針對無人機影像匹配時易出現(xiàn)影像重影、透視失真和耗時較長等問題,本文提出了一種改進的APAP算法。該算法首先利用SIFT算法選取特征點,通過改進RANSAC算法去除誤匹配點;然后根據(jù)APAP算法對影像進行網(wǎng)格劃分,求每個網(wǎng)格的單應性矩陣,并對單應性矩陣進行線性化;最后根據(jù)線性化的單應性矩陣進行影像匹配,單應性矩陣的線性化不僅對影像匹配時產(chǎn)生的重影現(xiàn)象有較好的削弱作用,而且能減少非重疊區(qū)域的透視失真。試驗結果表明,本文方法在匹配效率和匹配效果方面效果顯著。 

【文章來源】：測繪通報. 2020,(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

影像全局變換和局部變換

本試驗采用大疆Phantom 4 Pro無人機獲取一系列影像，如圖2所示，根據(jù)影像紋理特征把影像分為3組，分別為紋理特征缺乏地區(qū)，紋理特征較豐富地區(qū)和紋理特征豐富地區(qū)。本文算法的流程如圖3所示。圖3 本文方法流程

圖2 影像分布情況利用SIFT算法進行特征點檢測與匹配，通過改進的RANSAC算法去除誤匹配點獲得匹配影像。配準結果如圖4所示，(a1)中影像中共有1096個匹配點，其中內點有984個，占總匹配點的89.78%;(a2)中利用改進的RANSAC算法剔除誤匹配點，其中619個匹配點完全匹配;(b1)中影像中共有1099個匹配點，其中內點有934個，占總匹配點的84.98%;(b2)中利用改進的RANSAC算法剔除誤匹配點，其中624個匹配點完全匹配;(c1)中兩幅影像中共有1150個匹配點，其中內點有962個，占總匹配點的83.65%;(c2)中利用改進的RANSAC算法剔除誤匹配點，其中849個匹配點完全匹配。因此本文改進的RANSAC算法具有一定的適用性。

【參考文獻】：
期刊論文
[1]基于SIFT算法的無人機高分影像幾何配準研究[J]. 魏嘉磊.  北京測繪. 2019(01)
[2]具有直線結構保護的網(wǎng)格化圖像拼接[J]. 何川,周軍.  中國圖象圖形學報. 2018(07)
[3]針對大視差圖像拼接的顯性子平面配準[J]. 薛佳樂,趙萌,張哲,程徐,陳勝勇.  中國圖象圖形學報. 2018(03)
[4]基于全概率更新的改進RANSAC算法[J]. 王可,賈松敏,李秀智.  控制與決策. 2017(03)
[5]無人機影像處理關鍵技術研究[J]. 陳曉龍,陳顯龍,彭瑤瑤.  北京測繪. 2016(03)
[6]無人機遙感系統(tǒng)的研究進展與應用前景[J]. 李德仁,李明.  武漢大學學報(信息科學版). 2014(05)



本文編號：3116931