基于Shannon-cosine小波的农田遥感图像纹理延拓

农田遥感图像一般都是大图像,对这种大图像进行后续的分析,分块处理是较常见的方法,而在进行分块处理的时候易产生边界效应。消除边界效应最常用的方法是进行图像延拓,常见的延拓方法有对称延拓、零延拓和周期延拓,但在边界处会引入大量高频信息。农田遥感图像中的纹理承载了重要的信息,因此,结合农田遥感图像纹理呈现出的直线特性,本文提出了一种基于纹理方向的图像延拓法。利用多尺度插值小波解偏微分方程的方法根据图像的灰度变化自适应选取配置点,即在图像平坦区域稀疏取点,在纹理细节处密集取点。然后根据配点利用包围盒识别农田遥感图像的纹理方向,进一步沿纹理方向进行延拓。试验结果表明,本文提出的图像延拓方法有效地克服了常规延拓方法的缺点,提高了计算效率,消除了边界效应。

基于SIFT算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、宽视野的图像,在利用SIFT(Scale-Invariant Feature Transform)算法初步检测候选点步骤中,加入自适应阈值去除部分候选特征点;结合无人机图像的经纬度坐标及重叠区域位置关系剔除部分无效特征点,并进行特征点粗匹配;利用随机采样一致算法消除误匹配点对,并求解投影变换矩阵完成相邻两幅农田遥感图像的拼接;设计了金字塔拼接策略,完成128幅高分辨率图像的拼接。实验结果表明,基于SIFT算法,利用改进的特征点精简方法,特征点粗匹配时间平均减少了52%,精匹配时间平均减少了25%;基于6个图像融合评价参数的对比实验发现,从定性和定量两个方面,基于多分辨率的图像融合均优于其他融合算法。