無(wú)人機(jī)影像序列拼接技術(shù)的研究與實(shí)現(xiàn).pdf

1、無(wú)人機(jī)遙感技術(shù)已成為災(zāi)后監(jiān)測(cè)、環(huán)境勘測(cè)等領(lǐng)域獲取遙感數(shù)據(jù)的重要手段，它能及時(shí)、準(zhǔn)確的獲取目標(biāo)區(qū)域的高分辨率影像。但受到無(wú)人機(jī)飛行高度、相機(jī)焦距等的影響，單張影像覆蓋的目標(biāo)區(qū)域范圍較小，本文通過(guò)研究無(wú)人機(jī)影像序列拼接技術(shù)來(lái)擴(kuò)大監(jiān)測(cè)范圍。
　　1）研究SURF算法解決存在平移、旋轉(zhuǎn)、縮放、噪聲等多種變換的無(wú)人機(jī)影像序列特征提取問(wèn)題。通過(guò)對(duì)比分析的方式重點(diǎn)研究 SURF算法比SIFT算法快速的原因。通過(guò)分析 Harris、SIFT和 S

2、URF算法提取特征的實(shí)驗(yàn)效果表明，SURF算法提取的特征點(diǎn)穩(wěn)定且分布均勻合理，該算法魯棒性高且運(yùn)算速度相對(duì)較快。
　　2）采用最近鄰算法實(shí)現(xiàn)特征粗匹配，分析并選擇透視變換作為影像拼接的變換模型，提出一種雙4-RANSAC算法計(jì)算變換參數(shù)，同時(shí)剔除誤匹配點(diǎn)對(duì)以實(shí)現(xiàn)特征精匹配。雙4-RANSAC算法是一種改進(jìn)的RANSAC算法，它首先任選4對(duì)匹配點(diǎn)計(jì)算模型參數(shù)，再增加4對(duì)匹配點(diǎn)檢驗(yàn)當(dāng)前模型，若存在一對(duì)為非內(nèi)點(diǎn)則重新選點(diǎn)和計(jì)算模型。理論

3、分析和實(shí)驗(yàn)結(jié)果表明，本文提出的雙4-RANSAC算法提高了RANSAC算法的運(yùn)算效率。
　　3）研究并改進(jìn)小波變換實(shí)現(xiàn)兩幀和多幀無(wú)人機(jī)影像序列融合與拼接。首先分析直接平均法和漸入漸出法，接著重點(diǎn)研究小波變換融合法，提出一種基于 NCC（歸一化相關(guān)系數(shù)）的改進(jìn)加權(quán)融合算法實(shí)現(xiàn)小波低頻系數(shù)融合。該算法首先將像素?cái)U(kuò)展到其m?n鄰域，再計(jì)算對(duì)應(yīng)鄰域的 NCC值，若該值大于某一設(shè)定閾值則融合系數(shù)為輸入系數(shù)的平均值，若該值小于設(shè)定閾值則融合系