无人机遥感图像拼接算法研究

摘要

无人机遥感系统因其低成本、低风险，高分辨率、高效率、高灵活性等优势，在城市规划与市政管理、军事战场侦察、自然灾害区域评估、环境监测等领域有着广泛的应用。无人机拍摄的图像也具有单幅篇幅有限，重叠度高、数据量大、图像不规则的特点。然而无人机图像拼接技术成为制约其有效应用的瓶颈，急需研究快速拼接成一幅高质量全景图的方法。
　　由于现实需要，图像拼接多年来一直是国内外研究的热点，并逐渐形成了一些比较成熟的理论方法和技术。本文通过对这些理论技术的研究，掌握了图像拼接的相关概念和基本流程，对比分析归纳了图像拼接的不同方法，针对无人机图像的特点，重点研究了基于特征点的拼接方法。基于特征点的拼接方法，主要包括图像预处理、特征提取、特征匹配、求取变换矩阵和图像融合几个步骤组成。
　　图像拼接的各个步骤算法的好坏，都影响到图像整体拼接的精度和速度。图像预处理包括图像几何校正和图像去噪两个部分，对图像进行预处理，可以有效提高图像配准精度。合适的特征提取方法，可以提高提取到准确的特征点，有效压缩特征点的数量，在不降低拼接精度的条件下，减少计算量，提高图像拼接的速度。对于提取到的特征点进行匹配，需要选择合适的搜索策略，以便使匹配高效准确。根据重叠区像素坐标对应关系建立矩阵变换模型是为了实现待拼接图像与参考图像之间的坐标统一，我们的目的是找到尽量多的点适用该模型，好的变换模型可以保证配准的准确性。而图像融合是为了消除由于不同图像之间亮度等的不同造成拼接后图像过渡区有缝隙的问题，使图像之间能自然平滑过渡。本文对常用的预处理方法、特征提取方法、特征匹配方法、矩阵变换模型分类以及几种图像融合方法进行了介绍和阐述。
　　本文重点对目前应用比较广泛的三种提取方法，Harris角点检测，SIFT算子特征提取，SURF算子特征提取，进行了深入的研究和分析，对这些特征提取方法用VC++语言，VC6.0开发工具编写程序对无人机图像做了特征提取实验，通过实验结果对比分析了三种特征提取方法的速度和稳定性，采用RANSAC方法提纯匹配对并建立矩阵变换模型，用直接填充法和渐入渐出加权平均算法分别做了无缝图像融合对比实验，并探讨了拼接过程中参考图选择不同及拼接顺序不同对拼接效果的影响。最后在实验的基础上，借助MFC平台开发出了界面化的无人机图像拼接系统。该系统具有拼接速度快，拼接质量高，操作简便，显示直观的优势。

目录

摘要

第1章 绪论

1．1 研究背景

1．2 国内外研究历史及现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 图像拼接简介

1．3．1 图像拼接步骤

1．3．2 图像拼接技术的难点

1．4 研究目的和研究内容

1．4．1 研究目的

1．4．2 研究内容

1．4．3 论文组织结构

第2章 无人机遥感图像预处理

2．1 无人机遥感图像几何校正

2．1．1 无人机遥感图像地理定位

2．1．2 重采样和插值

2．2 图像去噪

2．3 实验结果分析

第3章 图像配准

3．1 图像配准基本理论

3．2 无人机遥感图像特征提取

3．2．1 Harris角点检测算法

3．2．2 SIFT特征点提取

3．2．3 SURF特征提取算法

3．3 特征匹配-K-D树搜索法

3．4 实验结果比较

3．4．1 特征点提取实验结果对比分析

3．4．2 特征点匹配实验结果对比分析

第4章 变换模型的建立及融合

4．1 RANSAC算法

4．2 RANSAC实验结果分析

4．3 图像融合

4．3．1 直接填充法

4．3．2 直接平均法

4．3．3 加权平均法

4．4 图像融合预测结果对比分析

第5章 遥感图像拼接系统的设计和实现

5．1 无人机遥感图像拼接总体框架

5．1．1 开发平台及库文件介绍

5．1．2 开发流程

5．2 拼接实现过程与最终结果

5．2．1 拼接过程中的问题

5．2．2 多幅图像最终拼接结果

5．3 软件界面

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

读硕期间发表的论文目录

致谢

声明