無人機航拍圖像自動拼接技術(shù)研究
發(fā)布時間:2020-05-23 23:29
【摘要】:無人機航拍圖像自動拼接技術(shù)通過圖像配準(zhǔn)、圖像融合等技術(shù),將一組內(nèi)容相關(guān)的無人機航拍圖像自動拼接成一幅覆蓋拍攝場景內(nèi)容的大視圖、高分辨率圖像,在數(shù)字地圖與虛擬環(huán)境生成、目標(biāo)跟蹤與無人機輔助導(dǎo)航、軍事偵察、空中監(jiān)測預(yù)警、災(zāi)害控制等方面具有重要的應(yīng)用價值。本文針對無人機航拍圖像自動拼接所涉及的關(guān)鍵技術(shù)進行深入研究,主要包括圖像配準(zhǔn)、參數(shù)估計與優(yōu)化、圖像融合三部分。圖像配準(zhǔn)作為圖像拼接的基礎(chǔ),對圖像拼接的速度以及拼接結(jié)果的精確度影響甚大。本文針對紋理特征較少的無人機航拍圖像,研究了基于Log-Gabor變換的特征提取技術(shù),并通過實驗與SIFT特征提取算法進行對比,比較了對沙漠、草原等區(qū)域航拍圖像的特征提取和配準(zhǔn)效果。其次,本文提出了相鄰關(guān)系確定再配準(zhǔn)的多幅圖像配準(zhǔn)方法,該方法通過求解圖像最大極值穩(wěn)定區(qū)域進行特征提取,并采用SURF描述算子對提取的圖像區(qū)域進行描述,初步粗匹配確定圖像是否相鄰,進而對相鄰圖像精確配準(zhǔn)求取特征點對。由于這種基于區(qū)域的特征匹配算法具有較低的復(fù)雜度且提取的特征點數(shù)量較少,可以較快地判斷出各圖像間是否存在重疊區(qū)域,從而免除了不相鄰圖像間的精確配準(zhǔn),很大程度上減少了圖像配準(zhǔn)所消耗的時間。本文從計算機視覺的角度詳細分析了無人機航拍中相機的成像原理,推導(dǎo)出簡單高效的6-DOF相機成像模型,并使用該模型對圖像進行參數(shù)估計。根據(jù)多幅航拍圖像拼接中誤差產(chǎn)生的原因,提出帶約束項的參數(shù)優(yōu)化模型。通過多組數(shù)據(jù)對比實驗,驗證了本文提出的6-DOF成像模型及帶約束項的參數(shù)優(yōu)化調(diào)整方法的可行性和高效性。使用縫合線對圖像進行融合時,縫合線兩側(cè)圖像容易出現(xiàn)局部不連續(xù)現(xiàn)象。針對這一問題,本文求解了用于縫合線搜索的最小連通子區(qū)域,并在該連通域內(nèi)遞歸回溯搜索縫合線,消除視覺上的拼接“錯位”現(xiàn)象,并且很大程度上提高了圖像融合速度;其次,根據(jù)無人機航拍圖像的拼接特點,將最小生成樹的思想應(yīng)用于縫合線搜索,求解最優(yōu)路徑。實驗結(jié)果表明,相比于最大配準(zhǔn)誤差最小化的動態(tài)規(guī)劃方法,本文提出的方法具有更好的拼接效果。
【圖文】:
除錯誤的匹配特征點對;圖像相鄰關(guān)系確定,即圖像重疊性關(guān)系檢測;特征點配準(zhǔn);參數(shù)初始化估計以及全局約束校正。圖1.1 圖像拼接過程近些年來,針對不同的應(yīng)用背景,相繼提出了多種圖像配準(zhǔn)方法。根據(jù)圖像配準(zhǔn)的依據(jù),配準(zhǔn)方法主要有基于特征的配準(zhǔn)方法[6]、基于區(qū)域配準(zhǔn)方法[7][8][9]等。其中,基于特征的圖像配準(zhǔn)方法通常使用點、線等視覺特征作為圖像配準(zhǔn)依據(jù)[10][11],或求解不變矩等計算特征進行配準(zhǔn),對圖像形變、光照變化等情況具有良好的適應(yīng)性,對圖像縮放、旋轉(zhuǎn)、甚至仿射變換保持較好的不變性。目前使用較為廣泛的有尺度不變特征變換(Scale Invariable Feature Transformation, SIFT)[12][13]、加速穩(wěn)健特征(SpeededUp Robust Features, SURF)[14]等。基于特征圖像配準(zhǔn)方法憑借自身優(yōu)勢,受到越來越多的研究人員的喜愛,紛紛使用其來完成圖像配準(zhǔn)工作[15][16];趨^(qū)域的配準(zhǔn)方法的典型算法有最大極值穩(wěn)定區(qū)域(Maximally Stable Extremal Regions
為“○”的 26 個像素的函數(shù)值都小于或都大于標(biāo)記為“×”號像素的函數(shù)值時,該點為一個局部極值點。圖2.1 空間極值檢測(2) 精確定位特征點。為提高關(guān)鍵點的穩(wěn)定性,需要對 DoG 尺度空間函數(shù)進行擬合,展開成泰勒級數(shù)的形式,并保留二次以下的項得式(2-3):( )221( , , ) , , .2TTD DD x y D x y x x xx xσ σ = + + (2-3)其中, ( , ,)Tx = x y σ表示插值前的極值點,插值后極值像素點偏移量 x 即可通過將式(2-3)對 x求導(dǎo),并令導(dǎo)數(shù)等于 0 獲得式(2-4):2 12 .D Dxx x = (2-4)則 x + x 即精確定位的特征點。為增強后續(xù)匹配的抗噪聲性和穩(wěn)定性,,通過如下方式剔除對比度較低的特征點:對精確定位的特征點取模運算
【學(xué)位授予單位】:西安電子科技大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2018
【分類號】:TP391.41
本文編號:2678113
【圖文】:
除錯誤的匹配特征點對;圖像相鄰關(guān)系確定,即圖像重疊性關(guān)系檢測;特征點配準(zhǔn);參數(shù)初始化估計以及全局約束校正。圖1.1 圖像拼接過程近些年來,針對不同的應(yīng)用背景,相繼提出了多種圖像配準(zhǔn)方法。根據(jù)圖像配準(zhǔn)的依據(jù),配準(zhǔn)方法主要有基于特征的配準(zhǔn)方法[6]、基于區(qū)域配準(zhǔn)方法[7][8][9]等。其中,基于特征的圖像配準(zhǔn)方法通常使用點、線等視覺特征作為圖像配準(zhǔn)依據(jù)[10][11],或求解不變矩等計算特征進行配準(zhǔn),對圖像形變、光照變化等情況具有良好的適應(yīng)性,對圖像縮放、旋轉(zhuǎn)、甚至仿射變換保持較好的不變性。目前使用較為廣泛的有尺度不變特征變換(Scale Invariable Feature Transformation, SIFT)[12][13]、加速穩(wěn)健特征(SpeededUp Robust Features, SURF)[14]等。基于特征圖像配準(zhǔn)方法憑借自身優(yōu)勢,受到越來越多的研究人員的喜愛,紛紛使用其來完成圖像配準(zhǔn)工作[15][16];趨^(qū)域的配準(zhǔn)方法的典型算法有最大極值穩(wěn)定區(qū)域(Maximally Stable Extremal Regions
為“○”的 26 個像素的函數(shù)值都小于或都大于標(biāo)記為“×”號像素的函數(shù)值時,該點為一個局部極值點。圖2.1 空間極值檢測(2) 精確定位特征點。為提高關(guān)鍵點的穩(wěn)定性,需要對 DoG 尺度空間函數(shù)進行擬合,展開成泰勒級數(shù)的形式,并保留二次以下的項得式(2-3):( )221( , , ) , , .2TTD DD x y D x y x x xx xσ σ = + + (2-3)其中, ( , ,)Tx = x y σ表示插值前的極值點,插值后極值像素點偏移量 x 即可通過將式(2-3)對 x求導(dǎo),并令導(dǎo)數(shù)等于 0 獲得式(2-4):2 12 .D Dxx x = (2-4)則 x + x 即精確定位的特征點。為增強后續(xù)匹配的抗噪聲性和穩(wěn)定性,,通過如下方式剔除對比度較低的特征點:對精確定位的特征點取模運算
【學(xué)位授予單位】:西安電子科技大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2018
【分類號】:TP391.41
【參考文獻】
相關(guān)期刊論文 前1條
1 何貝;王貴錦;沈永玲;廖超;劉春華;林行剛;;結(jié)合地理參數(shù)的航拍視頻實時拼接算法[J];應(yīng)用科學(xué)學(xué)報;2012年02期
本文編號:2678113
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/2678113.html
最近更新
教材專著