針對無人機影像匹配時易出現影像重影、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APAP算法對影像進行網格劃分,求每個網格的單應性矩陣,并對單應性矩陣進行線性化;最后根據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生的重影現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】：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