發(fā)布時(shí)間：2024-05-11 15:59

　　無(wú)人機(jī)遙感技術(shù)已成為災(zāi)后監(jiān)測(cè)、環(huán)境勘測(cè)等領(lǐng)域獲取遙感數(shù)據(jù)的重要手段,它能及時(shí)、準(zhǔn)確的獲取目標(biāo)區(qū)域的高分辨率影像。但受到無(wú)人機(jī)飛行高度、相機(jī)焦距等的影響,單張影像覆蓋的目標(biāo)區(qū)域范圍較小,本文通過(guò)研究無(wú)人機(jī)影像序列拼接技術(shù)來(lái)擴(kuò)大監(jiān)測(cè)范圍。1)研究SURF算法解決存在平移、旋轉(zhuǎn)、縮放、噪聲等多種變換的無(wú)人機(jī)影像序列特征提取問(wèn)題。通過(guò)對(duì)比分析的方式重點(diǎn)研究SURF算法比SIFT算法快速的原因。通過(guò)分析Harris、SIFT和SURF算法提取特征的實(shí)驗(yàn)效果表明,SURF算法提取的特征點(diǎn)穩(wěn)定且分布均勻合理,該算法魯棒性高且運(yùn)算速度相對(duì)較快。2)采用最近鄰算法實(shí)現(xiàn)特征粗匹配,分析并選擇透視變換作為影像拼接的變換模型,提出一種雙4-RANSAC算法計(jì)算變換參數(shù),同時(shí)剔除誤匹配點(diǎn)對(duì)以實(shí)現(xiàn)特征精匹配。雙4-RANSAC算法是一種改進(jìn)的RANSAC算法,它首先任選4對(duì)匹配點(diǎn)計(jì)算模型參數(shù),再增加4對(duì)匹配點(diǎn)檢驗(yàn)當(dāng)前模型,若存在一對(duì)為非內(nèi)點(diǎn)則重新選點(diǎn)和計(jì)算模型。理論分析和實(shí)驗(yàn)結(jié)果表明,本文提出的雙4-RANSAC算法提高了RANSAC算法的運(yùn)算效率。3)研究并改進(jìn)小波變換實(shí)現(xiàn)兩幀和多幀無(wú)人機(jī)影像序列融合與拼接。首...

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 UAV影像序列拼接技術(shù)
    2.1 系統(tǒng)組成
    2.2 實(shí)現(xiàn)流程
    2.3 影像配準(zhǔn)技術(shù)
        2.3.1 基于灰度信息的影像配準(zhǔn)
        2.3.2 基于變換域的影像配準(zhǔn)
        2.3.3 基于特征的影像配準(zhǔn)
    2.4 影像融合技術(shù)
        2.4.1 影像融合層次
        2.4.2 影像融合方法
    2.5 本章小結(jié)
3 基于雙 4-RANSAC算法的UAV影像序列配準(zhǔn)
    3.1 UAV影像特征提取
        3.1.1 Harris算子
        3.1.2 SIFT算法
        3.1.3 SURF算法
    3.2 特征提取實(shí)驗(yàn)與結(jié)果分析
        3.2.1 特征提取算法對(duì)比試驗(yàn)
        3.2.2 特征提取實(shí)驗(yàn)結(jié)果分析
    3.3 RANSAC算法UAV影像匹配
        3.3.1 最近鄰匹配
        3.3.2 RANSAC算法
    3.4 雙 4-RANSAC算法UAV影像匹配
        3.4.1 雙 4-RANSAC算法原理
        3.4.2 雙 4-RANSAC算法效率分析
    3.5 特征匹配實(shí)驗(yàn)與結(jié)果分析
        3.5.1 特征匹配算法對(duì)比試驗(yàn)
        3.5.2 特征匹配實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
4 基于改進(jìn)小波變換的UAV影像序列融合與拼接
    4.1 UAV影像序列拼接模型
    4.2 影像融合質(zhì)量評(píng)價(jià)
    4.3 基于空間域的UAV影像融合
        4.3.1 直接平均法
        4.3.2 漸入漸出法
    4.4 基于小波變換的UAV影像融合
        4.4.1 小波變換
        4.4.2 小波變換融合步驟
    4.5 改進(jìn)融合規(guī)則的小波變換融合
        4.5.1 基于NCC的改進(jìn)加權(quán)融合法的低頻域融合
        4.5.2 基于區(qū)域絕對(duì)值最大值法的高頻域融合
    4.6 本章小結(jié)
5 影像序列融合與UAV拼接實(shí)驗(yàn)
    5.1 小波低頻域融合實(shí)驗(yàn)
    5.2 影像融合實(shí)驗(yàn)
    5.3 UAV影像序列拼接實(shí)驗(yàn)
    5.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的與學(xué)位論文內(nèi)容相關(guān)的學(xué)術(shù)論文及研究成果



本文編號(hào)：3970095