序列无人机影像预处理与匹配中的几个关键问题研究

摘要

随着无人机从军用向民用的开放，且无人机具有重量轻、体积小、拍摄影像分辨率高、作业时间空间要求低、能在无人的情况下进入危险区域等优点，使得无人机得到了广泛的应用和快速的发展。搭载有新型遥感设备的无人机将成为传统航空遥感的极大补充，其应用领域也在不断的扩展，从最初的侦察、早期预警等军事领域扩大到资源勘测、气象观测及处理突发事件等非军事领域，为很多行业的事故预警、项目设计、规划管理等多方面工作提供重要决策依据。
　　本论文介绍了无人机遥感系统的组成，阐述了无人机野外获取影像的步骤和注意事项，着重分析了无人机航线规划需要考虑的关键因素以及具体的设计方法，并对获取的无人机影像进行了质量评定。由于无人机获取的影像具有数量多、畸变大、部分区域的影像视觉对比度差等多方面特点，使得对无人机影像进行必要的预处理尤为关键，其中，影像的畸变纠正、影像增强及匀光都是预处理中的关键步骤，众多学者也一直都在研究该方面的内容，是无人机影像处理的关键问题，影响着后期处理的最终效果。同时，序列无人机影像的匹配及拼接一直以来都是研究的热点问题，在影像处理过程中起到承上接下的作用，对该方面的研究也显得尤为关键。因此本文针对以上关键问题，主要做出了以下几方面的研究工作和创新性成果:
　　1、针对原始无人机影像有很多房屋、道路等规则图形的特点，利用canny算子进行边缘轮廓线提取，并依据Hough变换理论获得大量地物轮廓线;在此基础上，利用反解算模型联系像方和物方坐标系，以步长逼近的方法从物方坐标系推演出像点的真实坐标辅助纠正并检查纠正结果。同时，针对地物轮廓线之间存在平行、垂直等特点，提出了四边形连接法、平行线约束法等纠正方法，并通过实验对比了纠正前后控制点的坐标变化，畸变最大区域能达到6m以上的纠正效果，从纠正前后的影像对比发现很多建筑物轮廓线的位置关系都得到很大改善，实验效果比较满意。
　　2、根据原始无人机影像的离散灰度信息，计算每个像元灰度值与整个影像灰度平均值的离散程度，提出了把影像自动划分为不同区域的方法;然后，利用距离加权插值方法计算的变换函数对各区域影像进行不同程度的增强处理，并对增强后影像的直方图进行修正;最后，利用核线约束法对影像进行匹配和同名点均匀度检验。从部分影像的实验结果分析，由于影像增强后的灰度值梯度差在某些区域增大了近一倍，整幅影像上匹配的同名点数增多了近80％，尤其是在畸变较大及灰度变化较小的林地区域，影像的匹配同名点数比原始影像增多了近1.5倍，同时，通过对增强前后的同名点分布情况对比发现其均匀度也有了一定程度的提高，有利于影像后续处理工作的顺利进行。
　　3、针对无人机影像存在较大、较复杂的几何变形进而易导致误匹配的概率增大等问题，利用Harris算子提取并匹配特征点，提出基于多边形匹配的方法来探测并剔除误匹配同名点，从距离、角度以及权重等多方面考虑同名点匹配的正确性，通过实验统计各区域同名点的匹配正确率以及运算速度，在特征较明显区域匹配成功率达到90％以上，在纹理变化少的林地区域也能达到80％以上的匹配成功率，比传统方法提高了近10％。运算速度也与传统方法差不多，验证了该算法的可靠性和有效性。
　　4、由于无人机影像在拼接过程中会产生大量的累积误差，想要快速的获得大范围准确的全景图面临着一定的困难。基于此，本文提出了一种既精确又高效的无人机序列影像拼接方法。通过计算大致的影像匹配区域进而减少特征搜索和匹配时间，并记录匹配区域中心位置的特征点坐标，然后引入平差理论，区分平地、丘陵、山区等不同区域加权纠正匹配特征点的坐标位置。同时，针对航带间重叠率小、姿态差异大等特点，采用“先航带间再航带内、旁边航带向中间航带靠拢”的拼接方式，减少整体区域的累积误差，最终完成全局影像的拼接。实验表明，本文方法在拼接速度上比直接拼接法提高了近15％，从最后的拼接效果图对比也可发现错误拼接率也得到了极大改善，多处的道路等明显地物的拼接都得到了改善。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．1．1 无人机的发展现状

1．1．2 课题研究的意义

1．2 影像预处理及匹配的国内外研究现状

1．2．1 影像畸变纠正国内外研究现状

1．2．2 影像增强国内外研究现状

1．2．3 影像匹配国内外研究现状

1．3 研究的目标和内容

1．3．1 研究的目标

1．3．2 研究内容

1．3．3 研究的技术路线

1．4 论文的组织结构

1．5 论文的创新性

第2章 无人机影像的获取

2．1 问题的提出

2．2 无人机遥感平台的组成

2．3 无人机影像获取外业工作

2．3．1 无人机外业工作流程

2．3．2 无人机外业工作中航线的设计

2．3．3 无人机外业飞行

2．4 无人机影像质量评定

2．5 本章小结

第3章 基于地物特征的无人机影像畸变纠正

3．1 问题的提出

3．2 数码相机的检校方法

3．3 基于地物特征的无人机影像畸变纠正

3．3．1 边缘提取和建构筑物轮廓线提取

3．3．2 建构筑物轮廓线提取

3．3．3 平行线约束及四边形连接纠正方法

3．4 控制点纠正精度评定

3．5 距离倒数加权灰度插值重采样

3．6 本章小结

第4章 自动划分区域无人机影像增强方法

4．1 问题的提出

4．2 基于可变窗口的局部区域增强

4．2．1 直方图均衡化

4．2．2 基于可变窗口的区域自动划分

4．2．3 局部影像增强方法

4．2．4 直方图修正及匹配

4．3 特征提取及匹配实验

4．4 影像匀光

4．5 本章小结

第5章 序列无人机影像的多边形匹配与分区域加权平差拼接

5．1 问题的提出

5．2 序列无人机影像的多边形匹配法

5．2．1 特征点的提取及匹配

5．2．2 多边形匹配剔除误匹配同名点

5．2．3 匹配实验

5．3 加入约束条件的序列无人机影像相对定向

5．3．1 序列无人机影像航带生成及立体像对的组成

5．3．2 相对定向

5．3．3 实验及误差分析

5．4 序列无人机影像的分区域加权平差拼接

5．4．1 序列无人机影像的相交区域估计

5．4．2 匹配中心点分区域加权平差

5．4．3 算法步骤

5．4．4 实验及分析

5．5 本章小结

第6章 基于处理后影像构建三维地形

6．1 问题的提出

6．2 实验主要工作流程

6．3 SIFT算法原理及特征点匹配

6．3．1 建立高斯差分尺金字塔

6．3．2 生成特征点描述子

6．4 改进构建TIN的算法

6．4．1 构建TIN的主要方法及准则

6．4．2 构网的主要思路

6．4．3 构建并修改TIN

6．4．4 消除平三角形及三角网优化

6．5 实验与分析

6．5．1 TIN内插等高线及生成三维地形

6．5．2 实验数据分析

6．6 本章小结

第7章 结论与展望

7．1 研究总结

7．2 研究工作展望

致谢

参考文献

攻读博士学位期间发表的论文及科研成果