針對(duì)無(wú)人機(jī)影像匹配時(shí)易出現(xiàn)影像重影、透視失真和耗時(shí)較長(zhǎng)等問(wèn)題,本文提出了一種改進(jìn)的APAP算法。該算法首先利用SIFT算法選取特征點(diǎn),通過(guò)改進(jìn)RANSAC算法去除誤匹配點(diǎn);然后根據(jù)APAP算法對(duì)影像進(jìn)行網(wǎng)格劃分,求每個(gè)網(wǎng)格的單應(yīng)性矩陣,并對(duì)單應(yīng)性矩陣進(jìn)行線(xiàn)性化;最后根據(jù)線(xiàn)性化的單應(yīng)性矩陣進(jìn)行影像匹配,單應(yīng)性矩陣的線(xiàn)性化不僅對(duì)影像匹配時(shí)產(chǎn)生的重影現(xiàn)象有較好的削弱作用,而且能減少非重疊區(qū)域的透視失真。試驗(yàn)結(jié)果表明,本文方法在匹配效率和匹配效果方面效果顯著。 

【文章來(lái)源】：測(cè)繪通報(bào). 2020,(03)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

影像全局變換和局部變換

本試驗(yàn)采用大疆Phantom 4 Pro無(wú)人機(jī)獲取一系列影像，如圖2所示，根據(jù)影像紋理特征把影像分為3組，分別為紋理特征缺乏地區(qū)，紋理特征較豐富地區(qū)和紋理特征豐富地區(qū)。本文算法的流程如圖3所示。圖3 本文方法流程

圖2 影像分布情況利用SIFT算法進(jìn)行特征點(diǎn)檢測(cè)與匹配，通過(guò)改進(jìn)的RANSAC算法去除誤匹配點(diǎn)獲得匹配影像。配準(zhǔn)結(jié)果如圖4所示，(a1)中影像中共有1096個(gè)匹配點(diǎn)，其中內(nèi)點(diǎn)有984個(gè)，占總匹配點(diǎn)的89.78%;(a2)中利用改進(jìn)的RANSAC算法剔除誤匹配點(diǎn)，其中619個(gè)匹配點(diǎn)完全匹配;(b1)中影像中共有1099個(gè)匹配點(diǎn)，其中內(nèi)點(diǎn)有934個(gè)，占總匹配點(diǎn)的84.98%;(b2)中利用改進(jìn)的RANSAC算法剔除誤匹配點(diǎn)，其中624個(gè)匹配點(diǎn)完全匹配;(c1)中兩幅影像中共有1150個(gè)匹配點(diǎn)，其中內(nèi)點(diǎn)有962個(gè)，占總匹配點(diǎn)的83.65%;(c2)中利用改進(jìn)的RANSAC算法剔除誤匹配點(diǎn)，其中849個(gè)匹配點(diǎn)完全匹配。因此本文改進(jìn)的RANSAC算法具有一定的適用性。

【參考文獻(xiàn)】：
期刊論文
[1]基于SIFT算法的無(wú)人機(jī)高分影像幾何配準(zhǔn)研究[J]. 魏嘉磊.  北京測(cè)繪. 2019(01)
[2]具有直線(xiàn)結(jié)構(gòu)保護(hù)的網(wǎng)格化圖像拼接[J]. 何川,周軍.  中國(guó)圖象圖形學(xué)報(bào). 2018(07)
[3]針對(duì)大視差圖像拼接的顯性子平面配準(zhǔn)[J]. 薛佳樂(lè),趙萌,張哲,程徐,陳勝勇.  中國(guó)圖象圖形學(xué)報(bào). 2018(03)
[4]基于全概率更新的改進(jìn)RANSAC算法[J]. 王可,賈松敏,李秀智.  控制與決策. 2017(03)
[5]無(wú)人機(jī)影像處理關(guān)鍵技術(shù)研究[J]. 陳曉龍,陳顯龍,彭瑤瑤.  北京測(cè)繪. 2016(03)
[6]無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J]. 李德仁,李明.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(05)



本文編號(hào)：3116931