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拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.     

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 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。     

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。     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

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.     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

基于均匀特征匹配的无人机影像拼接

通过特征匹配的方法进行无人机影像拼接,不需要地面控制点坐标和内外方位元素.基于SIFT算法进行特征匹配,对于匹配中容易出现的误匹配点,通过合理控制算法中的阈值大小并采用唯一性约束和视差约束来进行剔除,采用分块控制匹配点数目来剔除密集匹配点对,使匹配点对分布均匀.使用RANSAC算法来计算影像之间的转换模型,实验证明这种方法具有很好的拼接效果.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于特征点匹配对平面相似度的图像拼接

针对来自于不同视点拍摄的具有视差的两幅图像,提出了一种基于特征点匹配对平面相似性的图像拼接方法。该方法利用场景中属于同一平面特征点之间的变换矩阵一致性的特点,通过定义特征点匹配对之间的平面相似度来筛选特征点匹配对,有效降低了特征点的漏匹配率,提高了配准精度。采用图割算法计算图像的最优缝合线,进行拼接得到最终结果。实验结果表明,与现有经典算法相比,该方法具有较好的视差鲁棒性。     

基于采样策略的无人机着陆导航算法

给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机状态估计的算法。采用PCA-SIFT算法进行特征点匹配,在保证能够稳定匹配的前提下,提出了帧间自适应采样策略的特征点选取算法,减少了计算的冗余性。然后通过建立本质空间中的状态方程,利用极线几何约束设计IEKF滤波器,对无人机进行相对位置、姿态估计。仿真结果表明,该算法实现了帧间特征点的快速匹配,较好的估计了无人机的相对位置、姿态信息,比单纯利用极线几何约束具有更高的精度和稳定性。     

基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。     

无人机导航信号稳定跟踪方法

在复杂背景下易混入随机噪声,导致无人机导航信号检出率较低、跟踪误差较大.为此,本文提出了基于改进图像特征块匹配的无人机导航信号稳定跟踪方法.利用图像传感器、CCD摄像机等设备采集序列图像;采用Harris算法提取特征点确立匹配准则,选取估计量最优值完成特征点匹配;使用改进的图像模块匹配法计算目标模块与子模块的相似度,同...     

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.     

基于VAM和E-HMM的图像拼接盲鉴别算法

为了提高拼接篡改图像的检测准确率,利用视觉注意模型提出了一种新的图像拼接篡改盲鉴别算法。首先,采用改进的基于OSF的非线性滤波方法提取图像的边缘信息,得到边缘显著图像ECM;其次,利用视觉注意模型提取ECM的注意点,并采用显著边缘定位法锁定图像显著边缘处注意点,进而获取图像关键特征片段;接着,提取图像片段的Cr通道,并计算其小波重构图像;然后,针对小波重构图像,提取其扩展的DCT域的HMM特征,并采用SVM-RFE算法对所提取特征进行降维处理;最后,根据得到的特征向量,利用SVM对特征值进行训练并建立分类模型,从而实现自然图像和拼接篡改图像的分类识别。实验结果表明,针对哥伦比亚大学拼接篡改图像库,本文算法的正确检测率为96.32%。     

颜色传递在图像拼接中的应用

针对图像拼接技术中存在拼接缝的问题,将一种直接在RGB颜色空间中进行颜色传递的算法应用于图像拼接技术中,实现拼接缝的消除。首先利用Harris角点检测器提取图像的特征点,并用BRISK描述子对特征点进行二进制比特串描述;然后利用汉明距离对特征点进行匹配,用RANSAC算法求出变换矩阵,再用高斯加权法进行融合;最后使用颜色传递算法对拼接图像进行色度调整。试验表明,该算法对图像拼接缝的消除具有较好的效果。     

基于无人机影像匹配点云的土石方量计算

针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明：基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。     

视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。