針對(duì)無人機(jī)遙感圖像配準(zhǔn)對(duì)于實(shí)時(shí)性和穩(wěn)健性的要求,提出了一種基于ORB（Oriented FAST and rotated BRIEF）和改進(jìn)RANSAC的無人機(jī)遙感圖像配準(zhǔn)算法。首先通過ORB算法快速進(jìn)行特征檢測(cè)和特征描述;接著使用正反雙向匹配和余弦相似度方法進(jìn)行特征點(diǎn)粗匹配;最后,結(jié)合空間一致性檢測(cè)理論、PROSAC（Progressive sampling consensus）算法和L-M（Levenberg-Marquardt）算法來綜合改進(jìn)傳統(tǒng)RANSAC（Random sample consensus）算法,對(duì)匹配點(diǎn)對(duì)進(jìn)行了提純并計(jì)算出變換矩陣。實(shí)驗(yàn)結(jié)果表明,本文改進(jìn)算法的匹配正確率和配準(zhǔn)精度分別達(dá)到了97.8%和0.563,較ORB+RANSAC算法提高了7.5%和20.6%,較ORB+PROSAC算法提高了4.3%和10.1%。在提純耗時(shí)方面,改進(jìn)RANSAC算法耗時(shí)最短,約占傳統(tǒng)RANSAC算法耗時(shí)的68.3%和PROSAC算法耗時(shí)的90.1%,有效提高了無人機(jī)遙感圖像配準(zhǔn)工作的速度和精度。 

【文章來源】：黑龍江大學(xué)自然科學(xué)學(xué)報(bào). 2020,37(05)

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引 言
1 ORB算法特征提取
    1.1 FAST角點(diǎn)檢測(cè)
    1.2 ORB特征點(diǎn)描述
2 特征點(diǎn)粗匹配
    2.1 正反雙向匹配
    2.2 余弦相似度提純
3 改進(jìn)RANSAC算法精匹配
    3.1 傳統(tǒng)RANSAC算法
    3.2 改進(jìn)RANSAC算法
        3.2.1 空間一致性檢測(cè)
        3.2.2 PROSAC算法求解初始變換矩陣
        3.2.3 L-M算法提純變換矩陣
4 實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.1 圖像粗匹配實(shí)驗(yàn)對(duì)比
    4.2 圖像精匹配實(shí)驗(yàn)對(duì)比
    4.3 配準(zhǔn)效果實(shí)驗(yàn)對(duì)比
5 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]圖像拼接技術(shù)綜述[J]. 裴紅星,劉金達(dá),葛佳隆,張斌.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2019(04)
[2]基于優(yōu)化ORB算法的遙感圖像精確配準(zhǔn)技術(shù)[J]. 黃濤,武衛(wèi)東.  現(xiàn)代電子技術(shù). 2019(09)
[3]中國無人機(jī)遙感技術(shù)突破與產(chǎn)業(yè)發(fā)展綜述[J]. 晏磊,廖小罕,周成虎,樊邦奎,龔健雅,崔鵬,鄭玉權(quán),譚翔.  地球信息科學(xué)學(xué)報(bào). 2019(04)
[4]基于ORB與RANSAC融合改進(jìn)的圖像配準(zhǔn)[J]. 樊彥國,柴江龍,許明明,王斌,侯秋實(shí).  光學(xué)精密工程. 2019(03)
[5]基于改進(jìn)ORB的警用無人機(jī)圖像配準(zhǔn)方法[J]. 王文爽,孫偉,王帥.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(01)
[6]改進(jìn)模型估計(jì)的無人機(jī)偵察視頻快速拼接方法[J]. 孫世宇,張巖,胡永江,李建增.  紅外與激光工程. 2018(09)
[7]基于SURB結(jié)合隨機(jī)抽樣一致算法在鞋面匹配中的應(yīng)用[J]. 景軍鋒,謝佳,李鵬飛.  激光與光電子學(xué)進(jìn)展. 2018(01)
[8]基于改進(jìn)ORB和對(duì)稱匹配的圖像特征點(diǎn)匹配[J]. 陳天華,王福龍,張彬彬.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(05)

碩士論文
[1]無人機(jī)光學(xué)遙感圖像配準(zhǔn)方法研究[D]. 王梟.電子科技大學(xué) 2020



本文編號(hào)：3201373