低空无人机载高光谱影像的自动拼接方法研究文献综述

 2022-07-20 07:07

文献综述

低空无人机载高光谱影像的自动拼接方法研究

摘要:无人机载遥感数据广泛应用于农林业调查,资源勘查,灾害响应等各种工作中,特别是无人机载高光谱成像设备的普及应用,极大地促进了精细遥感探测的发展。无人机载高光谱影像数据具有超高的空间分辨率,光谱分辨率和时间分辨率特征,采集的影像数据量巨大,实现影像的自动拼接为后续高光谱影像处理奠定基础。本文首先介绍了无人机载遥感影像常用的自动拼接方法,然后总结了不同方法实现无人机高光谱影像自动拼接的应用现状,最后总结现有方法的不足,并对下一步的研究进行了展望。

关键词:无人机;高光谱影像;自动拼接.

1.引言

无人机具有高效快速(实时性强)、获取方式灵活、低成本以及能大量获取高空间分辨率影像等优势近年来逐渐成为重要的遥感平台。但是,低空无人机所获取的影像数量巨大,畸变概率大高,单幅影像通常覆盖范围有限。因此,在实际应用中,不可能只针对单幅影像进行研究,多幅影像拼接后才能形成完整的覆盖信息。其中,实现无人机载高光谱影像的自动拼接为高光谱数据的处理及应用奠定了基础。

2.无人机载遥感影像拼接方法应用现状

无人机影像拼接方法的主要流程包括:无人机影像序列、尺度不变特征提取、影像匹配、几何参数的结算、影像的全局配准以及最后生成拼接结果影像。目前国内外常用的影像拼接方法有以下几种:

  1. 特征提取所用的SIFT(scale-invariant feature transform)算法:

SIFT 算法由 Lowe 于 1999 年提出,并于 2004年进一步完善[1] 。SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、微视角改变的容忍度也相当高。基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容易辨识物体而且鲜有误认。SIFT特征的信息量大,适合在海量数据库中快速准确匹配。David Lowe只提供了该算法的二进制可执行版本,开发者通过使用计算机视觉软件可以生成SIFT的链接库。后来Rob Hess 基于GSL和Opencv编写了C语言程序:作为计算机视觉研究的一部分,Rob Hess实现了SIFT算法的C版本,如实地根据Lowe04年发布的论文,使用了通用的开源计算机视觉库OpenCV。考虑到它在通用计算机视觉领域的潜在用途,他在2006年发布了SIFT实现代码,作为一个开源的库。在它发布的时候,它是SIFT算法的第一个开源可用版本,被广泛应用[2]。在国内,宋建辉、闫蓓蕾在无人机航拍图像快速拼接技术研究方面运用了SIFT算法,通过无人飞行器获取航拍图像,采用SIFT特征提取算法提取图像的特征点使匹配速度加快,大大缩减了运算时间,同时得到较好的无缝拼接结果图[3];李欢欢、黄山等人针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接[4]

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。