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。     

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。     

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.     

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。     

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。     

最优路径的无人机影像拼接

SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强.本文采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配.在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差.     

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。     

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。     

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。     

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。     

以卫星影像为底图的无人机图像自动拼接方法

针对无人机影像受成像角度倾斜、光照不均匀等影响,导致常规匹配方法拼接效果较差的问题,该文提出一种基于现有卫星影像的由粗到精无人机图像自动拼接方法。首先,在对图像进行粗匹配阶段,提出了一种基于环状描述子的尺度不变特征变换,用于解决图像间旋转和尺度的差异,较好地克服了SIFT算法描述子维度较高且计算量大的不足。其次,引入分块互信息进行精匹配,减少拼接过程中的累计误差。最后,采用该文提出算法对无人机图像进行拼接,实验结果表明,该文提出的无人机图像拼接算法在满足实时性要求的同时可以达到较高精度。     

投影相似变换的无人机影像拼接

针对当前无人机遥感影像存在的成像范围小、视差角度大的缺点,该文提出一种改进的投影-相似变换方法来进行无人机遥感图像的拼接:通过对初始获得的单应矩阵进行改进,平滑推导重叠区域的投影变换到非重叠区域形成相似变换;该变换同时考虑拼接过程中图像重叠区域的配准精度和非重叠区域的视场一致。实验结果表明,该方法的拼接性能优于传统拼接方法。     

一种改进的无人机影像拼接粗差剔除算法

利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。     

顾及地形起伏的无人机影像覆盖分析方法

使用无人机实施测绘航空摄影时,由于无人机相对航高较低,地面起伏会对无人机影像的分辨率、覆盖范围、重叠度造成较大的影响,影像成果会出现分辨率不足、重叠度不够、覆盖漏洞等缺陷。针对这一情况,本文提出了一种利用数字微分正解法的计算方法,借助DEM准确计算每张影像的覆盖范围,并使用FME软件高效生成全部影像的覆盖范围。经过实际使用,验证了该方法可以在航线设计阶段准确预测并分析全部影像的覆盖范围、重叠度,因此可及时发现设计问题并调整航线。该方法可以有效减少因地形起伏造成的影像覆盖缺陷,减少返工现象,从整体上提高了作业效率。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

基于图像匹配的无人机飞行质量评估方法

我国对低空高分辨率遥感数据的客观需求促成了无人机遥感的发展,无人机飞行质量的评估是航空摄影测量的重要步骤之一。本文通过利用GPU加速SIFT算法进行无人机影像匹配,使用RANSAC剔除粗匹配点,根据匹配参数计算影像旋转角、轨迹重叠度、航向重叠度、旁向重叠度、航带弯曲度,对无人机飞行质量进行评估,并建立了一套完整的无人机飞行质量评估系统。     

基于多特征CRF的无人机影像松材线虫病监测方法

利用无人机遥感技术进行林业调查,可以获取低成本、高分辨率、高时间密度的遥感数据,特别是为小尺度范围的森林病虫害监测提供了非常有效的监测手段。本文以小型无人机为影像获取平台,航摄获取可见光RGB影像,基于高分辨率影像进行松材线虫病松树提取方法研究。根据影像特点,提取影像中地物颜色、纹理特征,并采用CRF方法进行分类,识别出病害松树。通过比较多种分类方法的提取结果,验证了基于多特征CRF方法在松材线虫病监测中的可行性和有效性。     

丘陵区无人机影像基础信息提取方法初探

无人机影像具有高空间分辨率的特性,在体现地物细节上有着多光谱数据所不具有的优势,同时也使得常规的多光谱影像的信息提取方法并不适用于无人机影像,针对这一问题,面向对象法被应用于高分辨率影像信息提取中;与常规方法相比,面向对象法不仅仅是利用影像的光谱信息,也考虑了影像的纹理、颜色、形状指数等多种要素,大大地提高了高分辨率影像的信息提取精度。但面向对象法涉及要素多,需要对研究区有一定的了解,同时需要建立相应的分类规则。该文分别利用基于光谱分析的阈值法及基于对象的面向对象法,对居民区、丘陵区、水体及混合区进行基础地类信息提取,并从时间及精度2个角度进行对比分析。