基于改进SPHP算法的无人机遥感影像智能拼接方法

由于在影像拼接过程中存在清晰度低的问题,为此,提出基于改进SPHP(shape-preserving half-projective)算法的无人机遥感影像智能拼接方法。确定目标图像的极值点后,采用SIFT(scale invariant feature transform)作为特征参数,实现对无人机遥感影像特征的提取。在影像匹配阶段,对图像进行单应变换处理后,在待拼接无人机遥感影像特征重合的前提下,利用薄板样条函数(thin plate spline,TPS)中的径向基函数对图像进行变形处理,以此消除投影偏差,结合不同方向上的变形量,实现对无人机遥感影像的拼接。在测试结果中,拼接后影像的信息熵稳定在7.50以上,灰度方差乘积稳定在10.80以上。

基于改进SPHP算法的无人机遥感图像拼接技术

为解决无人机遥感拼接图像易受地貌因素影响,产生形变或重影等问题,提出一种改进SPHP算法。用SURF算法和Harris算法相结合快速提取特征点,将得到的特征点用KNN算法粗匹配,用PROSAC算法进行精匹配,引入权重系数,计算图像重叠区域的空间变换模型,将该模型代替SPHP算法原有空间模型,降低图像重叠区域的重影,使拼接后的图像产生更小的形变。实验结果表明,该算法可以有效去除拼接图像的重影,生成更好的拼接结果。

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。