基于ORB特征的无人机遥感图像拼接技术研究

摘要

图像拼接是指通过对现实中同一场景采集得到的多幅图像，通过特定变换而拼接成一幅完整图像的过程。近年来，图像拼接技术在医学图像处理、计算机视觉、遥感图像处理、虚拟现实技术等领域都得到了广泛的应用，特别是随着无人机技术的飞速发展，无人机遥感图像拼接已经成为近年来研究的热点。
　　本文首先介绍了图像拼接的基本流程，包括图像的获取、图像配准和图像融合。然后针对传统的SIFT、SURF算法运行速度较慢、不适合处理实时性要求较高的无人机遥感图像的缺点，提出了一种基于ORB特征的快速遥感图像拼接改进算法。
　　在关键的配准阶段，首先进行特征点的检测，根据ORB特征提取快速得到特征点和特征描述。其次，提出了基于K最近邻（KNN）和随机取样一致性算法（RANSAC）的两步匹配算法。该方法先采用基于K-d树的搜索策略进行特征点对的粗匹配，然后RANSAC算法进行精匹配，消除误匹配点，得到配准好的图像。
　　针对无人机连续拍摄，光照强度可能迅速变化，继而引起图像间色差不同的问题，直接融合拼接后重叠区域会存在明显的模糊、拼接重影错位现象，本文提出了一种改进的拉普拉斯金字塔融合方法，该方法能有效地消除拼接重影错位现象，使得图像能够平滑过渡，实现图像的无缝拼接。实验根据拍摄高度、地物类型不同分成三种典型类型，分别与SIFT算法、SURF算法进行实验对比。结果表明，本文算法在保证匹配精度的基础上，处理速度较经典的SURF算法提高了20倍，较SIFT算法提高了41倍。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 研究进展与现状

1.3 研究内容和主要创新点

1.4 论文的组织结构

第二章 图像拼接技术的相关理论

2.1 图像拼接流程

2.2 图像配准

2.3 图像融合

2.4 本章小结

第三章 图像特征提取算法

3.1 SIFT算法

3.2 SURF算法

3.3 ORB算法

3.4 实验结果与分析

3.5 本章小结

第四章 基于ORB特征的无人机遥感图像配准算法

4.1 特征点的匹配

4.2 匹配对提纯

4.3 本章小结

第五章 改进的无人机遥感图像融合算法

5.1 图像融合常用方法

5.2 实验结果与分析

5.3 本章小结

第六章 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

发表论文和科研情况说明

致谢