基于傳統(tǒng)圖像拼接方法對(duì)低空航拍圖像進(jìn)行拼接時(shí),因大視差區(qū)域的存在,可能會(huì)出現(xiàn)局部扭曲、重影或拼接結(jié)果非正射的問(wèn)題�，F(xiàn)有方法僅能在一定程度上減小或消除圖像視差導(dǎo)致的錯(cuò)切、重影問(wèn)題,但沒(méi)有考慮拼接結(jié)果正射投影的保留。為了消除大視差區(qū)域在圖像拼接中的不良影響,生成低空航拍圖像的近似正射全景圖,本文以低空城區(qū)航拍圖像為背景,提出大視差補(bǔ)全法（Large-Parallax Patch）。其核心思想是將大視差區(qū)域與低地物區(qū)分別處理,以此避免大視差對(duì)圖像拼接的干擾;同時(shí)對(duì)大視差區(qū)域進(jìn)行篩選,以保證其在拼接結(jié)果中有最佳的正射性。因此,本文首先提出了基于特征匹配的大視差區(qū)域定位算法:利用VFC算法區(qū)分正確、錯(cuò)誤匹配點(diǎn),隨后根據(jù)大視差區(qū)域特征點(diǎn)的匹配和分布情況,采用網(wǎng)格化的方式,通過(guò)網(wǎng)格篩選確定大視差區(qū)域網(wǎng)格,最后利用區(qū)域生長(zhǎng)獲得完整的大視差區(qū)域位置。然后將除大視差區(qū)域外的其他區(qū)域統(tǒng)一作為低地物區(qū)進(jìn)行拼接,同時(shí)從大視差區(qū)域序列圖像中篩選出正射性最佳的圖像,將其修補(bǔ)到低地物區(qū)拼接結(jié)果圖中,得到最終的拼接結(jié)果。在不需要DEM數(shù)據(jù)的情況下,充分利用原始航拍圖像自身的信息,生成類似正射影像的全景圖。本文還設(shè)計(jì)實(shí)現(xiàn)... 

【文章來(lái)源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DOG空間極值點(diǎn)檢測(cè)Figure2.1DetectthefeaturepointinDOGspace

2航拍圖像拼接相關(guān)技術(shù)簡(jiǎn)介9圖2.2特征點(diǎn)方向直方圖Figure2.2Featurepointdirectionhistogram④特征描述符的定義求得了特征點(diǎn)的尺度、位置和方向信息后，需根據(jù)這些信息為特征點(diǎn)定義一個(gè)完整的特征描述向量。以具體的某一特征點(diǎn)為中心點(diǎn)取8×8的正方形區(qū)域。再將該區(qū)域平均分為四個(gè)的小正方形區(qū)域。然后將像素點(diǎn)梯度模進(jìn)行高斯加權(quán)，減少遠(yuǎn)離該特征的點(diǎn)對(duì)描述所占權(quán)重，提高特征描述的穩(wěn)定性。圖2.3特征描述符Figure2.3Featuredescriptor通過(guò)上述步驟得到的加權(quán)范圍如圖2.3左側(cè)藍(lán)色圓圈所示，生成四個(gè)描述符如圖2.3右側(cè)所示，梯度方向由矢量指向來(lái)表示，最后用一個(gè)128（4×4×8）維向量來(lái)表示和描述所提取到的SIFT特征。可以發(fā)現(xiàn)SIFT特征雖然穩(wěn)定，但是提取和描述還是較為復(fù)雜的，運(yùn)算起來(lái)比較耗時(shí)。2.1.2SURF特征與SIFT算法相比，SURF特征檢測(cè)算法的主要不同在于：加入了積分圖像的思想、對(duì)于角點(diǎn)的檢測(cè)則利用了Hessian矩陣，同時(shí)對(duì)特征的描述采用了低維的向量，顯著提升了算法在運(yùn)行時(shí)的速度。

2航拍圖像拼接相關(guān)技術(shù)簡(jiǎn)介9圖2.2特征點(diǎn)方向直方圖Figure2.2Featurepointdirectionhistogram④特征描述符的定義求得了特征點(diǎn)的尺度、位置和方向信息后，需根據(jù)這些信息為特征點(diǎn)定義一個(gè)完整的特征描述向量。以具體的某一特征點(diǎn)為中心點(diǎn)取8×8的正方形區(qū)域。再將該區(qū)域平均分為四個(gè)的小正方形區(qū)域。然后將像素點(diǎn)梯度模進(jìn)行高斯加權(quán)，減少遠(yuǎn)離該特征的點(diǎn)對(duì)描述所占權(quán)重，提高特征描述的穩(wěn)定性。圖2.3特征描述符Figure2.3Featuredescriptor通過(guò)上述步驟得到的加權(quán)范圍如圖2.3左側(cè)藍(lán)色圓圈所示，生成四個(gè)描述符如圖2.3右側(cè)所示，梯度方向由矢量指向來(lái)表示，最后用一個(gè)128（4×4×8）維向量來(lái)表示和描述所提取到的SIFT特征�？梢园l(fā)現(xiàn)SIFT特征雖然穩(wěn)定，但是提取和描述還是較為復(fù)雜的，運(yùn)算起來(lái)比較耗時(shí)。2.1.2SURF特征與SIFT算法相比，SURF特征檢測(cè)算法的主要不同在于：加入了積分圖像的思想、對(duì)于角點(diǎn)的檢測(cè)則利用了Hessian矩陣，同時(shí)對(duì)特征的描述采用了低維的向量，顯著提升了算法在運(yùn)行時(shí)的速度。

【參考文獻(xiàn)】：
期刊論文
[1]面陣擺掃航空相機(jī)序列圖像的大區(qū)域無(wú)縫拼接[J]. 楊國(guó)鵬,周欣,韋紅波,邢平.  測(cè)繪科學(xué). 2020(03)
[2]一種改進(jìn)的無(wú)人機(jī)序列影像快速拼接方法研究[J]. 王冬梅,陳普智.  黃河水利職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2020(01)
[3]建筑物L(fēng)iDAR點(diǎn)云三維結(jié)構(gòu)化重建與多細(xì)節(jié)層次表達(dá)[J]. 胡平波.  地理與地理信息科學(xué). 2019(04)
[4]基于低空無(wú)人機(jī)影像的城市三維建模精度評(píng)估[J]. 畢洪基,楊榮幫.  北京測(cè)繪. 2019(05)
[5]網(wǎng)格形變細(xì)分的大視差圖像拼接算法[J]. 齊向明,王佳琦.  計(jì)算機(jī)工程. 2020(01)
[6]具有直線結(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)
[7]低空林地航拍圖像拼接的改進(jìn)縫合線算法[J]. 張帆,付慧,楊剛.  北京林業(yè)大學(xué)學(xué)報(bào). 2018(05)
[8]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)
[9]無(wú)人機(jī)航拍圖像拼接的研究與實(shí)現(xiàn)[J]. 肖映彩,徐光輝,朱森.  通信技術(shù). 2016(08)
[10]衛(wèi)星遙感影像的區(qū)域正射糾正[J]. 汪韜陽(yáng),張過(guò),李德仁,唐新明.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(07)

博士論文
[1]無(wú)人機(jī)遙感圖像拼接關(guān)鍵技術(shù)研究[D]. 賈銀江.東北農(nóng)業(yè)大學(xué) 2016
[2]基于非參數(shù)模型的點(diǎn)集匹配算法研究[D]. 馬佳義.華中科技大學(xué) 2014
[3]基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D]. 楊占龍.西安電子科技大學(xué) 2008

碩士論文
[1]基于無(wú)人機(jī)航拍圖像的拼接算法研究[D]. 王亞洲.北京工業(yè)大學(xué) 2018
[2]無(wú)人機(jī)遙感影像拼接技術(shù)的研究及實(shí)現(xiàn)[D]. 孫亞杰.西安科技大學(xué) 2018
[3]無(wú)人機(jī)影像濾波分頻拼接算法研究[D]. 李婉.武漢大學(xué) 2017
[4]無(wú)人機(jī)航拍圖像拼接關(guān)鍵技術(shù)研究[D]. 李銀.重慶郵電大學(xué) 2017
[5]基于特征的航拍圖像拼接技術(shù)研究[D]. 龐兆峰.北京理工大學(xué) 2016
[6]低空航拍圖像正射全景拼圖方法研究[D]. 魏巍.國(guó)防科學(xué)技術(shù)大學(xué) 2015



本文編號(hào)：3313560