SURF與SVM算法改進(jìn)及其在無(wú)人機(jī)影像處理中的應(yīng)用.pdf

1、無(wú)人機(jī)遙感(Unmanned Aerial Vehicle Remote Sensing,UAVRS)技術(shù)是無(wú)人機(jī)應(yīng)用與遙感技術(shù)的結(jié)合，具有高時(shí)效性、高分辨率等性能特點(diǎn)。作為航空遙感及高分辨率遙感的重點(diǎn)發(fā)展方向之一，無(wú)人機(jī)遙感在災(zāi)害應(yīng)急等領(lǐng)域具有衛(wèi)星航天遙感、載人航空攝影等大型對(duì)地觀測(cè)系統(tǒng)無(wú)法替代的優(yōu)勢(shì)，已成為國(guó)內(nèi)外研究的熱點(diǎn)。
　　為滿足無(wú)人機(jī)遙感系統(tǒng)準(zhǔn)確、實(shí)時(shí)等技術(shù)要求，實(shí)現(xiàn)無(wú)人機(jī)飛行質(zhì)量的快速檢查以及遙感影像數(shù)據(jù)快速處理，迫

2、切需要研究實(shí)時(shí)快速的無(wú)人機(jī)影像拼接算法。同時(shí)，無(wú)人機(jī)影像分辨率高、幾何畸變大、空間計(jì)算復(fù)雜性高，給無(wú)人機(jī)影像信息精確提取帶來(lái)了新的難題。基于此，論文將改進(jìn)的SURF算法與SVM算法應(yīng)用于無(wú)人機(jī)影像的快速拼接與信息精確提取中，主要研究成果如下：
　　1.基于改進(jìn)SURF的無(wú)人機(jī)影像快速拼接算法
　　基于SURF算法的影像拼接過(guò)程中，矢量主方向的確定是特征向量提取與匹配的先決條件，而SURF算法在確定矢量主方向時(shí)嚴(yán)重依賴于其劃分

3、區(qū)域像素的梯度方向，導(dǎo)致主方向難以確定，從而檢出大量不穩(wěn)定的特征點(diǎn)，使得計(jì)算復(fù)雜度提高，拼接速度下降。論文利用隨機(jī)抽樣一致性(Random Sample Consensus，RANSAC)算法對(duì)SURF特征匹配算法進(jìn)行改進(jìn)。改進(jìn)的算法可以提純粗略提取的特征點(diǎn)，剔除錯(cuò)誤特征點(diǎn)，使得圖像拼接效率提高。通過(guò)對(duì)實(shí)驗(yàn)一區(qū)無(wú)人機(jī)影像數(shù)據(jù)進(jìn)行快速拼接實(shí)驗(yàn)，結(jié)果表明改進(jìn)的SURF算法能夠在保證拼接效果的同時(shí)有效提高無(wú)人機(jī)影像拼接效率。
　　2.基

4、于AdaBoost改進(jìn)SVM算法的無(wú)人機(jī)影像信息精確提取
　　SVM算法的性能依賴相應(yīng)參數(shù)選擇，以選擇徑向基函數(shù)(Radial Basis Function,RBF)作為核函數(shù)為例，核參數(shù)?和懲罰因子C的改變決定著 VM算法的分類性能，進(jìn)而影響信息提取的效果。論文基于AdaBoost對(duì)SVM算法進(jìn)行改進(jìn)，選擇RBFSVM作為AdaBoost的弱分類器，通過(guò)權(quán)重調(diào)整來(lái)改進(jìn)SVM算法中固定使用某一核參數(shù)的處理方法，達(dá)到自適應(yīng)調(diào)整參數(shù)的

5、目的。通過(guò)對(duì)實(shí)驗(yàn)一區(qū)和實(shí)驗(yàn)二區(qū)無(wú)人機(jī)影像數(shù)據(jù)進(jìn)行信息提取實(shí)驗(yàn)和精度對(duì)比分析，結(jié)果表明改進(jìn)的SVM算法極大地提高了無(wú)人機(jī)影像信息提取的精確度。
　　3.基于Diverse AdaBoost改進(jìn)SVM算法的無(wú)人機(jī)影像信息精確提取
　　基于AdaBoost改進(jìn)SVM算法存在弱分類器的準(zhǔn)確度與復(fù)雜度平衡問(wèn)題，單純追求過(guò)高精度的弱分類器而忽視其復(fù)雜度，不僅影響弱分類器間的相容性，而且會(huì)造成算法的分類性能不穩(wěn)定。在基于AdaBoost改