基于SURF算法的无人机遥感影像拼接技术

在影像匹配的研究上,SIFT算法在特征匹配方面的应用一直是国内外学者关注的热点之一。最近几年,有研究者提出了SURF算法,该算法是在SIFT算法基础上作了一些改进后得到的新算法。为了比较这两种算法在影像特征点提取上的优劣性,本文开发了相应的软件程序,并采用无人机遥感影像数据进行了算法的实例验证。发现相比于SIFT算法,SURF算法在影像特征点提取中无论是运算速度还是提取的特征点数量都有较大进步。基于此将SURF算法应用到无人机遥感影像拼接中,并通过高斯滤波对拼接影像进行平滑处理,获得了令人满意的拼接影像。     

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。     

地面三维激光扫描点云数据精度影响因素及控制措施

地面三维激光扫描技术虽然具有分辨率高、准确度高、效率高等特点,但在应用过程中存在一系列影响三维激光扫描精度的因素。文中详细分析扫描距离、物体表面材质、控制网、标靶测量精度、光斑大小、扫描点间距、点云拼接精度、全反射物质和外界环境等因素对三维激光扫描精度的影响,并提出对以上影响因素的控制方法。     

一种改进的无人机航摄影像快速拼接方法

为提高无人机航摄影像快速拼接的速度和精度,针对无人机影像处理特点,提出重叠区分块并行处理策略;通过对不同图像分辨率和尺度下的特征匹配情况进行分析,提出分块阈值自适应调节方法来改进尺度不变特征转换(SIFT)算法;利用匹配点距离中误差进行粗差去除,获取最优随机一致性检验(RANSAC)样本,得到更精确匹配点对。试验结果证明,改进策略既可保证拼接精度,又可提高拼接效率。     

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。     

Cyclone在数字校园三维激光点云数据预处理中的应用

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。     

高分辨率三维激光扫描数据的微小变形统计分析

地基三维激光扫描数据具有高精度、高空间分辨率的特点,能够改变传统的单点变形观测模式,使传统的点测量向“形测量”转化,因而大量的变形监测数据使得通过数学统计的方法探测变形量小于测量精度的微小变形成为可能。利用高分辨率三维激光扫描数据的微小变形统计分析方法,提出了基于反射值影像和BaySAC的拼接方法提高拼接精度;通过拟合方式提高整体分析精度,而影响拟合精度的主要因素为粗差,因此采用RanSAC算法剔除粗差,提高拟合的精度;然后利用格网化方法消弱偶然误差、修正拼接误差,最终得到变形量。采用建筑墙面及地铁隧道的点云数据进行了微小变形检测的实验,证明了该方法的有效性。     

基于改进算法的HJ-1气溶胶厚度反演研究

提出了在HJ-1 CCD自带卫星观测角度数据的基础上,结合卫星自带几何解算参数推算连续像元的太阳天顶角、方位角,并将原始卫星观测角度、推算几何角度数据生成对应四波段合成数据的改进算法,以提高反演数据的精度.结合Kaufman暗目标法和改进算法后对应连续像元几何数据的6S模型调用表,对南宁市中心城区2018年8月、9月、...