基于ERDAS LPS的无人机遥感影像技术

随着遥感技术的发展,遥感航拍数据成为了部分行业不可或缺的基础资料。在环境恶劣的地区,卫星航拍造成数据难以接收、影像使用率低等问题,而无人机遥感技术却可以解决这些问题。基于此,研究、分析了ERDASLPS的无人机遥感影像快速处理技术,并提出了提高DEM精度的解决办法,为后期对无人机遥感影像技术的研究提供一定参考依据。     

浅谈低空无人机小数码数据后处理解决方案

随着信息科学和相关产业的快速发展,各国对空间数据的需求急剧增长。数据获取成为当前阻碍空间信息技术迅速推广应用的主要瓶颈之一。测绘无人机作为一种低成本、高精度、操作简便的遥感影像获取设备应运而生。针对目前低空无人机小数码航拍数据,姿态稳定性差,旋偏角大,影像畸变大等缺点比传统大数码航拍数据后期处理难度大,基于航天远景visiontek全套数字摄影系统软件,提出无人机数据后处理的完整解决方案:检测航拍质量,快速得到全景图,得到高精度空三结果及航测内业3D产品。     

一种多光谱遥感影像与航拍影像融合算法

无人机航拍影像空间分辨率高,纹理信息丰富,但其光谱信息匮乏,不利于遥感信息解译。为此提出一种基于脉冲耦合神经网络模型的融合算法,通过计算非规则区域的统计特性,将无人机航拍影像的亚米级高空间分辨率信息注入到遥感卫星多光谱影像中,以获取具有亚米级空间分辨率和高的光谱分辨率的遥感融合影像。通过定性和定量的对比实验,表明该算法优于经典的遥感影像融合方法,同时验证了其在减小光谱扭曲和空间纹理细节保持等方面的有效性。     

小型四旋翼无人机序列影像三维重建实验

传统航空影像三维重建受到时效性、成本等限制,而无人机三维重建技术是解决中小范围三维地形问题的有效手段。基于小型四旋翼无人机航拍序列影像开展了三维重建实验。首先分析了小型无人机航拍三维重建流程的特点,随后重点讨论了无人机三维重建中涉及的关键问题,包括无人机飞行姿态控制、航速、航高、重叠度和拍照模式选择等,最后对比了不同软件的重建结果。实验结果表明,通过优化控制无人机飞行姿态、航高、航速、重叠度等因素,选择合理的序列影像获取模式,在不同的软件中均可完成精度较高的精细地物三维重建。     

轻小型无人机遥感定位系统误差消除技术研究

传统无人机定位系统误差消除技术存在误差消除精准度低的问题,需对轻小型无人机遥感定位系统误差消除技术进行深入研究。根据轻小型无人机航线、地理参考和初始位置坐标系,构建轻小型无人机遥感定位模型;利用该模型对目标定位原理展开分析,通过模型构建和无人机隐秘飞行特征,对目标位置进行转换,获取转换后的坐标系位置信息,通过无人机飞行姿势变化幅度范围,获取精准误差影像序号,并进行修正,由此完成系统误差消除。实验结果证明,该技术误差消除精准度较高。     

基于DenseNet的无人机光学图像树种分类研究

利用无人机航拍获得光学影像数据,结合深度学习理论,建立树种识别模型,以期为大规模树种识别提供一种新的方式。首先以福建安溪县为例,采用无人机获取20 m及40 m高度的航拍影像。其次,以树种为对象,对航拍影像进行分割,获得12种树种影像。最后,结合深度学习理论,采用DenseNet卷积神经网络建立树种识别模型,探讨不同航拍高度以及不同网络深度对树种识别的影响。结果表明:不同航拍高度的树种识别模型,其分类精度均达80%以上,最高精度为87.54%。从航拍影像解析度分析,随着航拍影像解析度的下降,模型识别精度呈现下降趋势,以20 m航拍影像数据建构的树种识别模型,其分类精度高于40 m模型;从模型网络深度分析,随着模型网络层数的增加,模型分类精度出现下降现象,DenseNet121模型分类精度高于DenseNet169模型分类精度。综上所述,基于无人机航拍影像,结合深度卷积神经网络,提出了新的树种识别方式,并以安溪县森林树种识别为例证明了该分类框架的有效性。     

基于DenseNet的无人机光学图像树种分类研究

利用无人机航拍获得光学影像数据,结合深度学习理论,建立树种识别模型,以期为大规模树种识别提供一种新的方式。首先以福建安溪县为例,采用无人机获取20 m及40 m高度的航拍影像。其次,以树种为对象,对航拍影像进行分割,获得12种树种影像。最后,结合深度学习理论,采用DenseNet卷积神经网络建立树种识别模型,探讨不同航拍高度以及不同网络深度对树种识别的影响。结果表明:不同航拍高度的树种识别模型,其分类精度均达80%以上,最高精度为87.54%。从航拍影像解析度分析,随着航拍影像解析度的下降,模型识别精度呈现下降趋势,以20 m航拍影像数据建构的树种识别模型,其分类精度高于40 m模型;从模型网络深度分析,随着模型网络层数的增加,模型分类精度出现下降现象,DenseNet121模型分类精度高于DenseNet169模型分类精度。综上所述,基于无人机航拍影像,结合深度卷积神经网络,提出了新的树种识别方式,并以安溪县森林树种识别为例证明了该分类框架的有效性。     

基于DenseNet的无人机光学图像树种分类研究

利用无人机航拍获得光学影像数据，结合深度学习理论，建立树种识别模型，以期为大规模树种识别提供一种新的方式。首先以福建安溪县为例，采用无人机获取20 m及40 m高度的航拍影像。其次，以树种为对象，对航拍影像进行分割，获得12种树种影像。最后，结合深度学习理论，采用DenseNet卷积神经网络建立树种识别模型，探讨不同航拍高度以及不同网络深度对树种识别的影响。结果表明:不同航拍高度的树种识别模型，其分类精度均达80%以上，最高精度为87.54%。从航拍影像解析度分析，随着航拍影像解析度的下降，模型识别精度呈现下降趋势，以20 m航拍影像数据建构的树种识别模型，其分类精度高于40 m模型；从模型网络深度分析，随着模型网络层数的增加，模型分类精度出现下降现象，DenseNet121模型分类精度高于DenseNet169模型分类精度。综上所述，基于无人机航拍影像，结合深度卷积神经网络，提出了新的树种识别方式，并以安溪县森林树种识别为例证明了该分类框架的有效性。     

无人机载荷航拍控制系统设计

针对无人机(UAV)遥感航拍过程中相机载荷参数自动化控制与飞行航迹实时跟踪的问题,提出一种能自动完成相机载荷控制与航拍控制的设计方案.首先,系统根据实验要求实时获取所在地理位置信息及环境预判信息,再根据相机控制参数表进行参数编码;然后,通过通信口发送自定义协议指令集给硬件控制电路,完成相机载荷参数设置并进行拍摄,同时航迹规划软件实时记录飞行轨迹地理坐标信息.系统设计使硬件控制平台和软件数据处理相结合,实现软硬协同控制.经无人机飞行验证,与单一参数航拍控制模式相比,该系统能根据不同的拍摄环境和拍摄场景进行相机参数的自动化控制与飞行轨迹实施跟踪.     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

Aerial image mosaicking based on the 6-DoF imaging model

ABSTRACT

Image mosaicking technology is widely used in remote sensing and imaging of unmanned aerial vehicles (UAVs) for its superiority of generating large seamless images with high resolutions. Existing methods generally adopt the 8-DoF (degrees of freedom) homography camera model for image mosaicking, which require large computation cost in parameter optimization and cause distortions in the mosaicked images because of the accumulation errors. In view of this, this paper introduces an efficient mosaicking method based on 6-DoF imaging model to improve the quality of aerial image mosaicking. This derived model reduces the number of unknown variables for parameter optimization, hence improves the time efficiency. Meanwhile, a constraint term is merged into the objective function of optimization by analysing the characteristic of UAV imaging to eliminate the accumulation error in the mosaicking process. The experimental results on multiple datasets demonstrate that the proposed method achieves more accurate mosaicking results efficiently and is robust to different reference images relative to the state-of-the-art method.     

无人机林区影像镶嵌

通过无人机获取的林区影像具有纹理一致性,很难进行影像匹配,对于大范围的影像镶嵌来说,如果采用传统的摄影测量方法,很难在地面上布置控制点。本文拟采用SIFT算法提取无人机影像特征,然后在此基础上进行影像镶嵌。     

多失真混杂的无人机图像质量盲评价

目的 面向多失真混杂的图像质量盲评价问题目前仍然是计算机视觉领域具有挑战性的工作之一,无人机图像受成像条件影响混杂多类失真,图像质量的准确评价是其效能发挥的关键环节。为此,引入并改进了基于自然场景统计的距离度量评价模型,提出多失真混杂的无人机图像质量盲评价方法。方法 从图像的结构性、信息完整性和颜色性3个不同的角度研究并提取了与无人机图像质量敏感的特征因子集;以实拍标准测绘图像库为原始图像获得MVG特性参数作为度量基准解决了盲评价中缺乏训练集的问题;构建了以实飞图像为样本的无人机图像质量数据库（UAV image set）,为相关问题的研究提供数据集和评价参考。结果 针对所构建的数据库,本文算法在主客观一致性、算法运行时间上与其他算法进行了对比实验。相比较其他经典算法,本文算法的主客观一致性较高,达到了0.8以上,运行时间较快,过到1.2 s。此外本文还给出了块大小对算法影响以及单特征对图像的评价结果,证明算法选择的图像块大小和图像特征符合质量评价的需要。结论 针对无人机图像所包含的多失真构建质量评价综合模型,该模型可满足无人机图像质量需求。     

鱼眼图像校正及拼接的研究与实现

鱼眼图像视角大，两幅图片即可拼接成全景图，但鱼眼图像存在严重变形。该文利用场景中直线的鱼眼投影曲线，使用球面透视投影约束，得到径向和切向变形参数，实现了鱼眼图像的校正。基于待拼接图像之间重叠部分亮度差最小的原理，确定了重叠区域，通过在重叠区域间的融合，实现了图像的无缝拼接。校正及拼接结果表明，该方法能得到较为满意的效果。     

Automated accurate registration method between UAV image and Google satellite map

Because Unmanned Aerial Vehicle (UAV) image exhibits low positioning accuracy, the accurate registration of the image is required. Since the viewpoint direction, capturing time and shoot height are considerably different between the UAV image and google satellite map, the existing methods cannot match two images accurately. For the registration between the UAV image and google satellite map, a full-automated image registration method was proposed based on deep convolution feature. Such method consists of five steps: automatically reference images downloading, uniform key point extraction, deep convolution features computation, accurately feature matching and image registration. The reference image was downloaded from google map service according to the approximate location and region of the UAV image. The deep convolution feature was extracted using the pre-trained VGG16 model. Finally, many experiments were performed to verify the efficiency of the proposed method, and the results demonstrate that the proposed method is more effective and robust than the existing method.

     

一种基于SSEQ算法的低空无人机影像快速成图方法

针对现有的无人机因飞行高度较低、视野小、获取影像像幅较小导致影像处理时数量剧增且部分影像质量较差等问题,提出一种基于SSEQ算法的无人机影像快速成图方法。该方法首先对无人机影像进行降采样和分块处理,提取影像局部块上的空间熵和频谱熵信息;然后利用SVM和SVR进行训练、预测和回归,评定影像质量;最后依据评定结果筛选出高质量影像完成拼接实验,并提取控制点的图上坐标,记录实验耗时。实验结果表明,基于SSEQ算法筛选后生成的正射影像与原始影像拼接生成的正射影像精度接近,拼接效率提高39.27%。     

基于质量评价的无人机航拍图像拼接方法

针对大视差无人机航拍图像拼接中出现的错位、伪影问题,提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝,然后根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价,之后再重新估计拼接缝。估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代,最后通过梯度融合生成最终结果。实验结果表明,所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影,优于目前几种无人机航拍图像拼接方法,且得到的拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知,在常见的图像清晰度评价指标上表现良好。     

无人机遥感影像自动无缝拼接技术研究

为了实现百幅无人机影像自动无缝拼接技术,以黄淮海平原的3个典型区为实验对象,基于航拍影像质量评价,运用特征的控制点配准算法和图像灰度融合的对比度调制法,开展上百幅多航带影像快速拼接实验。结果表明,航片质量最好的是洪泽湖地区,航带和影像扭曲度不高,其次是白洋淀地区,而黄河口地区的航高差值、航带弯曲度和最大旋转度相比较高,说明航带扭曲度高,航片偏移中心线的程度较大。以江苏省洪泽湖区QuickBird影像和实地监测点与航片做精度验证高达81.26%,说明此技术是可靠和可行的,对无人机航拍影像拼接工作具有一定的实用价值和科学参考依据。     

一种快速的柱面全景图像拼接算法

基于等距离匹配思想，提出一种快速的柱面全景图像拼接算法。对于相邻两幅待匹配图像，设定相同大小的比较区域，从两幅图像中心垂线开始向重叠方向同步长移动并进行比较。在比较区域中采取随机取点的方式，计算对应点的颜色差值并累加，若达到某一设定阈值，则停止计算，移动比较过程中，计算次数最多的比较区域中心位置即为最佳匹配位置。该算法可以尽早排除非匹配位置，减少计算量，提高全景图像生成速度。利用该算法思想对随机顺序输入的场景图像序列进行排序，可以获得按照实际场景内容排列的图像序列，然后进行全景图像匹配拼接，实验结果表明该算法快速有效。     

基于改进SIFT算法的无人机航空应急测绘系统设计

针对现有无人机航空应急测绘系统,不能适用于地表特征应急测绘,无法满足无人机航空大比例尺测图的实际应用需求,设计基于改进SIFT算法的无人机航空应急测绘系统;根据不同固定翼无人机产品的性能差异,分析传感器、发动机、无人机平台等硬件结构之间的系统架构,提出一体化的应急测绘系统设计方案,完成系统硬件设计;基于SIFT算法的应用原理,结合BRISK描述子参量,采用改进SIFT算法,对相关测绘特征点进行匹配处理,再联合已知的SIFT算法改进方向,完善测绘处置的基本流程,实现系统软件设计;实验结果表明,该系统的视频数据、光学影像、SAR数据中频率的最大值为7.06 Hz,空频时间的最大值为0.03,与CH-4航空应急测绘系统相比,该系统所获数据能够完全满足人机航空大比例尺测图的实际应用需求,且适用于航空摄影的地表特征,并为其提供了有效的应急测绘保障。