科研之友
微信
新浪微博
Facebook
分享链接
摘要
低空无人机(UAV)测量凭借着低成本、高效率、高精度的数据采集模式，可快速获取高空间分辨率的影像数据，已经成为遥感领域的一种重要技术手段。其中，影像匹配技术是UAV影像数据处理的重要步骤，图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂，植被覆被率高及地物分布不规则等问题存在，致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制，大场景影像需要借助多幅影像匹配拼接得到。目前，基于特征点的影像匹配是一种图像配准技术，不仅适用于低重叠度影像之间的匹配，还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术，提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。主要技术流程为：首先，基于SIFT算法，进行尺度空间的极值检测，构建高斯金字塔函数，通过高斯差分运算来实现特征点定位，并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析，据此生成适合UAV影像特征的描述符；其次，集成“马式距离”和NNDR模型的综合运用，进行特征点对的第一次约束优化提取及相似度检测，在此基础上，利用RANSAC算法，引入匹配点对的均方根误差值(RMSE)进行第二次约束，以实现匹配错误点对的剔除，保证了影像匹配精确优化。此外，为了证实所提出优化算法的有效性，选择了1组高原山地典型地貌UAV影像数据进行匹配试验，结果表明：面向高原山地复杂地形进行无人机影像匹配中，所提出的改进算法不仅可以提取大量的特征点对，同时还可以提高同名特征点的检测正确率，并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。
-
单位滇西应用技术大学; 昆明理工大学
