论文部分内容阅读
尽管国内外许多学者已经提出了诸多无人影像拼接方法,但这些方法的主要目的是为了提高影像拼接质量。而在应急条件下,大幅面的目标区域影像生成速度才是需要考虑的首要问题。针对在应急条件下的无人机影像拼接问题,本文对无人机影像快速拼接方法进行了研究。主要内容和创新点如下:1.无人机影像几何校正模型构建。无人机飞行的姿态变化,会引起影像变形。在对无人机影像进行拼接处理之前,必须先进行影像几何校正。本文研究了无人机影像的几何校正模型,根据无人机的姿态数据进行影像变形纠正。经过实验验证,该模型能够在不改变拼接速度的前提下提高拼接影像质量。2.现有特征检测算法研究。总结了现有特征检测算法的基本内容,从特征提取速度和算法适应性两个方面,对现有算法进行了性能分析。依据算法性能分析结果,本文选择了适合无人机影像快速拼接的特征检测算法。3.改进了Harris-Laplace特征点检测算法。改进方法克服了Harris-Laplace算法极值检测、特征点定位精度以及特征点冗余检测的问题。根据多尺度空间检测出的特征点,对原始影像上的特征点进行筛选。再利用距离加权平均法,保证特征点的定位精度达到亚像素级。通过实验验证,该方法不仅能够提高特征点检测速度,同时也可以为无人机影像拼接提供抗噪、稳定、尺度不变的亚像素特征点。4.提出了一种无人机影像快速拼接方法。该方法先依据改进的Harris-Laplace算法提取影像间的同名特征点,再结合无人机的POS数据来构建影像间的变换矩阵;利用最小二乘平差对变换矩阵进行精化,提高变换矩阵质量;采用不断变换拼接基准影像来消除或减弱拼接过程中的误差传递影响。经过实验验证,在保证一定拼接质量的条件下,该方法能够实现缺少地面控制点的无人机影像快速拼接。通过无人机影像相关实验检验,本文提出的无人机影像快速拼接方法具有一定的应用价值。