基于分块模型改进的SIFT算法实现无人机影像匹配方法研究

摘要

无人机以其灵活的设定航线及时间、成本低、时相高、容易满足精度要求等优点已经广泛应用到监测、侦查、数字城市建设、农林评估、预测、统计等方面。随之而来的是无人机影像的处理问题，传统人工处理方法繁复且受人为因素影响较大，为提高无人机影像处理效率，自动匹配作为无人机影像拼接的重要技术环节，成为了理论研究与实现的热点。随着国内外学者们对于匹配算法的研究及改进，使影像自动匹配的技术得到了发展，形成很多较为成熟的匹配算法。目前， SIFT算法是公认最流行的匹配算法之一。
　　本文首先介绍了影像匹配方法现状；然后介绍SIFT算法的实现原理；最后实现并改进SIFT算法。在传统的SIFT实现的基础上，采用影像分块的策略，基于VC++6.0平台编程实现SIFT算法并进行代码封装，并且使用了多进程多线程思想提高影像匹配速度。研究比较基于欧氏距离的匹配、基于KD树的匹配、基于BBF的匹配三种关键点描述的方法，利用RANSAC算法剔除匹配点粗差，实现同名像点及旋转矩阵的生成。并使用贵州省安顺机场无人机影像进行实例验证，结合主流已发布的SIFT算子与时间和空间复杂度来改进和评价算法。

目录

封面

目录

中文摘要

英文摘要

1 绪论

1.1研究背景及选题意义

1.2国内外研究现状

2 数据来源

3 影像匹配的原理

3.1 基于灰度的图像匹配

3.2基于特征的图像匹配

3.3两种匹配方法的比较

3.4 相似测度

4 基于SIFT算子的影像匹配技术

4.1 尺度空间理论

4.2 高斯尺度空间

4.3 生成影像金字塔模型和DOG金字塔模型

4.4 极值探测与精确定位

4.5计算主方向

4.6 生成关键点描述

4.7 描述矢量匹配

4.8 匹配粗差剔除

5. SIFT算子的实现

5.1 需求分析

5.2 架构设计

5.3 程序设计流程图

5.4 用例图

5.5多线程处理的实现

5.6 分块设计

5.7 求解初始变换矩阵

5.8数据处理

5.9分块结果对比

6结论与建议

6.1结论

6.2展望与建议

参考文献

致谢

攻读学位期间发表论文

攻读学位期间参与项目

声明