發(fā)布時間：2020-10-27 04:37

　　 隨著無人機技術的發(fā)展及機載航拍設備的不斷更新,無人機航拍圖像被廣泛應用于車流監(jiān)控、地圖重組、事故分析等不同領域。單張無人機航拍圖像視角局限,涵蓋信息少,在實際應用中需要將多張無人機航拍圖像拼接成一幅更大視野的、分辨率更高的、無明顯拼接縫的圖像。針對無人機航拍圖像存在的噪聲和幾何畸變的問題,本文結合當下在圖像識別和分類領域表現(xiàn)出色的深度學習理論,深入研究了基于降維卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)的無人機航拍圖像拼接技術,本文的主要研究內(nèi)容包括以下幾個方面:(1)針對CNN高層網(wǎng)絡輸出維度過高帶來的結構冗余和噪聲問題,采用主成分分析法(principal component analysis,PCA)對其進行降維。首先通過奇異值分解(Singular Value Decomposition,SVD)進行矩陣分解,然后利用PCA將CNN全連接層的高維的數(shù)據(jù)信息映射到低維的空間中去表示,最后使用歐式距離(euclidean metric)驗證降維前后圖像特征的相似度。實驗結果表明,適當降維后的CNN在圖像特征表達的精度上有一定的提高。(2)針對尺度不變特征變換(Scale-invariant feature transform,SIFT)算法,運算時間長、缺乏圖像色彩信息、誤匹配率過高的問題,將顏色不變量加入SIFT算法組成彩色尺度不變特征變換算法(color scale-invariant feature transform,CSIFT)算法,并采用單應性矩陣與隨機抽樣一致性(random sample consensus,RANSAC)對配準結果進行提純。通過實驗證明改進后的CSIFT算法匹配特征點對的正確率更高,配準效果更好。(3)針對CSIFT算法只描述圖像的低層特征,缺乏對高層特征表達的問題,提出一種將降維的CNN特征與CSIFT特征進行融合的圖像配準的方法。通過實驗證明融合特征的圖像配準方法特征點匹配的精度更高,且降維后的CNN在做圖像配準時,平均運行時間較降維前也有所縮短。(4)針對無人機航拍圖像拼接時出現(xiàn)的錯位、重影和拼接縫問題,提出將泊松融合算法用于航拍圖像融合。通過兩組實驗比較了加權平均算法和泊松算法的融合效果。實驗結果證明泊松融合算法的性能更優(yōu)。
【學位單位】：長安大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP183;TP391.41;U495
【部分圖文】：

圖像拼接流程圖

最鄰近插值

圖2.3雙線性插值
【參考文獻】

相關期刊論文 前6條

1 郭麗麗;丁世飛;;深度學習研究進展[J];計算機科學;2015年05期

2 何海明;齊冬蓮;張國月;張建良;;快速高效去除圖像椒鹽噪聲的均值濾波算法[J];激光與紅外;2014年04期

3 邵壽平;韓春燕;謝勇;琚生根;;改進序貫相似性檢測算法的遙感圖像匹配[J];四川大學學報(自然科學版);2013年02期

4 常青;張斌;邵金玲;;基于SIFT和RANSAC的特征圖像匹配方法[J];華東理工大學學報(自然科學版);2012年06期

5 李瑞娟;;RGB到CIEXYZ色彩空間轉(zhuǎn)換的研究[J];包裝工程;2009年03期

6 程英蕾,趙榮椿,李衛(wèi)華,王兵,江澤濤;基于像素級的圖像融合方法研究[J];計算機應用研究;2004年05期

相關博士學位論文 前1條

1 賈銀江;無人機遙感圖像拼接關鍵技術研究[D];東北農(nóng)業(yè)大學;2016年

相關碩士學位論文 前5條

1 蘇燕飛;基于卷積神經(jīng)網(wǎng)絡和SIFT的多源遙感圖像配準研究[D];南昌大學;2018年

2 劉強強;基于深度學習的圖像匹配及融合算法研究[D];西安電子科技大學;2018年

3 孟曉東;基于深度學習的年齡估計[D];西安電子科技大學;2017年

4 何雅;基于無人機的低空遙感影像拼接技術的研究[D];吉林大學;2016年

5 吳航;基于卷積神經(jīng)網(wǎng)絡的遙感圖像配準方法[D];南昌大學;2015年

本文編號：2858050