無人機(jī)遙感是作為一種新型的遙感技術(shù)手段,具有高效和靈活的機(jī)動(dòng)性能、作業(yè)速度快、成本及分辨率高等優(yōu)勢(shì)。經(jīng)過近幾年的迅速發(fā)展,應(yīng)用領(lǐng)域已經(jīng)日益擴(kuò)大。無人機(jī)遙感技術(shù)在諸多領(lǐng)域都有著十分廣泛的應(yīng)用,主要包括減災(zāi)救災(zāi)、農(nóng)業(yè)植保、電力巡檢、土地治理、河流調(diào)查等方面。但是,由于無人機(jī)遙感系統(tǒng)在進(jìn)行航拍的過程中,往往會(huì)受到飛行高度和相機(jī)焦距等各種因素的制約,從而導(dǎo)致所獲得的單幅圖像覆蓋面積較小,通常無法包含整個(gè)所要求的目標(biāo)區(qū)域,因此,為了得到整個(gè)目標(biāo)區(qū)域影像信息,就需要將獲取的多張無人機(jī)遙感影像拼接融合成為一幅全景影像。本文首先簡要的介紹了無人機(jī)的系統(tǒng)組成、無人機(jī)遙感影像拼接技術(shù)的研究背景和意義,以及國內(nèi)外圖像拼接以及無人機(jī)遙感影像拼接的研究現(xiàn)狀,然后從無人機(jī)遙感影像的拼接流程詳細(xì)地闡述了各個(gè)拼接環(huán)節(jié)的理論知識(shí)和實(shí)驗(yàn)分析。本文的主要研究內(nèi)容如下:（1）概括地介紹了圖像拼接技術(shù)的相關(guān)理論,包括圖像拼接的定義、基本流程,圖像配準(zhǔn)技術(shù)的分類,以及圖像融合的基本理論技術(shù)與方法。（2）詳細(xì)地介紹了三種常見的特征點(diǎn)提取算法—SIFT算法、SURF算法、ORB算法,并通過相應(yīng)的實(shí)驗(yàn)進(jìn)行分析比較各個(gè)特征點(diǎn)提取算法的適... 

【文章來源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無人機(jī)遙感影像經(jīng)過SIFT算法特征匹配圖

桂林理工大學(xué)碩士學(xué)位論文20如圖3.4所示，左圖像的中心是當(dāng)前特征點(diǎn)所在的位置，每一個(gè)小單元格表示特征點(diǎn)鄰域所在的尺度空間中的像素。首先確定每個(gè)像素的梯度大小和梯度方向，箭頭的方向表示像素的梯度方向，長度表示梯度大小，然后將高斯窗口對(duì)齊用于加權(quán)操作。最后，在每個(gè)44小單元格上繪制出8個(gè)方向上的梯度直方圖，并且將每個(gè)梯度方向的分別進(jìn)行累加處理，以便形成種子。在點(diǎn)的構(gòu)成中，每個(gè)種子點(diǎn)包含8個(gè)與主方向不同的矢量信息方向。此時(shí)，每個(gè)種子點(diǎn)區(qū)域的梯度直方圖在。。360~0被分成8個(gè)方向間隔，每個(gè)方向間隔為45度。在實(shí)際的運(yùn)算過程中，為了增強(qiáng)匹配的魯棒性，每個(gè)特征點(diǎn)用44共16個(gè)種子點(diǎn)進(jìn)行描述，如此一來，一個(gè)特征點(diǎn)便形成了128844維特征描述矢量。3.1.5SIFT算法實(shí)驗(yàn)圖3.5是使用SIFT算法提取無人機(jī)遙感影像的特征向量的檢測(cè)結(jié)果，兩幅影像構(gòu)成一個(gè)像對(duì)，左圖一共檢測(cè)出3840個(gè)特征點(diǎn)，右圖一共檢測(cè)出4392個(gè)特征點(diǎn)，圖中箭頭的起點(diǎn)表示特征點(diǎn)所在的位置，箭頭方向表示特征點(diǎn)的主方向。圖3.6是無人機(jī)遙感影像經(jīng)過SIFT特征算法匹配的結(jié)果，關(guān)于特征匹配的詳細(xì)步驟將在下一章節(jié)進(jìn)行詳細(xì)討論。結(jié)合圖3.6和圖3.7可以看出SIFT算法能夠很好的提取無人機(jī)遙感影像的特征信息，但在匹配的過程中也存在一些誤匹配的點(diǎn)，而且由于SIFT算法的運(yùn)算速度較慢，特征點(diǎn)提取的效率不高。圖3.6無人機(jī)遙感影像經(jīng)過SIFT算法特征匹配圖圖3.5無人機(jī)遙感影像經(jīng)過SIFT算法特征提取

桂林理工大學(xué)碩士學(xué)位論文26圖3.13無人機(jī)遙感影像經(jīng)過SURF特征點(diǎn)提取圖3.13是無人機(jī)遙感影像經(jīng)過SURF算法特征提取的檢測(cè)結(jié)果，兩幅影像組成一個(gè)像對(duì)，左圖一共檢測(cè)出2307個(gè)特征點(diǎn)，右圖一共檢測(cè)出2069個(gè)特征點(diǎn)，圖中圓的半徑代表尺度，半徑方向代表特征點(diǎn)的主方向。圖3.14是無人機(jī)遙感影像經(jīng)過SURF算法特征匹配之后的結(jié)果圖。結(jié)合圖3.13和3.14可知，SURF算法也存在著少量的誤匹配點(diǎn)，但是特征提取的效率要比之SIFT算法有所提高。3.3ORB算法ORB（OrientedFASTandRotatedBRIEF）特征點(diǎn)檢測(cè)算法是由EthanRublee[38]于2011年在ICCV上提出的，該特征點(diǎn)檢測(cè)算法是基于FAST算法和BRIEF算法的基礎(chǔ)上提出的一種新的算法。該算法在實(shí)際運(yùn)用的過程中被證明是一種在檢測(cè)上有著較好表現(xiàn)的一種特征點(diǎn)檢測(cè)算法。3.3.1FAST算法FAST檢測(cè)算法是由EdwardRosten等人于2006年提出的，并在2010年對(duì)其進(jìn)行了修改，該算法是只是一種特征點(diǎn)檢測(cè)算法，但是無法實(shí)現(xiàn)特征描述處理。FAST算法進(jìn)行特征點(diǎn)檢測(cè)的主要步驟如下[48,49]：假定點(diǎn)q是圖像I中的一個(gè)像素點(diǎn)，該點(diǎn)的像素值記為qI,同時(shí)設(shè)置一個(gè)像素強(qiáng)度閾值T。如果在圓中存在n個(gè)連續(xù)的像素，這些像素的比候選像素qI的強(qiáng)度加上閾值t更亮，或者全部比qI減去閾值T要暗，如圖3.15所示。圖3.14無人機(jī)遙感影像經(jīng)過SURF算法特征匹配圖

【參考文獻(xiàn)】：
期刊論文
[1]單應(yīng)性矩陣的無人機(jī)遙感影像拼接方法[J]. 范軍,左小清,李澤,布金偉,凌濤.  測(cè)繪科學(xué). 2018(06)
[2]基于視覺slam的無人機(jī)序列影像快速拼接[J]. 李登峰,馬躍龍,陳丁,萬剛.  系統(tǒng)仿真學(xué)報(bào). 2017(S1)
[3]基于SURF算法和改進(jìn)RANSAC算法的無人機(jī)影像匹配[J]. 孫灝,高俊強(qiáng),許蘇蘇.  測(cè)繪工程. 2017(11)
[4]無人機(jī)遙感在生態(tài)學(xué)中的應(yīng)用進(jìn)展[J]. 胡健波,張健.  生態(tài)學(xué)報(bào). 2018(01)
[5]基于改進(jìn)加權(quán)算法的實(shí)時(shí)圖像數(shù)據(jù)融合研究[J]. 方趙林,彭潔,葛春霞,秦緒佳.  浙江工業(yè)大學(xué)學(xué)報(bào). 2017(03)
[6]基于區(qū)域灰度變化的自適應(yīng)FAST角點(diǎn)檢測(cè)算法[J]. 劉亮,王平,孫亮.  微電子學(xué)與計(jì)算機(jī). 2017(03)
[7]基于圖像結(jié)構(gòu)與改進(jìn)Brief檢測(cè)算子的目標(biāo)匹配算法[J]. 李莉.  國外電子測(cè)量技術(shù). 2017(02)
[8]基于AKAZE算法的圖像拼接研究[J]. 閆璠,張瑩,高贏,涂勇濤,張東波.  電子測(cè)量與儀器學(xué)報(bào). 2017(01)
[9]圖像局部特征自適應(yīng)的快速SIFT圖像拼接方法[J]. 陳月,趙巖,王世剛.  中國光學(xué). 2016(04)
[10]基于PCA-PSO的圖像匹配和拼接[J]. 汪丹,劉輝,李可,周威.  微電子學(xué)與計(jì)算機(jī). 2016(08)

博士論文
[1]基于點(diǎn)線特征匹配的無人機(jī)影像拼接技術(shù)[D]. 何敬.西南交通大學(xué) 2013
[2]圖像拼接技術(shù)的研究、實(shí)現(xiàn)與應(yīng)用[D]. 曾霖.武漢大學(xué) 2012

碩士論文
[1]基于改進(jìn)SURF算法圖像匹配方法研究[D]. 儲(chǔ)蓄.安徽理工大學(xué) 2017
[2]基于無人機(jī)的低空遙感影像拼接技術(shù)的研究[D]. 何雅.吉林大學(xué) 2016
[3]無人機(jī)遙感影像點(diǎn)特征匹配算法研究[D]. 張一.解放軍信息工程大學(xué) 2015
[4]基于LSH的分布式相似圖像存儲(chǔ)及查詢系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳玉.哈爾濱工業(yè)大學(xué) 2014
[5]無人機(jī)遙感圖像拼接技術(shù)研究[D]. 李二俊.長安大學(xué) 2013
[6]無人機(jī)序列影像匹配及拼接方法研究[D]. 劉有.中南大學(xué) 2012
[7]RANSAC算法及其在遙感圖像處理中的應(yīng)用[D]. 宋衛(wèi)艷.華北電力大學(xué)（北京） 2011
[8]圖像拼接算法研究[D]. 劉冬梅.西安電子科技大學(xué) 2008
[9]像素級(jí)圖像融合方法研究及其性能分析[D]. 孟芳兵.武漢理工大學(xué) 2007



本文編號(hào)：3011332