论文部分内容阅读
无人机遥感影像以其具有实时性好、分辨率高、成本低廉等特点,已经成为测绘遥感不可或缺的组成部分,然而无人机影像覆盖范围较小,需要利用拼接算法以获取整个测区范围的影像。在影像拼接流程中,特征提取和匹配是整个流程的核心和重点,特征提取和匹配算法的选取直接决定了影像拼接质量和速度。尺度不变特征变换(Scale Invariant Feature Transform, SIFT)是目前影像匹配领域最活跃的算法之一,该算法具有较好的稳定性,丰富的信息量,较好的移植性等特点,已经广泛的应用于影像配准领域。然而传统的SIFT算法也存在一些不足：比如处理数据量较大的影像耗时较长,对不同的拼接影像使用固定的特征匹配阈值,会影响拼接效果。本文通过对SIFT算法的深入研究,针对SIFT算法存在的不足,提出一种SIFT特征匹配阈值自适应计算的方法,以提高特征点匹配的质量。同时,提出一种基于遥感影像感兴趣区域的拼接方法,通过缩小影像特征点检索的范围,减少算法的计算量,提高影像拼接的速度。在实现SIFT特征匹配阈值的自适应计算上,本文的做法是首先计算出所有特征点最近和次近欧式距离比的标准差,再通过拟合实验数据,得到标准差与最优阈值的关系式。在具体的影像拼接中,先计算特征点欧式距离比的标准差,然后根据该关系式算出特征匹配的阈值。通过检验,计算结果作为阈值可以得到较好的拼接效果。本文通过对影像感兴趣区域(ROI)提取算法尤其是GBVS (Graph-Based Visual Saliency)算法的研究,提出一种基于影像感兴趣区域的遥感影像拼接方法,具体作法是首先计算待拼接影像的显著图,然后提取显著区域,接着在显著区域进行SIFT特征提取和基于阈值自适应计算的特征匹配、影像拼接,实验结果表明,利用影像ROI可以近似替代原影像进行影像匹配处理,并且该方法能减少算法的计算量和运算时间,提高了影像拼接的速度,获得较好的遥感影像拼接质量。