隨著科技不斷的發(fā)展,人們獲取影像的手段和方法日新月異,從原始的測(cè)量和繪制到如今的UAV航攝先進(jìn)的手段,但還是無(wú)法滿足不斷更新的實(shí)際需求�，F(xiàn)今UAV以其體積小、質(zhì)量輕、獲取高清影像便捷的優(yōu)勢(shì)成為主流獲取影像的手段。但由于UAV航高限制獲取到高層建筑物的影像進(jìn)行拼接時(shí)其結(jié)果往往存在許多問題,一方面是UAV航高限制,另一方面是高層建筑物本身高度影響,獲得的高層建筑物的航攝影像為非正射影像且有不同程度的失真,這樣就對(duì)影像的配準(zhǔn)帶來(lái)了很大的難度,而如何對(duì)高層建筑物進(jìn)行高效的拼接就是本文研究的問題。本文總結(jié)了基于特征的影像拼接中所用到的相關(guān)技術(shù)�；谔卣鞯挠跋衿唇拥幕静襟E包括:特征點(diǎn)提取、特征點(diǎn)匹配、模型參數(shù)估計(jì)、影像變換。文中以影像配準(zhǔn)與融合的每個(gè)步驟中的相關(guān)方法為基礎(chǔ),著重闡述了基于SIFT特征的影像配準(zhǔn)和基于小波變換的圖像融合相關(guān)算法。1.特征點(diǎn)提取:本文特征點(diǎn)提取選用的是SIFT算法和Harris算法進(jìn)行特征點(diǎn)提取,對(duì)兩者特征點(diǎn)提取方法進(jìn)行比較,在提取完特征點(diǎn)后引入隨機(jī)抽樣一致算法對(duì)兩種算法提取的特征點(diǎn)進(jìn)行粗差剔除,得到后續(xù)影像融合使用的數(shù)據(jù)。2.本文融合算法使用的是小波融合和ALPHA融合,本文最初僅使用小波融合作為影像最后的融合方法,但隨著實(shí)驗(yàn)的進(jìn)行發(fā)現(xiàn)小波融合并不能把高層建筑物UAV航攝影像完美的融合在一起,出現(xiàn)的鬼影和拼接錯(cuò)位非常明顯,所以本文在小波融合的基礎(chǔ)上又加入了ALPHA融合,ALPHA融合較好的解決了小波融合后出現(xiàn)的鬼影和拼接錯(cuò)位,但加入ALPHA融合后融合出的影像顏色過度不是很好,需要以后進(jìn)一步解決。3.本文方法在計(jì)算機(jī)領(lǐng)域一直處理的是圖像,其內(nèi)存是千字節(jié),而本文處理的是影像數(shù)據(jù),其內(nèi)存在兆字節(jié),所以本文對(duì)程序進(jìn)行了優(yōu)化處理,使其在進(jìn)行小波融合時(shí)可以邊融合邊清除使用完成的冗余數(shù)據(jù),使其在4G內(nèi)存的電腦上也可以運(yùn)行起來(lái)。由于本文程序處理影像的數(shù)據(jù)量較大,本文在程序中加入了先生成抽稀后的影像融合數(shù)據(jù),待觀察抽稀后影像融合數(shù)據(jù)拼接質(zhì)量達(dá)到要求再生成最終的融合影像圖,節(jié)省時(shí)間成本,提高效率。融合規(guī)則的優(yōu)劣直接決定了融合后的影像質(zhì)量,因此本文著重概述了影像融合規(guī)則中的低頻和高頻融合規(guī)則。為了評(píng)價(jià)拼接后的影像質(zhì)量,本文介紹了影像融合質(zhì)量的評(píng)價(jià)指標(biāo)。本文用融合質(zhì)量評(píng)價(jià)指標(biāo)中主觀評(píng)價(jià)指標(biāo)對(duì)拼接后的影像進(jìn)行了評(píng)價(jià)。實(shí)驗(yàn)證明:使用本文的方法拼接出的影像質(zhì)量較高。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P231
【部分圖文】：

一般建筑物Fig.l,.1,Generalbuilding

高層建筑物Fig.1.2Highdifferencebuilding

第二章 影像拼接是指將UAV航攝后得到的具有較高重疊度的高精度影像度，大比例尺的全景圖的過程。在影像拼接中一般無(wú)高度接技術(shù)中已趨近于成熟，而在非平面地物的 UAV 航攝影 UAV 航攝影像中其傾斜度越大則越難進(jìn)行影像拼接，如影像進(jìn)行正確有效地拼接正是本文的研究方向。影像拼接配準(zhǔn)和影像融合兩大技術(shù)。且影像配準(zhǔn)的質(zhì)量直接決定的止，各種各樣的影像拼接優(yōu)化算法的生成，但并沒有一種接算法，，所以影像拼接技術(shù)依然是研究的熱門話題。接的基本流程
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋耀鑫;張丹丹;唐伶俐;李傳榮;馬靈玲;;基于ASIFT算法的低重疊度無(wú)人機(jī)影像拼接方法[J];遙感技術(shù)與應(yīng)用;2015年04期

2 甘潔;;基于局部不變性特征的無(wú)人機(jī)影像特征點(diǎn)提取[J];地理空間信息;2015年03期

3 畢凱;李英成;丁曉波;劉飛;;輕小型無(wú)人機(jī)航攝技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J];測(cè)繪通報(bào);2015年03期

4 魯小虎;張笑楓;;基于功能的資源三號(hào)測(cè)繪衛(wèi)星應(yīng)用分析[J];科技創(chuàng)新導(dǎo)報(bào);2013年16期

5 趙云霞;王沛;;關(guān)于遙感影像融合方法的綜述[J];硅谷;2013年02期

6 江鐵;朱桂斌;孫奧;;全景圖像拼接技術(shù)研究現(xiàn)狀綜述[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

7 王啟春;郭廣禮;查劍鋒;劉神;;基于圖像灰度點(diǎn)特征提取算子的比較研究及改進(jìn)[J];大地測(cè)量與地球動(dòng)力學(xué);2012年02期

8 岳濤;李博;陳曉麗;周峰;;空間光學(xué)發(fā)展現(xiàn)狀和未來(lái)發(fā)展[J];航天返回與遙感;2011年05期

9 王志豪;劉萍;;無(wú)人機(jī)航攝系統(tǒng)大比例尺測(cè)圖試驗(yàn)分析[J];測(cè)繪通報(bào);2011年07期

10 王春華;;圖像融合研究綜述[J];科技創(chuàng)新導(dǎo)報(bào);2011年13期

本文編號(hào)：2852811