序列無(wú)人機(jī)影像預(yù)處理與匹配中的幾個(gè)關(guān)鍵問(wèn)題研究.pdf

1、隨著無(wú)人機(jī)從軍用向民用的開放，且無(wú)人機(jī)具有重量輕、體積小、拍攝影像分辨率高、作業(yè)時(shí)間空間要求低、能在無(wú)人的情況下進(jìn)入危險(xiǎn)區(qū)域等優(yōu)點(diǎn)，使得無(wú)人機(jī)得到了廣泛的應(yīng)用和快速的發(fā)展。搭載有新型遙感設(shè)備的無(wú)人機(jī)將成為傳統(tǒng)航空遙感的極大補(bǔ)充，其應(yīng)用領(lǐng)域也在不斷的擴(kuò)展，從最初的偵察、早期預(yù)警等軍事領(lǐng)域擴(kuò)大到資源勘測(cè)、氣象觀測(cè)及處理突發(fā)事件等非軍事領(lǐng)域，為很多行業(yè)的事故預(yù)警、項(xiàng)目設(shè)計(jì)、規(guī)劃管理等多方面工作提供重要決策依據(jù)。
　　本論文介紹了無(wú)人機(jī)遙

2、感系統(tǒng)的組成，闡述了無(wú)人機(jī)野外獲取影像的步驟和注意事項(xiàng)，著重分析了無(wú)人機(jī)航線規(guī)劃需要考慮的關(guān)鍵因素以及具體的設(shè)計(jì)方法，并對(duì)獲取的無(wú)人機(jī)影像進(jìn)行了質(zhì)量評(píng)定。由于無(wú)人機(jī)獲取的影像具有數(shù)量多、畸變大、部分區(qū)域的影像視覺(jué)對(duì)比度差等多方面特點(diǎn)，使得對(duì)無(wú)人機(jī)影像進(jìn)行必要的預(yù)處理尤為關(guān)鍵，其中，影像的畸變糾正、影像增強(qiáng)及勻光都是預(yù)處理中的關(guān)鍵步驟，眾多學(xué)者也一直都在研究該方面的內(nèi)容，是無(wú)人機(jī)影像處理的關(guān)鍵問(wèn)題，影響著后期處理的最終效果。同時(shí)，序列無(wú)人

3、機(jī)影像的匹配及拼接一直以來(lái)都是研究的熱點(diǎn)問(wèn)題，在影像處理過(guò)程中起到承上接下的作用，對(duì)該方面的研究也顯得尤為關(guān)鍵。因此本文針對(duì)以上關(guān)鍵問(wèn)題，主要做出了以下幾方面的研究工作和創(chuàng)新性成果:
　　1、針對(duì)原始無(wú)人機(jī)影像有很多房屋、道路等規(guī)則圖形的特點(diǎn)，利用canny算子進(jìn)行邊緣輪廓線提取，并依據(jù)Hough變換理論獲得大量地物輪廓線;在此基礎(chǔ)上，利用反解算模型聯(lián)系像方和物方坐標(biāo)系，以步長(zhǎng)逼近的方法從物方坐標(biāo)系推演出像點(diǎn)的真實(shí)坐標(biāo)輔助糾正并檢

4、查糾正結(jié)果。同時(shí)，針對(duì)地物輪廓線之間存在平行、垂直等特點(diǎn)，提出了四邊形連接法、平行線約束法等糾正方法，并通過(guò)實(shí)驗(yàn)對(duì)比了糾正前后控制點(diǎn)的坐標(biāo)變化，畸變最大區(qū)域能達(dá)到6m以上的糾正效果，從糾正前后的影像對(duì)比發(fā)現(xiàn)很多建筑物輪廓線的位置關(guān)系都得到很大改善，實(shí)驗(yàn)效果比較滿意。
　　2、根據(jù)原始無(wú)人機(jī)影像的離散灰度信息，計(jì)算每個(gè)像元灰度值與整個(gè)影像灰度平均值的離散程度，提出了把影像自動(dòng)劃分為不同區(qū)域的方法;然后，利用距離加權(quán)插值方法計(jì)算的變換

5、函數(shù)對(duì)各區(qū)域影像進(jìn)行不同程度的增強(qiáng)處理，并對(duì)增強(qiáng)后影像的直方圖進(jìn)行修正;最后，利用核線約束法對(duì)影像進(jìn)行匹配和同名點(diǎn)均勻度檢驗(yàn)。從部分影像的實(shí)驗(yàn)結(jié)果分析，由于影像增強(qiáng)后的灰度值梯度差在某些區(qū)域增大了近一倍，整幅影像上匹配的同名點(diǎn)數(shù)增多了近80％，尤其是在畸變較大及灰度變化較小的林地區(qū)域，影像的匹配同名點(diǎn)數(shù)比原始影像增多了近1.5倍，同時(shí)，通過(guò)對(duì)增強(qiáng)前后的同名點(diǎn)分布情況對(duì)比發(fā)現(xiàn)其均勻度也有了一定程度的提高，有利于影像后續(xù)處理工作的順利進(jìn)行。

6、
　　3、針對(duì)無(wú)人機(jī)影像存在較大、較復(fù)雜的幾何變形進(jìn)而易導(dǎo)致誤匹配的概率增大等問(wèn)題，利用Harris算子提取并匹配特征點(diǎn)，提出基于多邊形匹配的方法來(lái)探測(cè)并剔除誤匹配同名點(diǎn)，從距離、角度以及權(quán)重等多方面考慮同名點(diǎn)匹配的正確性，通過(guò)實(shí)驗(yàn)統(tǒng)計(jì)各區(qū)域同名點(diǎn)的匹配正確率以及運(yùn)算速度，在特征較明顯區(qū)域匹配成功率達(dá)到90％以上，在紋理變化少的林地區(qū)域也能達(dá)到80％以上的匹配成功率，比傳統(tǒng)方法提高了近10％。運(yùn)算速度也與傳統(tǒng)方法差不多，驗(yàn)證了該算

7、法的可靠性和有效性。
　　4、由于無(wú)人機(jī)影像在拼接過(guò)程中會(huì)產(chǎn)生大量的累積誤差，想要快速的獲得大范圍準(zhǔn)確的全景圖面臨著一定的困難?；诖?，本文提出了一種既精確又高效的無(wú)人機(jī)序列影像拼接方法。通過(guò)計(jì)算大致的影像匹配區(qū)域進(jìn)而減少特征搜索和匹配時(shí)間，并記錄匹配區(qū)域中心位置的特征點(diǎn)坐標(biāo)，然后引入平差理論，區(qū)分平地、丘陵、山區(qū)等不同區(qū)域加權(quán)糾正匹配特征點(diǎn)的坐標(biāo)位置。同時(shí)，針對(duì)航帶間重疊率小、姿態(tài)差異大等特點(diǎn)，采用“先航帶間再航帶內(nèi)、旁邊航帶向