由于無(wú)人機(jī)受相機(jī)廣角和飛行高度的限制,單張影像無(wú)法拍攝整個(gè)農(nóng)田形狀,導(dǎo)致無(wú)法準(zhǔn)確測(cè)量農(nóng)田實(shí)際面積。為此,基于圖像特征匹配技術(shù),提出改進(jìn)SURF算法,用于無(wú)人機(jī)影像拼接。該算法針對(duì)傳統(tǒng)SURF算法初始特征點(diǎn)選取精度不足的問(wèn)題提出改進(jìn)方案,優(yōu)化高斯模糊的過(guò)程,進(jìn)而形成新的尺度空間生成方式。通過(guò)在實(shí)驗(yàn)基地試驗(yàn)得出:本研究提出的改進(jìn)SURF算法比傳統(tǒng)SURF算法特征點(diǎn)在卷積核尺寸為3×3時(shí),70 m、120 m高空的匹配率分別提升4.7%和5.3%;在卷積核尺寸為5×5時(shí),70 m、120 m高空的匹配率分別提升4.0%和4.3%。本研究將改進(jìn)后的SURF算法用于后期圖像拼接中,經(jīng)試驗(yàn)對(duì)比發(fā)現(xiàn):改進(jìn)的SURF算法在圖片拼接處銜接程度明顯提升,得到匹配精度更優(yōu)的拼接圖像。 

【文章來(lái)源】：中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2020,41(02)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

70m高空兩種算法特征點(diǎn)檢測(cè)圖

當(dāng)無(wú)人機(jī)飛行高度上升到120 m,傳統(tǒng)的SURF算法與改進(jìn)SURF算法的圖像特征點(diǎn)檢測(cè)結(jié)果對(duì)比如圖2所示。基于上述得到飛行高度為分別為70 m、120 m,卷積核大小分別為3×3、5×5時(shí)兩種算法的特征點(diǎn)檢測(cè)結(jié)果對(duì)比圖,本研究使用Visio studio 2010,搭載opencv2.4.9插件,對(duì)得到的特征點(diǎn)進(jìn)行了匹配,得到圖3～圖4所示的兩種飛行高度下,傳統(tǒng)SURF算法與改進(jìn)SURF算法基于兩種卷積核大小時(shí)圖像特征點(diǎn)匹配效果。當(dāng)無(wú)人機(jī)飛行高度為70 m,卷積核大小為3×3時(shí),改進(jìn)的SURF算法檢測(cè)的特征點(diǎn)個(gè)數(shù)明顯多于傳統(tǒng)SURF算法,由于所測(cè)農(nóng)田特征點(diǎn)較為相似,所以?xún)煞N算法的特征點(diǎn)匹配對(duì)數(shù)從圖片中觀察差異不明顯;當(dāng)飛行高度不變,卷積核大小變?yōu)?×5時(shí),兩種算法檢測(cè)的特征點(diǎn)個(gè)數(shù)和特征點(diǎn)匹配對(duì)數(shù)均有明顯減少。

基于上述得到飛行高度為分別為70 m、120 m,卷積核大小分別為3×3、5×5時(shí)兩種算法的特征點(diǎn)檢測(cè)結(jié)果對(duì)比圖,本研究使用Visio studio 2010,搭載opencv2.4.9插件,對(duì)得到的特征點(diǎn)進(jìn)行了匹配,得到圖3～圖4所示的兩種飛行高度下,傳統(tǒng)SURF算法與改進(jìn)SURF算法基于兩種卷積核大小時(shí)圖像特征點(diǎn)匹配效果。當(dāng)無(wú)人機(jī)飛行高度為70 m,卷積核大小為3×3時(shí),改進(jìn)的SURF算法檢測(cè)的特征點(diǎn)個(gè)數(shù)明顯多于傳統(tǒng)SURF算法,由于所測(cè)農(nóng)田特征點(diǎn)較為相似,所以?xún)煞N算法的特征點(diǎn)匹配對(duì)數(shù)從圖片中觀察差異不明顯;當(dāng)飛行高度不變,卷積核大小變?yōu)?×5時(shí),兩種算法檢測(cè)的特征點(diǎn)個(gè)數(shù)和特征點(diǎn)匹配對(duì)數(shù)均有明顯減少。圖4 120m高空兩種算法特征點(diǎn)匹配圖

【參考文獻(xiàn)】：
期刊論文
[1]基于RGB圖像處理的煙葉水分無(wú)損檢測(cè)方法研究[J]. 張娟利,宋朝陽(yáng),韓文霆,尚曉明,劉治開(kāi).  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2019(05)
[2]無(wú)人機(jī)遙感技術(shù)在測(cè)繪工程測(cè)量中的應(yīng)用分析[J]. 張志輝,羅玉鳳.  科技風(fēng). 2019(08)
[3]基于無(wú)人機(jī)遙感影像監(jiān)測(cè)土地整治項(xiàng)目道路溝渠利用情況[J]. 顧錚鳴,金曉斌,楊曉艷,趙慶利,蔣宇超,韓博,單薇,劉晶,周寅康.  農(nóng)業(yè)工程學(xué)報(bào). 2018(23)
[4]基于無(wú)人機(jī)遙感影像的玉米苗期株數(shù)信息提取[J]. 劉帥兵,楊貴軍,周成全,景海濤,馮海寬,徐波,楊浩.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[5]改進(jìn)的SURF特征提取與匹配算法[J]. 張曉宇,何文思,段紅燕,魏松濤.  機(jī)械設(shè)計(jì)與制造工程. 2018(11)
[6]基于無(wú)人機(jī)測(cè)繪的地理信息定位技術(shù)[J]. 王懷寶.  現(xiàn)代電子技術(shù). 2018(22)
[7]尺度FAST結(jié)合改進(jìn)LBP的特征匹配方法[J]. 程德強(qiáng),李巖,許超,趙廣源.  煤炭技術(shù). 2018(10)
[8]基于改進(jìn)SURF的遙感圖像目標(biāo)識(shí)別[J]. 閆敬文,王宏志,林哲,張宗念.  揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[9]融合Harris-Laplace算子的SURF算法與無(wú)人機(jī)影像匹配[J]. 蔡香玉,盛業(yè)華,黃毅,張卡,呂海洋.  測(cè)繪科學(xué). 2018(11)
[10]基于無(wú)人機(jī)遙感與植被指數(shù)的冬小麥覆蓋度提取方法[J]. 牛亞曉,張立元,韓文霆,邵國(guó)敏.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)

碩士論文
[1]無(wú)人機(jī)影像序列拼接技術(shù)的研究與實(shí)現(xiàn)[D]. 潘梅.西南科技大學(xué) 2015



本文編號(hào)：3305282