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。     

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。     

大区域无人机影像快速无缝拼接方法

文章提出了一种面向大区域、多航带无人机序列影像快速、无缝拼接方法:以影像序列的航带排布特性作为先验知识,加快影像间多度重叠SIFT特征点的匹配;通过Levenberg-Marquardt方法平差求解拼接区域各影像的变换参数;根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优选与接边处影像的融合。实验结果表明该方法对于平地、丘陵、山地等不同地形的无人机影像数据都具有很好的适应性。     

4种无人机遥感影像快速拼接方法的试验分析

无人机遥感技术凭借其操作方便、灵活性高、分辨率高、投入成本低、现势性好等优势,已经成为获取遥感数据的重要方法之一。但不可否认的是,无人机遥感技术也存在影像量大、像幅小、无规律、拼接难的缺陷。因此,针对无人机遥感影像的拼接处理问题,本文通过试验对比了几种无人机遥感影像拼接方法,并对这几种拼接方法的精度以及应用范围进行了分析。     

基于BSIFT的无人机影像快速拼接算法

针对传统SIFT算法在无人机影像配准过程中速度较慢的问题,提出了一种改进的BSIFT影像拼接方法.针对SIFT特征点描述符计算复杂、占用存储空间过大、匹配耗时过长的缺点,使用BRIEF特征点描述符代替,利用改进方法(BSIFT)对影像进行特征点的提取与匹配,利用RANSAC算法剔除错配点并计算变换矩阵.实验结果表明:本文提出的方法提高了影像拼接速度,而且提高了拼接精度.     

无人机影像快速拼接改进

无人机摄影测量过程中具有相对航高较低,航行姿态不稳定,所获影像分辨率高,数量大等的特点,在影像拼接过程中涉及多张影像,其拼接误差会随拼接影像的数量增加而增大,其误差影响不容忽视。本文在对无人机影像拼接误差进行详细分析的基础上,在SIFT算法的基础上,通过确定合适的高斯核尺寸,采用分块匹配的策略,用L-M非线性最小二乘平差法在匹配过程中进行误匹配的剔除,实验结果表明,该方法对无人机影像的快速拼接效率和精度均有改进。     

一种基于拼接线的无人机序列影像拼接方法

通过无人机低空摄影获取的地面高分辨率影像具有成本低、方便快捷等优点,但由于超低空飞行拍摄的影像覆盖范围较小,所以需要通过影像拼接来获取更大范围的影像数据。研究了一种基于拼接线的影像拼接方法,对原有检测方法进行了改进,并通过实验说明了改进后的方法可以获得更好的拼接结果。     

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。     

无人机红外影像拼接方法研究

针对红外影像噪声多、对比度低、像幅小、旋偏角大等特点,该文以无人机红外监测技术应用需求为背景,研究了机载红外影像的拼接方法.首先,介绍了常用的机载红外影像格式;接着,对红外影像进行噪声去除、图像增强、畸变差改正等预处理;然后,根据是否有位姿数据,分别采用基于位姿信息和基于运动恢复结构的红外影像配准方法;最后,采用渐入渐出的融合方法消除影像拼接缝.通过实际飞行实验证明了该方法的可行性,具有一定的实际应用价值.     

自动检测拼接线的无人机视频影像快速拼接方法

为了实现无人机视频影像的快速、优质拼接,结合灰色关联度与影像直方图匹配等技术,建立一种自动检测拼接线的无人机视频影像拼接方法。该方法拼接速度快,影像色彩变化平滑,并且无明显接缝痕迹,在简单、实用、可靠性方面优势明显;并通过实验验证,在硬件普通配置的笔记本电脑上也完全能够满足无人机视频影像实时拼接的需求。     

一种无人机影像滤波分频拼接算法

针对无人机影像拼接处理中易产生鬼影、拼接缝等问题,提出一种基于滤波分频的无人机影像拼接算法。首先利用高斯低通滤波将已配准的无人机影像对分解成高频、低频影像;然后对低频影像采用加权平滑融合算法进行拼接,基于改进的动态规划算法搜索最优拼接线完成高频影像的拼接;最后将拼接好的高频、低频影像线性合成得到最终的拼接影像。实验表明,本文提出的算法可以较好地解决无人机影像拼接过程中出现的鬼影问题,最大化地避免拼接缝的出现,而且对亮度差异明显的无人机影像对也能取得良好的拼接效果。     

一种运用AKAZE特征的无人机遥感影像拼接方法

针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。     

利用层次Voronoi图进行点群综合

通过距离权重描述点的重要程度,采用改进的k-means算法得到点群的聚类中心,进而以聚类中心为基础,构建了层次加权Voronoi图与Voronoi层次树结构.以点群的分布范围、排列方式与密度为度量,给出了基于Voronoi层次树结构的点群综合方法,确保了点群综合前后在空间形态分布上的一致性.结合地理统计学计算,对综合方法作了进一步的量化评估与优化.经验证,本文方法是可行、有效的.     

基于Voronoi的海洋底质区域划界方法研究

在对Voronoi特性进行分析的基础上,运用Delaunay规则实现了海洋底质数据点的三角网化,从而间接生成了Voronoi图,再经过邻近区域的合并处理得到理想的底质划界区域。     

低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。     

面向雷利法则的加权Voronoi图生成方法

Voronoi图及其生成是计算几何的重要内容。针对传统栅格加权Voronoi图的权重界定局限性,以及栅格数据下Voronoi图生成的计算效率问题,本文研究了基于雷利法则的生长元规模权重和栅格欧氏距离变换权重作为综合权重条件下,规避单图幅背景栅格与每一生长元之间的距离计算,根据生长元各自距离变换图幅构建栅格加权Voronoi图,即雷利Voronoi图（Reilly Voronoi diagram,RVD）的地图代数生成方法。经试验验证,该方法生成的Voronoi图不仅完善了传统的权重因素,而且避免了因背景栅格与生长元的距离运算、判断而产生的大量计算,证明了该方法的切实可行性。     

一种顾及多特征约束的Voronoi图点群选取方法

点群的自动选取是制图综合的重要内容。在Voronoi图点群选取的基础上,提出一种顾及多特征约束的Voronoi图点群选取方法。该方法顾及了描述点群要素重要性的空间分布特征、拓扑和密度特征、专题属性特征以及与其他要素的关联特征,构建了基于综合特征重要性的度量模型,并作为约束条件应用于Voronoi图点群要素的选取。实验结果表明,该方法不仅可以综合考虑点群要素的多种重要性特征,而且能够较好地保持点群综合前后空间特征的一致性,符合传统制图综合规律,具有一定的普适性。     

基于动态Voronoi图的距离倒数加权法的改进研究

针对距离倒数加权法的不足,采用动态Voronoi图选取待插值点的邻近点,对每个已知数据点增加反映该点梯度的增量,并建立已知数据点的ε邻域避免计算误差,以改进距离倒数加权法,为距离倒数加权法的广泛应用创造条件。通过交叉检验与实际应用,证实利用改进后的距离倒数加权法进行空间数据插值精度更高,效果更为理想。     

Voronoi图生成的栅格算法

介绍了Voronoi图的矢量算法,从用于GIS的角度分析了该方法存在的问题和不足,提出Voronoi图生成的栅格方法。分析了利用传统的距离变换生成栅格Voronoi图的误差情况,对各种栅格算法从精度方面进行了分析,并给出了空间实体Voronoi图的生成过程。