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。

基于无人机低空遥感的航拍图像拼接方法

针对当前无人机低空遥感航拍图像拼接方法特征点配准技术较差导致图像拼接均方根误差较大的问题,设计新型基于无人机低空遥感的航拍图像拼接方法。使用图像几何校正技术以及中值滤波技术,完成无人机低空遥感航拍图像预处理过程;使用尺度空间函数及二阶导数,完成图像特征点配准处理;选择Hough变换技术,设定航拍图像拼接算法,实现航拍图像拼接。实验结果表明:此方法针对不同光照强度与拍摄高度条件下获取的图像均可进行有效拼接,并进一步降低图像拼接均方根误差。

梯度域方法在遥感图像融合中的应用研究

遥感侦察是侦察测绘领域的重要手段,而对于遥感图像的分析融合又是遥感侦察的主要内容之一,本文针对遥感图像融合中的多遥感图像全景拼接问题进行分析,讨论了梯度域方法在这方面的应用,并给出了一种消除图像拼接接缝的方法,梯度场整体变分(Gradient Field Total Variation,GFTV)方法。分析并讨论了该方法的性质及实现方法,并将该方法用于遥感图像融合拼接,将该模型与当前常用的几种融合模型进行了理论和实验上的讨论和比较,表明了GFTV模型的优势。

低误差匹配策略下的遥感图像S型融合拼接

针对目前遥感图像拼接算法有效匹配率低、拼接融合误差大的问题,对遥感图像拼接算法的匹配及融合拼接过程等进行研究。利用引导滤波器预处理图像,在快速高效的加速稳健特征(SURF)算法和低误差双向互选择匹配策略的基础上,采用随机一致性算法对匹配特征点进行进一步提纯;使用单应性转换矩阵计算图像间的相对位置关系,在拼接与融合阶段,根据韦伯定律和植物生长函数修改图像融合算法;采用S型非线性融合策略完成图像融合拼接。仿真结果表明,本文方法的匹配正确率提升了约1.01%~3.42%,图像融合拼接结果图的平均梯度提升了约84.86%~146.26%,信息熵提升了约0.77%~2.22%。在实现高效、低误差遥感图像匹配的基础上,本文方法提升了拼接质量、效率以及融合算法的稳健性。