基于景象匹配的无人机侦察视频快速配准方法

为了改善无人机侦察视频配准效果与速度,提出一种基于景象匹配的无人机侦察视频快速配准方法。首先提出基于AGAST-Difference与FREAK的特征匹配算法对视频帧之间配准,然后提出匹配区域搜索方法在数字卫星地图上找到视频帧匹配区域,最后将视频帧与匹配区域配准,根据匹配区域二维关系计算单应矩阵完成拼接。实验结果表明,基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势,匹配区域搜索方法避免了定位定向系统带来的误差与引入控制点,提高了纠正精度与速度。本配准方法对像素大小为810×612的视频拼接速度达到25帧/s,在离地约1000 m的空中,二维定位精度可达7.87 m。

无人机侦察视频超分辨率重建方法

目的无人机摄像资料的分辨率直接影响目标识别与信息获取,所以摄像分辨率的提高具有重大意义。为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据的特点,提出一种无人机侦察视频超分辨率重建方法。方法首先提出基于AGAST-Difference与Fast Retina Keypoint(FREAK)的特征匹配算法对视频目标帧与相邻帧之间配准,然后提出匹配区域搜索方法找到目标帧与航片的对应关系,利用航片对视频帧进行高频补偿,最后采用凸集投影方法对补偿后视频帧进行迭代优化。结果基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势,匹配区域搜索方法使无人机视频的高频补偿连续性更好,凸集投影迭代优化提高了重建的边缘保持能力,与一种简单有效的视频序列超分辨率复原算法相比,本文算法重建质量提高约4 d B,运行速度提高约5倍。结论提出了一种针对无人机的视频超分辨率重建方法,分析了无人机视频超分辨率问题的核心所在,并且提出基于AGAST-Difference与FREAK的特征匹配算法与匹配区域搜索方法来解决图像配准与高频补偿问题。实验结果表明,本文算法强化了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。