發(fā)布時(shí)間：2020-05-23 23:29

【摘要】：無(wú)人機(jī)航拍圖像自動(dòng)拼接技術(shù)通過(guò)圖像配準(zhǔn)、圖像融合等技術(shù),將一組內(nèi)容相關(guān)的無(wú)人機(jī)航拍圖像自動(dòng)拼接成一幅覆蓋拍攝場(chǎng)景內(nèi)容的大視圖、高分辨率圖像,在數(shù)字地圖與虛擬環(huán)境生成、目標(biāo)跟蹤與無(wú)人機(jī)輔助導(dǎo)航、軍事偵察、空中監(jiān)測(cè)預(yù)警、災(zāi)害控制等方面具有重要的應(yīng)用價(jià)值。本文針對(duì)無(wú)人機(jī)航拍圖像自動(dòng)拼接所涉及的關(guān)鍵技術(shù)進(jìn)行深入研究,主要包括圖像配準(zhǔn)、參數(shù)估計(jì)與優(yōu)化、圖像融合三部分。圖像配準(zhǔn)作為圖像拼接的基礎(chǔ),對(duì)圖像拼接的速度以及拼接結(jié)果的精確度影響甚大。本文針對(duì)紋理特征較少的無(wú)人機(jī)航拍圖像,研究了基于Log-Gabor變換的特征提取技術(shù),并通過(guò)實(shí)驗(yàn)與SIFT特征提取算法進(jìn)行對(duì)比,比較了對(duì)沙漠、草原等區(qū)域航拍圖像的特征提取和配準(zhǔn)效果。其次,本文提出了相鄰關(guān)系確定再配準(zhǔn)的多幅圖像配準(zhǔn)方法,該方法通過(guò)求解圖像最大極值穩(wěn)定區(qū)域進(jìn)行特征提取,并采用SURF描述算子對(duì)提取的圖像區(qū)域進(jìn)行描述,初步粗匹配確定圖像是否相鄰,進(jìn)而對(duì)相鄰圖像精確配準(zhǔn)求取特征點(diǎn)對(duì)。由于這種基于區(qū)域的特征匹配算法具有較低的復(fù)雜度且提取的特征點(diǎn)數(shù)量較少,可以較快地判斷出各圖像間是否存在重疊區(qū)域,從而免除了不相鄰圖像間的精確配準(zhǔn),很大程度上減少了圖像配準(zhǔn)所消耗的時(shí)間。本文從計(jì)算機(jī)視覺(jué)的角度詳細(xì)分析了無(wú)人機(jī)航拍中相機(jī)的成像原理,推導(dǎo)出簡(jiǎn)單高效的6-DOF相機(jī)成像模型,并使用該模型對(duì)圖像進(jìn)行參數(shù)估計(jì)。根據(jù)多幅航拍圖像拼接中誤差產(chǎn)生的原因,提出帶約束項(xiàng)的參數(shù)優(yōu)化模型。通過(guò)多組數(shù)據(jù)對(duì)比實(shí)驗(yàn),驗(yàn)證了本文提出的6-DOF成像模型及帶約束項(xiàng)的參數(shù)優(yōu)化調(diào)整方法的可行性和高效性。使用縫合線對(duì)圖像進(jìn)行融合時(shí),縫合線兩側(cè)圖像容易出現(xiàn)局部不連續(xù)現(xiàn)象。針對(duì)這一問(wèn)題,本文求解了用于縫合線搜索的最小連通子區(qū)域,并在該連通域內(nèi)遞歸回溯搜索縫合線,消除視覺(jué)上的拼接“錯(cuò)位”現(xiàn)象,并且很大程度上提高了圖像融合速度;其次,根據(jù)無(wú)人機(jī)航拍圖像的拼接特點(diǎn),將最小生成樹(shù)的思想應(yīng)用于縫合線搜索,求解最優(yōu)路徑。實(shí)驗(yàn)結(jié)果表明,相比于最大配準(zhǔn)誤差最小化的動(dòng)態(tài)規(guī)劃方法,本文提出的方法具有更好的拼接效果。
【圖文】：

除錯(cuò)誤的匹配特征點(diǎn)對(duì)；圖像相鄰關(guān)系確定，即圖像重疊性關(guān)系檢測(cè)；特征點(diǎn)配準(zhǔn)；參數(shù)初始化估計(jì)以及全局約束校正。圖1.1 圖像拼接過(guò)程近些年來(lái)，針對(duì)不同的應(yīng)用背景，相繼提出了多種圖像配準(zhǔn)方法。根據(jù)圖像配準(zhǔn)的依據(jù)，配準(zhǔn)方法主要有基于特征的配準(zhǔn)方法[6]、基于區(qū)域配準(zhǔn)方法[7][8][9]等。其中，基于特征的圖像配準(zhǔn)方法通常使用點(diǎn)、線等視覺(jué)特征作為圖像配準(zhǔn)依據(jù)[10][11]，或求解不變矩等計(jì)算特征進(jìn)行配準(zhǔn)，對(duì)圖像形變、光照變化等情況具有良好的適應(yīng)性，對(duì)圖像縮放、旋轉(zhuǎn)、甚至仿射變換保持較好的不變性。目前使用較為廣泛的有尺度不變特征變換（Scale Invariable Feature Transformation, SIFT）[12][13]、加速穩(wěn)健特征（SpeededUp Robust Features, SURF）[14]等�；�于特征圖像配準(zhǔn)方法憑借自身優(yōu)勢(shì)，受到越來(lái)越多的研究人員的喜愛(ài)，紛紛使用其來(lái)完成圖像配準(zhǔn)工作[15][16]�；�于區(qū)域的配準(zhǔn)方法的典型算法有最大極值穩(wěn)定區(qū)域（Maximally Stable Extremal Regions

為“○”的 26 個(gè)像素的函數(shù)值都小于或都大于標(biāo)記為“×”號(hào)像素的函數(shù)值時(shí)，該點(diǎn)為一個(gè)局部極值點(diǎn)。圖2.1 空間極值檢測(cè)(2) 精確定位特征點(diǎn)。為提高關(guān)鍵點(diǎn)的穩(wěn)定性，需要對(duì) DoG 尺度空間函數(shù)進(jìn)行擬合，展開(kāi)成泰勒級(jí)數(shù)的形式，并保留二次以下的項(xiàng)得式(2-3)：( )221( , , ) , , .2TTD DD x y D x y x x xx xσ σ = + + (2-3)其中， ( , ,)Tx = x y σ表示插值前的極值點(diǎn)，插值后極值像素點(diǎn)偏移量 x 即可通過(guò)將式(2-3)對(duì) x求導(dǎo)，并令導(dǎo)數(shù)等于 0 獲得式(2-4)：2 12 .D Dxx x = (2-4)則 x + x 即精確定位的特征點(diǎn)。為增強(qiáng)后續(xù)匹配的抗噪聲性和穩(wěn)定性，，通過(guò)如下方式剔除對(duì)比度較低的特征點(diǎn)：對(duì)精確定位的特征點(diǎn)取模運(yùn)算
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 何貝;王貴錦;沈永玲;廖超;劉春華;林行剛;;結(jié)合地理參數(shù)的航拍視頻實(shí)時(shí)拼接算法[J];應(yīng)用科學(xué)學(xué)報(bào);2012年02期

本文編號(hào)：2678113