基于仿射不变特征的无人机影像匹配研究

摘要

无人机遥感技术由于具有快速灵活、运行成本低、维护和操作简单等优势,成为了世界各国争相研究的热点课题,且已经在土地资源普查、环境监测、气象监测、灾害应急等应用领域中得到了广泛的应用。但是,体积小、重量轻的特点使得无人机获取的同一场景的影像间往往存在旋转、平移、缩放、光照、视角等方面的差异,从而增加了无人机影像匹配的难度。因此,准确把握无人机影像特点,提取精准的影像特征,提高影像特征的匹配效率,成为无人机摄影测量的关键环节。
　　本文以无人机影像匹配作为研究对象,针对特征的获取、匹配精度和匹配效率等问题展开研究。在总结无人机影像的特点、匹配特征和匹配算法等概念的基础上,对比了角点特征提取算子和尺度不变特征提取算子对于无人机影像特征提取及匹配的鲁棒性,验证了角点和尺度特征提取算子难以满足在光照、尺度、视角等方面都具有复杂变化的无人机影像匹配问题。考虑到无人机影像旋转角及航线弯曲度较大、影像航向、旁向重叠度不规则等特点,研究了基于仿射不变特征的无人机影像特征提取和匹配相关问题,并利用Hessian-Affine和MSER两种仿射不变特征提取算子,对比了普通无人机影像和倾斜无人机影像的特征提取和匹配,结果表明,基于仿射不变特征提取算法能够有效获得精度较高的无人机影像匹配特征。同时,针对仿射不变特征的描述算子维度较高的实际情况,从提高影像匹配精度和效率的角度出发,本文对传统的K-D树匹配策略进行改进,引入了主成分分析思想,提出了PCA-KD树匹配算法。实例验证表明,与传统K-D树相比, PCA-KD树匹配虽然增加了建树的复杂度,但是能有效改善特征匹配时错分的现象,提高了特征匹配的精度。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

图清单

表清单

1 绪论

1.1 研究背景（Research Backgroud）

1.2 研究意义（Research Significance）

1.3 国内外研究现状（Overview of Research at Home and Abroad）

1.4 研究内容及目标（Research Contents and Purpose）

1.5 论文结构（Paper Structure）

2 特征匹配的理论基础

2.1 影像局部特征概述（Overview of Image Local Features）

2.2 仿射不变特征（Affine Invariant Features）

2.3 局部特征描述子（Local Feature Descriptors）

2.4 特征匹配（Feature Matching）

2.5 本章小结（Conclusion of the Chapter）

3 基于角点和尺度不变特征的无人机影像匹配有效性验证

3.1 影像匹配（Image Matching）

3.2 基于角点特征的无人机影像匹配（The UAV Image Matching Based on Corner Features）

3.3 基于尺度不变特征的无人机影像匹配（ The UAV Image Matching Based on Scale Invariant Features）

3.4 本章小结（Conclusion of the Chapter）

4基于仿射不变特征的无人机影像匹配

4.1 基于 Hessian-Affine 算子的无人机影像仿射不变区域检测（ Affine invariant regions detection of UAV image based on Hessian-Affine）

4.2 基于 MESR 算子的无人机影像仿射不变区域检测（ Affine invariant regions detection of UAV image based on MESR）

4.3 特征匹配策略的改进（ Improvement of Feature Matching Strategies）

4.4 本章小结（Conclusion of the Chapter）

5无人机影像匹配实验

5.1 仿射不变算子的评价准则（ Evaluation Criteria of Affine Invariant Operator）

5.2 实验评估及比较（Evaluation and Comparison of Experiment）

5.3 本章小结（Conclusion of the Chapter）

6 结论与展望

6.1 主要结论（Conclusions）

6.2 展望（Prospects）

参考文献

作者简历

学位论文数据集