發(fā)布時間：2021-02-15 11:21

　　為解決無人機遙感拼接圖像易受地貌因素影響,產(chǎn)生形變或重影等問題,提出一種改進SPHP算法。用SURF算法和Harris算法相結合快速提取特征點,將得到的特征點用KNN算法粗匹配,用PROSAC算法進行精匹配,引入權重系數(shù),計算圖像重疊區(qū)域的空間變換模型,將該模型代替SPHP算法原有空間模型,降低圖像重疊區(qū)域的重影,使拼接后的圖像產(chǎn)生更小的形變。實驗結果表明,該算法可以有效去除拼接圖像的重影,生成更好的拼接結果。 

【文章來源】：計算機工程與設計. 2020,41(03)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

3種算法特征點匹配結果對比

綜合上述方程式可以推導出fx,gx,fy,gy，α，β，tx,ty。另外，u1,u2作為劃分圖像區(qū)域邊界的參數(shù)，可以通過改變u1,u2的值使圖像在大視差的情況下拼接出更小的形變，其函數(shù)E(u1,u2）可以定義為

圖像角點也被稱為圖像中的極值點，它在圖像中有著相對突出的屬性，因此角點可以作為圖像的一種關鍵特征而應用在圖像處理中。常見的角點檢測算法有KLT角點檢測算法[8]和Harris角點檢測算法[9]等，其中Harris算法有著很強的穩(wěn)定性和抗環(huán)境干擾能力，它的光照不變性和旋轉(zhuǎn)仿射不變性相比于其它算法更為突出，但是它的尺度不變性相對較差[10]，并且當目標圖像本身含有較大噪聲時，用Harris算法處理的圖像魯棒性較差。SURF算法是一種魯棒性較強的局部特征點檢測和描述算法，它可以被看作為是SIFT算法的改進算法，可以提高算法的執(zhí)行效率，以更高的效率完成特征點的提取，算法速度是SIFT算法的3倍左右[11]。SURF算法的特性能夠有效彌補Harris算法的缺點，在他們的共同作用下，可以提高特征點提取時的魯棒性和尺度不變性。

【參考文獻】：
期刊論文
[1]基于彩色和深度信息結合K-means聚類算法快速拼接植株圖像[J]. 沈躍,朱嘉慧,劉慧,崔業(yè)民,張炳南.  農(nóng)業(yè)工程學報. 2018(23)
[2]改進Harris角點檢測算法[J]. 韓松奇,于微波,楊宏濤,王世程.  長春工業(yè)大學學報. 2018(05)
[3]一種自適應四叉樹分塊的圖像拼接算法[J]. 王元煒,郁梅,姜浩,邵華.  寧波大學學報(理工版). 2018(04)
[4]基于改進SURF算法的無人機遙感圖像拼接方法[J]. 么鴻原,王海鵬,焦莉,林雪原.  海軍航空工程學院學報. 2018(02)
[5]改進投影變換和保留結構特征的拼接圖像修復算法[J]. 魏啟元,呂曉琪,谷宇.  現(xiàn)代電子技術. 2017(23)
[6]基于Hessian正則化的多視圖聯(lián)合非負矩陣分解算法[J]. 王超鋒,施俊,吳金杰,朱捷.  計算機工程. 2017(11)
[7]采用改進KLT算法的標志點匹配方法[J]. 于之靖,馬凱,王志軍,吳軍.  激光與光電子學進展. 2018(02)
[8]基于互信息的�；卣骷訖喽鄻撕瀸W習k近鄰算法[J]. 李峰,苗奪謙,張志飛,張維.  計算機研究與發(fā)展. 2017(05)
[9]基于ORB特征的無人機遙感圖像拼接改進算法[J]. 劉婷婷,張驚雷.  計算機工程與應用. 2018(02)
[10]基于改進SIFT特征的深度圖像匹配[J]. 向程諭,王冬麗,李建勛,周彥.  計算機應用. 2016(S2)



本文編號：3034754