基于数学形态学改进的无人机影像配准算法

在无人机影像配准过程中,特征点对提取数量较为庞大,配准效率较低;当特征点位于树冠区域内时,受地形、视角、光照等因素的影响,非常容易产生大量点对的错误匹配。为解决上述问题,文章提出一种基于数学形态学改进的无人机影像配准算法。首先,根据可见光波段差异植被指数(visible-band difference vegetation index,VDVI)与数学形态学原理,对树冠区域内的特征点进行剔除;然后将双向匹配算法与最近邻(k-nearest neighbors,KNN)算法相结合,对特征点进行粗匹配;最后利用渐进一致采样(progressive sample consensus,PROSAC)算法进行精匹配,进一步提高配准精度。实验结果表明,在对有树冠区域覆盖的无人机影像进行配准时,该文提出的算法能有效提高匹配率与配准精度。