基于SIFT的无人机遥感影像匹配算法研究

无人机遥感影像存在像幅小、数量多、基线短、重叠度不规则且倾角过大等问题,传统的灰度匹配很难胜任无人机遥感影像的匹配。SIFT特征具有旋转、微小仿射的不变性。本文分析SIFT特征的优点,指出其存在的问题,结合灰度匹配、最小二乘匹配及影像金字塔策略,提出了一套适合无人机遥感影像的匹配算法流程。     

无人机影像空中三角测量实验研究

无人机影像由于具有像幅小、数量多、基线短、重叠度不规则、畸变大等特点,使其处理方法和传统的航空影像有所不同。本文针对无人机影像的这些特点,对无人机影像进行了畸变校正和匀光匀色预处理,然后充分利用无人机提供的POS数据自动生成连接点,通过空三计算结果剔除误匹配的连接点,实验证明该方法能够快速的完成无人机影像空中三角测量工作。     

基于无人机影像区域网平差精度研究

轻型无人机以其机动灵活的特点,能够适应地形复杂、多云地区的飞行任务。但是由于其镜头小,获取的影像具有像幅小、数量多、基线短、重叠度不规则等特点,使其处理方法和传统的航空影像有所不同。本文对轻型无人机影像数据利用常规光束法区域网平差和POS辅助光束法区域网平差分别进行处理,结果表明,常规方法的精度要优于POS方法,最后对如何提高POS方法的精度提出了一些建议。     

基于无人机的电网实景建模研究

无人机已经发展成为未来电网线路安全运营的重要支撑技术,文中针对现行无人机巡线技术的一些不足,提出基于多镜头传感器完成多基线影像数据融合,通过结合实例编制了线路走廊三维实景建模算法,并验证了建模效果的真实性和有效性。     

抗视差的宽基线弱纹理影像自动拼接算法EI北大核心CSCD

针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

基于卫片的非序列无人机影像快速概略拼接方法

针对非序列无人机影像,提出了一种基于卫星影像的无人机影像快速概略拼接方法。该算法首先利用改进的SURF算法提取特征点,然后利用最小欧氏距离寻找匹配点,最后结合模板匹配方法确定最终的正确匹配点。利用匹配点的尺度和方向信息计算无人机与卫星影像之间的相似变换参数,确定无人机影像的概略位置。试验结果表明,该算法拥有快速、准确和高适用性等优势,对卫星影像没有严格的时效限制,有一定的地形变化容错能力,能够满足快速概略拼接的要求,是一种可行的无人机影像概略拼接新方法。     

无人机与卫星影像匹配的相似性逼近算法

针对现有算法在无人机与卫星影像具有较大空间分辨率差异时存在匹配正确率不高的问题,本文提出了一种无人机与卫星影像匹配的相似性逼近算法。该方法在匹配前对无人机影像进行高斯滤波处理,提高了无人机与卫星影像的尺度相似性,并最终提高了匹配算法的正确率。试验结果表明,该算法具有较高的匹配精度,适用于无人机与卫星影像空间分辨率差异较大时无人机影像的匹配与自主定位。     

大重叠度无人机遥感影像的三维建模方法研究

探讨了无人机遥感系统获取的遥感影像的三维建模方法 ,应用相对定向直接进行无人机遥感影像相对定向 ,并通过实验分析了相邻影像间重叠度对相对定向精度的影响。基于高重叠度的无人机遥感影像 ,为提高同名点识别的精度 ,提出了多幅影像核线约束方法。实验证明本文是利用无人机遥感影像特点实现三维建模的有意义的尝试     

一种基于改进的SIFT特征点算法的无人机影像快速匹配研究

由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该算法对无人机影像进行特征点的提取,并采用最小二乘算法进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。