基于Voronoi图无人机影像快速拼接方法研究

为实现大序列城市高分辨率无人机影像的快速拼接,提出了基于Voronoi图的快速拼接技术。以平顶山80幅分辨率为0.1 m的无人机影像为例,先用直方图匹配进行影像间匀光,用反解法数字微分进行正射纠正,再以像主点为中心快速生成测区Voronoi图拼接线网络,最后基于拼接线网络快速拼接。实验结果表明,基于Voronoi图拼接线网络进行城市高分辨率无人机影像拼接,能有效避免中心投影造成的影像边缘较大的投影差,快速获得城市高分辨率正射影像全景图。     

基于有效区域约束的GPU-CPU协同影像快拼方法

提出了一种以有效区域约束的Voronoi图为拼接线网络,利用GPU-CPU协同处理航空影像快速拼接方法。首先,基于成像有效区域生成有效区域约束的Voronoi图拼接线网络,解决了传统Voronoi图拼接线网络在低重叠度条件下拼接后影像局部区域不被覆盖的问题,然后利用GPU-CPU协同处理将正射纠正嵌入到影像拼接的过程中,并且只对每张影像的有效区域进行纠正,再通过选择配置优化和存储层次性优化进一步提高拼接效率。实验表明,对237张高分辨率航空影像进行快速正射纠正和拼接,本文算法较传统先纠正再拼接的方法效率提高近20倍,同时保证很高的拼接精度,可以满足应急测绘要求。     

高重叠度机载SAR影像镶嵌线自动生成及优化

针对传统的镶嵌方法无法实现高重叠度机载合成孔径雷达(SAR)影像快速、无缝镶嵌的问题,该文基于顾及重叠的面Voronoi图,提出了一种接缝线网络生成及优化方法。采用改进的八邻域边界跟踪算法提取影像有效区域并将其简化为四边形,利用改进的中轴线算法提取重叠区的接缝线并对影像有效区域进行切分生成互不重叠的Voronoi面,快速生成初始接缝线网络;提出了一套接缝线优化方法,实现了机载SAR影像高重叠度高、重叠情况复杂易导致的接缝线网络的孔洞消除。利用高分辨率机载SAR影像对本文算法进行验证,结果表明该方法有效克服了机载SAR影像镶嵌的小孔洞问题,能生成无缝且唯一的接缝线网络,从而实现影像的高效、自动镶嵌。     

顾及有效区域的Voronoi图的正射影像拼接

无人机影像的重叠度通常较大(60%~80%),对纠正后的正射影像进行拼接处理时,往往会产生很大的数据冗余。同时,影像越靠近边缘处变形越大,影响拼接精度。提出了一种顾及有效区域的Voronoi图的拼接线自动选取方法,基于整体构建拼接线网络,并根据影像有效区域优化拼接线,保证拼接的精度和效率。实验表明,该方法切实可行。     

一种基于带权A*搜索算法的正射影像镶嵌线网络优化方法

提出了一种基于带权A*搜索算法的镶嵌线网络优化方法。首先,利用标准Voronoi图生成初始镶嵌线网络;然后,利用测区的数字表面模型（digital surface model,DSM）数据生成对应的高程梯度图（也称为边缘图）;再对初始镶嵌线网络的节点进行自动调整,将位于建筑物上的节点移动至附近的地面;最后,利用一种带权A*搜索算法,结合高程梯度图,对初始镶嵌线网络中的每一条镶嵌线进行智能优化,避开建筑物或者高差变化大的区域,获得最优的镶嵌线网络。利用3组真实的无人机数据对该方法进行实验,初步结果表明,该方法适用于排列不规则的测区,可有效优化镶嵌线网络,镶嵌线可自动避开大部分城区建筑物以及山区的山脊等,对城区以及山区影像都可得到高质量的正射影像。实验结果表明,对于第1组数据,此方法得到的结果在镶嵌线的选取上要优于商业软件OrthoVista。     

接缝线网络的自动生成及优化方法

提出一种接缝线网络的自动生成及优化方法,首先基于顾及重叠的面Voronoi图,生成全局的初始接缝线网络,然后利用重叠区的影像内容对接缝线网络进行优化.不仅可保证区域范围内多影像镶嵌处理的灵活性与效率,避免误差累积和中间结果的产生,使处理结果与影像顺序无关,而且优化后的接缝线网络可保证镶嵌质量.     

一种无人机影像实时增量平差镶嵌算法

当前无人机已成为空间信息获取的重要手段,可作为航空摄影测量系统的有益补充。但无人机数据量大、姿态稳定性差、排列不规则等缺点给快速处理带来较大难题。本文利用运动恢复结构SFM方法中的增量平差技术,借助初始POS实现无人机影像的快速实时处理,并利用GPU技术对平差后影像进行实时纠正和虚拟镶嵌展示。试验表明,增量平差和实时纠正镶嵌技术能大大缩短影像处理时间,可满足灾害应急响应时对影像进行实时处理、快速获取现场灾情信息的需求。     

大序列无人机影像畸变差快速修正方法

分析了数字影像畸变差修正模型与GPU并行计算技术,提出一种大序列无人机影像畸变差快速修正方法。通过GPU线程格网选择配置与多层次性存储等优化措施,本方法较传统CPU串行算法效率提升了6.25倍,节约了大序列无人机影像的畸变差修正的时间。     

基于Voronoi图的正射影像镶嵌网络生成与优化方法

提出一种基于Voronoi图的正射影像镶嵌网络生成与优化方法.首先以每幅DOM影像有效区域中心点作为种子点生成Voronoi图,确定每幅影像的有效镶嵌多边形并构建全局镶嵌网络;然后结合DSM数据对镶嵌多边形顶点位置进行调整,避免最终镶嵌结果影像出现无数据区域,同时可以使顶点避开建筑、树木等存在投影差的区域,以便对初始镶嵌线进行调整优化.试验表明,本文方法切实可行并且具有较好的自适应性.     

低空无人机影像应急快速可视化方法

针对无人机遥感航测系统在应急服务等时效性要求比较高的应用需求,该文结合当前计算机硬件发展,提出结合CUDA技术和Voronoi图索引的纹理多尺度高效调度算法实现无人机航空遥感影像的实时快速正摄可视化方法,该方法有别于传统的摄影测量成图作业处理流程,无须进行影像的正射纠正和拼接处理,直接利用原始影像实现整个测区影像的高分辨率漫游,在紧急情况下甚至可以直接利用GNSS和IMU数据,快速实现测区影像的漫游;结合航空摄影数据处理流程和阶段,提出了4种不同的实时可视化方案,实现效率和精度优化。最后利用无人机飞行的实验数据对该方法进行了验证。结果表明,该方法对加强无人机遥感航测系统在应急服务中的时效性非常有意义。     

QTM格网空间中的球面Voronoi图并行生成算法

根据球面四元三角网（quaternary triangular mesh,QTM）的离散特征及图形处理器（graphics processing unit,GPU）的多线程原理,用距离的计算与比较代替传统的扩张操作,提出了一种基于QTM的球面Voronoi图并行生成算法,并给出了Voronoi边界提取算法。利用C++语言及统一计算设备架构（compute unified device architecture,CUDA）开发了实验系统。实验结果表明,本文算法能够在球面上快速生成点、线、面数据集的Voronoi图,且能够将Voronoi误差控制在两个格网以内。同时,GPU并行计算的使用,提高了算法的效率。     

大区域无人机影像数据的快速几何处理

无人机遥感影像快速几何处理被广泛应用于灾害应急监测与评估、军事侦察等领域。针对目前多数商业软件所依赖的硬件平台成本昂贵、软件开发过程复杂等问题,面向通用硬件平台,提出一种大区域无人机影像数据的快速几何处理方法。对制约处理效率的各关键算法进行优化和改造,实现大区域无人机影像数据的快速几何处理;在影像连接点匹配、正射纠正和影像镶嵌的处理过程中,均应用基于多核CPU并行处理技术,提高整体处理效率。多组无人机影像数据处理试验表明,该方法能够大幅提高处理效率,对硬件平台要求低,具有推广应用价值。     

Voronoi图在无人机航空影像匹配中的应用

提出了顾及无人机航空影像地面覆盖范围的影像空间位置Voronoi图的生成方法,利用基于局部特征不变算子在多视影像匹配过程的可传递特性,使用影像的Voronoi图邻域关系开展多视影像的匹配,既保证了多视影像间匹配点的重叠度,又提高了多视影像间的匹配速度。     

宽河道线性基元无人机遥感影像镶嵌配准方法

无人机遥感影像由于数量多、单张覆盖空间范围小、几何变形大以及河道内缺少配准控制点等特点,传统的基于特征点的影像镶嵌配准方法在宽河道无人机遥感影像镶嵌配准应用中受到限制.论文根据河道内线性地物丰富的特点,提出基于线性特征的无人机遥感影像镶嵌配准方法.该方法以线性地物边缘直线段为配准基元,通过MIHT算法估算待配准影像与基准影像的变换模型参数.试验结果表明,该方法很好地满足了宽河道无人机遥感影像镶嵌配准的要求,为沿河地质灾害调查提供了影像质量保证.     

自适应分块加权Wallis并行匀色

针对区域范围内多幅待镶嵌影像之间的色彩差异问题,提出一种基于GPU的分块加权Wallis并行匀色算法。首先,根据变异系数对影像自适应分块并利用双线性插值确定每一个像素的变换参数,利用加权Wallis变换消除影像间的色彩差异。然后,为了控制区域整体的匀色质量,利用Voronoi图和Dijkstra算法确定影像间的处理顺序。最后,利用GPU技术进行并行任务设计并从配置划分、存储器访问和指令吞吐量等方面进行优化,提高算法运算效率。实验结果表明,本文方法既能有效地消除影像间色彩差异,又能消除影像间的对比度差异。与CPU串行算法相比,GPU并行算法显著减少了计算时间,加速比最高达到60倍以上。     

GPU-CPU协同航空影像快速正射纠正方法

为满足应急测绘中大序列航空影像快速正射纠正的要求,提出了一种GPU-CPU协同快速正射纠正方法。实验结果表明,通过对GPU程序进行配置选择优化和存储层次性优化,该方法较传统的基于CPU正射纠正方法,其平均加速比达到52倍。     

基于嵩山定标场的无人机数据快速成图应用

无人机作为一个高效的测绘平台,越来越多地被应用到生产作业中。研究无人机数据快速成图的技术基础,基于GPU加速的同名点匹配技术,并根据嵩山定标场的测绘需求进行试验。采用无人机获取的影像16 179张,结合场内高精度地面控制点,快速处理得到嵩山定标场约50km2的高精度数字正射影像图(DOM),精度为平面点位中误差2.7cm,约0.5个像素。通过试验验证基于无人机数据快速成图的高效率和高精度,同时为后续的国产卫星、大型航测相机、无人机等定标检校提供参考。     

山地地区高分卫星影像正射纠正

随着国内外对地观测卫星技术的不断进步,山地地区高分卫星影像获取能力大幅提升。针对山地区域高分卫星影像云雾多、成像阴影多、纠正位置精度控制难等问题,该文提出山地区域高分卫星正射纠正生产方案。试验证明,经过大气校正、可视化的地形修复等处理后可解决薄雾去除和影像扭曲变形等问题;同时,GPU并行计算可实现影像快速融合、控制点自动选择等操作,提高生产效率,可为山地区域高分卫星影像快速处理提供参照。     

基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

基于形态学与Dijkstra相结合的影像镶嵌线方法

镶嵌线自动搜索是实现影像重叠区域无缝拼接的关键步骤,而目前随着无人机技术的日益成熟及无人机能够快速获取高清的遥感图像数据,迫切需要寻找一种既有质量、又有效率的镶嵌线自动搜索的方法。本文提出一种基于形态学与Dijkstra相结合的影像镶嵌线方法,该方法首先确定两幅影像重叠部分的差分影像,然后在差分影像的基础上进行形态学膨胀处理,同时根据稀疏矩阵构建八邻域稀疏矩阵,最后使用Dijkstra算法在差分影像上进行镶嵌线的自动搜索,得到最优路径镶嵌线。实验结果证明,改进算法与未经过形态学处理的Dijkstra方法相比,其自动搜索镶嵌线过程在耗时少(耗时为3.72 s)的情况下,能够很好地避开房屋等高亮度区。