论文部分内容阅读
无人机遥感技术属于低空遥感技术。该技术凭借获取影像速度快、采集图像分辨率高、成本低、安全性好等优势,现已广泛应用到了军事、农业、医疗、地理测绘等领域。但受到无人机飞行高度、数码相机焦距等因素的限制,无人机获取的单幅图像难以形成对地面农田区域的整体认知。为了进一步扩大视场,就需要将无人机获取的多张单幅图像拼接成一幅完整的农田全景图像。本文以无人机采集到的150幅地面农田遥感图像作为拼接对象,结合农田遥感图像的特点,研究如何在不降低原始图像分辨率的前提下,精确、高效完成农田全景图像的拼接。主要研究内容总结如下:(1)提出精简特征点方法,以提高两幅图像的拼接效率。针对SIFT算法在特征点检测过程中的问题,通过设定自适应阈值进行优化;同时,按照大地坐标系下待拼接图像的经纬度对应关系,剔除重叠区域以外的冗余特征点。实验结果表明,该算法在不降低两幅拼接图像质量的前提下,使得特征点数量平均减少26%,粗匹配耗时减少51%左右,精匹配耗时平均减少了31%,有效提高了农田遥感图像特征点的匹配效率及拼接速度。(2)选择有效的图像融合算法,完成两幅农田遥感图像融合。通过实验将加权平均融合、羽化融合和多分辨率三种经典图像融合算法性能进行了分析和比较。结果表明,基于多分辨率的融合算法能够有效去除拼接缝隙。同时,使用6个评价指标对三种融合算法进行评价时发现,2/3个指标均表明相较于其余两种融合算法,多分辨率算法的融合效果能够较好地保留农田图像的细节特征及纹理特征。(3)提出多层金字塔拼接策略,完成150幅农田遥感全景图像的拼接。农田遥感全景图像拼接过程中,结合分层思想,将无人机采集到的农田遥感图像序列分为8层进行拼接。与累加式的拼接方法相比,多层金字塔拼接策略将全景图像失真均匀分配于多层拼接过程中,一定程度上降低了农田全景图像的失真现象。