于標(biāo)準(zhǔn)SIFT算法對(duì)低對(duì)比度的大田作物遙感影像特征點(diǎn)提取數(shù)目過(guò)少,拼接效果差的問(wèn)題,提出以下優(yōu)化方案:針對(duì)大田作物特征點(diǎn)提取數(shù)目過(guò)少,細(xì)節(jié)丟失嚴(yán)重的問(wèn)題,引入了基于銳化的影像預(yù)處理過(guò)程,通過(guò)使用基于卷積的自定義銳化濾波器增強(qiáng)遙感影像的細(xì)節(jié)特征,同時(shí)為了防止銳化增強(qiáng)影像噪點(diǎn),對(duì)預(yù)處理階段的過(guò)程進(jìn)行了合理規(guī)劃。針對(duì)大田作物遙感影像特征點(diǎn)分布過(guò)于集中的問(wèn)題,采用更大的采樣步長(zhǎng)來(lái)均勻特征點(diǎn)分布,同時(shí)為了避免因較大步長(zhǎng)而導(dǎo)致的高尺度區(qū)域特征點(diǎn)提取數(shù)目不足,提出了基于影像尺度的方法來(lái)自適應(yīng)修改采樣步長(zhǎng),從而從尺度以及空間兩個(gè)方面均勻特征點(diǎn)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(duì)標(biāo)準(zhǔn)SIFT算法和本文提出的優(yōu)化SIFT算法分別在特征點(diǎn)提取、特征點(diǎn)匹配、旋轉(zhuǎn)魯棒性等方面進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法在處理低對(duì)比度的大田作物時(shí),提取到的特征點(diǎn)的數(shù)量和質(zhì)量明顯提升,得到了較為理想的影像配準(zhǔn)效果。
【圖文】：

非線(xiàn)性變換 √ √ √ √ √ √下面將詳細(xì)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(diǎn)的距離在經(jīng)變換矩陣 H 變換后得到的2I ( x, y )中沒(méi)有改變，則將該影像發(fā)生的變換稱(chēng)作剛體變換。變換矩陣 H 如公式（2-3）所示，二維表達(dá)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(diǎn)xy經(jīng)過(guò)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(shí)通過(guò)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(shù)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(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭興璇;唐雪嬌;董星;;基于改進(jìn)SIFT算法在圖像匹配中的研究[J];微型機(jī)與應(yīng)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(jì)算機(jī)工程;2015年10期

3 鄭仕輝;;分布式技術(shù)回顧及應(yīng)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(duì)應(yīng)尺度LTP綜合特征的圖像匹配算法[J];計(jì)算機(jī)工程與科學(xué);2015年03期

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

6 許曉帆;王毅;王永泉;;基于自適應(yīng)非極大值抑制的SIFT改進(jìn)算法[J];電子設(shè)計(jì)工程;2014年18期

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

8 李長(zhǎng)春;齊修東;雷添杰;馬蕭蕭;;基于改進(jìn)SURF算法的無(wú)人機(jī)遙感影像快速拼接[J];地理與地理信息科學(xué);2013年05期

9 白廷柱;侯喜報(bào);;基于SIFT算子的圖像匹配算法研究[J];北京理工大學(xué)學(xué)報(bào);2013年06期

10 石祥濱;金士玲;王銀斌;;無(wú)人機(jī)可見(jiàn)光圖像拼接算法的研究[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

相關(guān)碩士學(xué)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(zhǔn)中的應(yīng)用[D];江蘇科技大學(xué);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(xué);2014年

3 陶冶;基于特征點(diǎn)描述的人臉識(shí)別算法研究[D];電子科技大學(xué);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(xué);2012年

5 呂海霞;自動(dòng)圖像配準(zhǔn)技術(shù)研究[D];西北工業(yè)大學(xué);2007年

6 陳明生;圖像配準(zhǔn)技術(shù)研究與應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

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

8 王鑫;圖像配準(zhǔn)理論及其算法研究[D];哈爾濱工程大學(xué);2005年

本文編號(hào)：2621120