基于ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接。该算法首先通过ORB算法对特征点进行提取,然后利用改进的KNN-RANSAC算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ORB算法和改进的KNN-RANSAC算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。     

基于 ＯＲＢ算法和改进 ＫＮＮ- ＲＡＮＳＡＣ算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于 ＯＲＢ算法和改进 ＫＮＮ-ＲＡＮＳＡＣ算法的无人机遥感影像拼接。该算法首先通过 ＯＲＢ算法对特征点进行提取,然后利用改进的 ＫＮＮ-ＲＡＮＳＡＣ算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ＯＲＢ算法和改进的 ＫＮＮ-ＲＡＮＳＡＣ算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。     

基于无人机航拍图像快速拼接方法的研究

无人机航拍图像拼接已经针对无人机航拍图像特征不明显、拼接速度较慢等问题,提出了一种基于无人机POS系统数据的快速拼接方法.针对无人机POS系统会受到地理环境、风速等影响以及无人机POS数据的精度较低等问题,引入光束区域网平差方法建立优化参数方程,对优化后的数据进行一系列的坐标变换计算出影像的四个角点的地理坐标,以第一张影像地理坐标为基准,进行航拍图像的快速拼接.拼接结果与基于SURF图像拼接算法进行对比,算法在拼接的速率比基于SURF算法更高.     

结合SIFT和Harris算法的小型无人机影像拼接方法

考虑到小型无人机影像的成像过程具有视点离散、视角变化有规律等特点,选择拼接参考基准影像,利用无人机的GPS/IMU参数信息计算图像相交区域来减小图像匹配范围;综合利用Harris特征点提取算法和SIFT特征向量计算方法,进行特征点的提取和特征向量的计算,并用PCA算法进行降维处理;在特征匹配过程中,采用最临近(NN)方法和BBF算法提高匹配速度,应用PROSAC特征点提纯和仿射变换整体平差算法提高匹配的精度;最后利用光度对准和加权平均算法进行光度差异消除,实现了无人机影像的拼接。实验结果表明了文章中的图像拼接方法在准确性、效率方面具有优势。     

无人机海量遥感影像快速自动拼接算法研究

针对无人机遥感影像快速处理的需要,提出一种基于LM算法优化的同步配准影像拼接算法,算法首先提取影像的SIFT特征点,按照影像间的概率拓扑关系自动进行特征点匹配,接着按照同步配准的方式实现由两视图配准逐步合并到整个全区,每合并一次利用LM算法进行参数优化一次,直到所有影像对齐到统一坐标系,最后利用小波多层分解实现缝隙的消除和色彩的融合.实验证明,采用该算法可以有效提高影像拼接的速度和精度,为海量遥感影像的快速自动拼接提供一种有效的技术途径.     

无人机地震遥感影像的快速拼接方法研究

近年来,无人机遥感影像可广泛应用于防灾减灾、搜索营救、国土资源监测、森林防火等领域,但目前无人机影像快速处理软件存在耗时长、自动化水平低等问题。本文基于SIFT（Scale Invariant Feature Transform）特征点提取方法提取高分辨率地震应急无人机影像尺度不变特征点,然后利用k-d树（k-dimensional树）对特征点建立索引,并利用RANSAC方法排除误匹配特征点,计算准确的单应性矩阵并运用图像融合技术得到图像拼接结果。在此基础上,与现有拼接软件相比较,探究其优劣之处。     

基于SURF和SVM的无人机影像处理算法

无人机遥感在勘探救援、灾情评估、灾后重建等领域的重要性日渐凸显,而无人机影像数据处理的2大关键技术即快速拼接和信息提取仍处于研究阶段。针对SURF算法和SVM算法存在的问题,首先对SURF-64与SURF-36进行比较,并经实验证明采用64维向量描述特征点更适合于无人机影像数据处理,可达到高效、准确拼接的目的;然后采用2种改进SVM算法对拼接影像进行信息提取,并与传统SVM算法进行比较。实验表明,2种改进算法在信息提取精度、算法泛化能力方面均有不同程度的提高和增强。     

一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。     

一种改进KNN的无人机图像快速拼接方法

为了更好解决基于K近邻算法特征匹配速度问题,采用图像像素点经纬度数据加快特征点匹配的无人机图像拼接方法。利用拍摄图片信息里的地理坐标,计算影像像素点经纬度数据,然后计算出两张图像重合部分,利用重合部分特征点经纬度数据大致相同这一特点提高K近邻算法匹配速度,改进后的算法在匹配准确度比传统算法提高了43%左右,最后选用最佳缝合线法对图像进行拼接,获得了质量较好的全景图。     

基于平行-透视投影的无人机遥感系统视频图像的立体镶嵌

在简单回顾了平行-透视投影之后,提出了改进的图像立体镶嵌算法,用来获取地面三维信息立体像对.该算法主要包括3步：根据搭载在无人机上的GPS/INS给出的相机外方位元素和事先标定的相机内方位元素,对获取的图像序列进行校正;根据选定的视角从每帧图像的特定位置抽取两条较窄的图像;分别拼接左右立体图像.在此基础上,对无人机遥感系统（UAVRSS）中获取的实际序列图像进行了处理并生成了立体镶嵌图.为了验证该算法的有效性,用传统的拼接方法和提出的立体拼接方法分别得到了相应的镶嵌图.     

基于MATLAB/GUI的无人机遥感图像分类系统设计

为了提高无人机遥感图像分类技术在复杂地形中的勘察效率,设计了一种基于MATLAB/GUI的无人机遥感图像分类系统,实现了图像分类的可视化操作。采用K-Means聚类与Otsu阈值分割相结合的方法对无人机遥感图像进行分割与分类处理,并对初分割结果进行边缘检测、噪声滤波和形态学优化等图像处理,精确提取各类地物边界,提高图像分类精度;对分类处理后的结果进行矢量化输出,提高了本系统与其他软件的交互性;根据航拍高度、镜头焦距和传感器尺寸等信息,可计算每一类地物的实际面积,实现区域面积大小的快速统计,促进了无人机遥感技术在公路地质选线中的应用。     

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。     

WorldView-2遥感影像融合方法研究

随着遥感技术的发展,遥感影像的处理变得越来越重要,其中遥感影像的融合是遥感图像处理的重中之重.近年来,提出许多遥感影像融合的方法,以WorldView-2全色、多光谱影像为数据源,采用Gram-Schmidt、HSV、Brovey、PCA融合算法,以ENVI4.8为处理平台进行影像融合,并利用定量评价指标进行定量化评价.试验结果表明,Gram-Schmidt融合方法对高分辨率影像融合效果最为理想.     

改进的基于遥感影像线性亮度调整的水印检测算法

在遥感影像水印算法研究中,针对几何变换、压缩、加噪等常见的图像攻击方式研究的较多,而抵抗亮度调整攻击的水印算法研究较少.亮度调整对遥感影像的空间特征不会产生影响,但会破坏嵌入到遥感影像中水印信息的同步性,从而导致水印检测失败,这给遥感影像水印算法提出了新的挑战.本文从遥感影像版权保护的角度出发,提出了一种改进的基于遥感影像线性亮度调整的水印检测算法.首先,阐述了遥感影像线性亮度调整的特点;然后,分析了基于映射机制水印嵌入算法中两个参数随着亮度调整变化的规律性,构建了基于参数线性特征和映射机制的水印检测算法;最后,对改进的水印检测算法进行了实验验证.实验对比结果表明,该算法能够有效抵抗常见的影像处理方式的攻击,对亮度调整攻击也具有好的鲁棒性.     

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法. 使用尺度不变特征变换（SIFT）特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵. 针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类. 图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节. 按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型. 以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求. 实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于无人机高精度DEM数据的梯田自动提取算法

提出一种基于无人机高精度DEM数据的梯田自动提取算法. 首先,基于无人机航测技术获取1m分辨率的DEM数据,在此基础上计算地面坡度. 此时,梯田田坎处于坡度的极大值区. 其次,采用坡面流水模拟算法实现对该极值区的提取. 最后,对提取结果进行掩膜滤波,消除非梯田区域,得到最终梯田提取结果. 以陕西省长武县王东沟流域为实验样区,进行梯田提取实验,并将实验提取结果与梯田目视解译结果及光照晕渲模拟方法提取结果进行对比. 结果显示,相比目视真值,该方法提取梯田的准确率为90.67%,具有较高的提取精度; 相比光照晕渲模拟方法,该方法可提取出更为完整和连续的梯田结果. 该梯田快速提取方法及结果可为水土保持、农业发展、生态环境治理等研究提供依据.     

空间分辨率对水体遥感信息提取的影响

以庐山及其周边作为研究区域,以MODIS、Landsat ETM+、SPOT以及GeoEye为数据源,对比分析了不同空间分辨率影像上水体的表现特征和影像所提取的水体结果的差异. 结果表明:在地形较为平坦、边界较为规整、水体面积较大的区域,空间分辨率对提取效果的影响较小;反之,提取面积误差会随着空间分辨率的降低而增大. 在地形平坦、边界规整、水体面积较大的区域,ETM+影像能很好地满足精度要求;而在地形崎岖、边界粗糙、水体面积较小的区域,综合考虑精度要求、经济成本和时间成本,适合采用分辨率为10 m的SPOT影像提取水体.     

基于MongoDB的海量遥感影像大数据存储

随着科技的发展,遥感影像照片在质量及数量上急剧增加,如何安全并高效地将其存储已成为当前研究的一个热点问题.应用NoSQl非关系型数据库,提出一种基于MongoDB的遥感影像大数据的存储方法.用基于GridFS的大文件存储方式存储影像,再将其有关的属性信息以一条文档的形式插入MongoDB数据库,两者之间用相同的ID编号连接.通过与关系型数据库PostgreSQL在大文件以及传统海量文档存储方面进行性能测试比较,结果表明基于MongoDB的海量遥感影像大数据存储方法在各方面性能均明显优于基于关系型数据库的存储方法.