低空無(wú)人機(jī)測(cè)量系統(tǒng)以其成本低、機(jī)動(dòng)性好、靈活性高等優(yōu)勢(shì),被廣泛用于遙感影像的快速獲取,因而基于無(wú)人機(jī)遙感影像的快速拼接成為當(dāng)前研究熱點(diǎn)。研究在原尺度不變性特征轉(zhuǎn)換（Scale-Invariant Features Transform,SIFT）算法基礎(chǔ)上,針對(duì)高分辨率的低空無(wú)人機(jī)影像,提出了一種基于分塊和對(duì)比度過(guò)濾的特征提取與影像快速拼接方法。在系統(tǒng)的設(shè)計(jì)與規(guī)劃下,選用多組數(shù)據(jù)進(jìn)行對(duì)比實(shí)驗(yàn)。結(jié)果表明,分塊SIFT算法相對(duì)于原SIFT算法,影像匹配的時(shí)間效率明顯提高,且影像拼接誤差小于3個(gè)像素,能滿足應(yīng)急情況下影像快速拼接的需求。 

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 引言
2 SIFT算法介紹
    (1)尺度空間極值檢測(cè)
    (2)穩(wěn)定關(guān)鍵點(diǎn)提取
    (3)特征點(diǎn)方向分配
    (4)特征描述子生成
    (5)特征點(diǎn)匹配
3 基于分塊策略的SIFT特征提取與影像拼接
    3.1 分塊SIFT與技術(shù)流程
    3.2 分塊SIFT特征提取
    3.3 特征匹配
    3.4 影像拼接
4 影像拼接實(shí)驗(yàn)及結(jié)果
    4.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
    4.2 分塊提取特征點(diǎn)
    4.3 特征匹配
    4.4 匹配耗時(shí)分析
    4.5 影像拼接
5 結(jié)論與討論


【參考文獻(xiàn)】：
期刊論文
[1]一種基于差分技術(shù)的無(wú)人機(jī)影像高效拼接方法[J]. 于廣瑞,孫國(guó)新,時(shí)春霖,趙丹陽(yáng).  測(cè)繪科學(xué). 2020(10)
[2]基于ORB算法的全景圖像拼接技術(shù)[J]. 賈文超.  城市勘測(cè). 2019(03)
[3]基于改進(jìn)AKAZE特征的無(wú)人機(jī)影像拼接算法研究[J]. 宋偉,王永波,張培佩.  計(jì)算機(jī)工程與科學(xué). 2019(05)
[4]投影相似變換的無(wú)人機(jī)影像拼接[J]. 王忠美,楊曉梅,顧行發(fā),周成虎.  測(cè)繪科學(xué). 2016(09)
[5]幾何約束和改進(jìn)SIFT的SAR影像和光學(xué)影像自動(dòng)配準(zhǔn)方法[J]. 岳春宇,江萬(wàn)壽.  測(cè)繪學(xué)報(bào). 2012(04)



本文編號(hào)：3667963