基于优化导向滤波算法的遥感图像预处理仿真

针对无人机遥感影像拼接中因图像噪声大、光照差异大、视野中景物存在畸变、图像不清晰等因素影响而导致的图像特征点提取数量少、特征点误匹配率高、拼接效果不理想甚至拼接错误等问题,提出了一种基于优化导向滤波算法的遥感图像预处理算法。上述优化算法包括对原始图像的几何校正、辐射校正、噪声平滑与细节增强等步骤。在仿真阶段,应用上述算法对优化SIFT匹配算法进行改进后发现,改进后的匹配算法在特征提取数目上比起为原算法平均增加了约16%,且图像细节明显增强。实验表明,所提出的优化算法,能够有效减小图像噪声、校正畸变、增强图像细节,使后续的配准拼接工作更加高效准确。

针对高分辨率遥感图像的融合拼接算法

为给观测人员提供视角宽广、内容丰富、真实客观的全景图像,通过对无人机航拍相邻图像间的位置关系的研究结合改进的特征检测与描述算法,提出一种针对高分辨率遥感图像的特征查找与匹配算法,同时提出一种基于最佳缝合线的多分辨率融合算法,制定多幅高分辨率遥感图像的分层拼接策略。在实验阶段,特征点匹配数目相比传统SURF算法平均减少44%,运行时间减少37%,相比文献[10]算法匹配数目平均减少26%,运行时间减少22%,结合最终给出的50幅高分辨率遥感图像拼接结果,说明了优化算法在多幅高分辨率遥感图像拼接中的有效性,为进一步研究打下坚实基础。

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。

遥感图像拼接中改进的图像预处理算法研究

针对无人机遥感影像拼接中因图像噪声大、光照差异大、视野中景物存在畸变、图像不清晰等问题的影响,使得图像特征不明显、特征点提取数量少、特征点误匹配率高、拼接效果不理想甚至拼接错误等问题出现,论文提出了一种优化的遥感图像预处理算法用于无人机的遥感影像拼接。对于图像中可能存在畸变的情况,针对遥感图像的特点,提出了遥感图像畸变校正算法;且将无人机拼接最后阶段进行的匀色处理改进后应用于预处理阶段;并针对遥感图像经平滑去噪后图像细节不明显的问题,提出了基于图像锐化的平滑处理,即在图像平滑处理后使用自定义的锐化滤波器对平滑后的图像进行卷积,以增强遥感影像的细节。实验表明,论文所提出的遥感图像与处理算法,能够有效减小图像噪声、校正畸变、均衡光强、增强图像细节,使接下来的拼接工作更加高效准确,且经过验证,在后期进行特征提取时,采用论文所提预处理算法后提取到的特征点数目比起采取其他常规图像预处理算法后提取到的数目平均增加了约16%左右。

无人机遥感图像融合算法综述

遥感图像拼接融合技术可分为"像素级""特征级""决策级"3个级别;根据各级别特点,无人机遥感图像的融合应采用像素级的融合方法。文章对一些常见的像素级融合方法进行了简要描述,重点介绍了3种经典的图像融合方法,讲述了可以根据哪些指标对一幅图像从主观与客观两方面进行评价;在实验阶段,对3种经典融合方法进行了实验验证与性能分析。