基于SIFT算法的無(wú)人機(jī)影像優(yōu)化拼接研究.pdf

1、無(wú)人機(jī)遙感影像以其具有實(shí)時(shí)性好、分辨率高、成本低廉等特點(diǎn)，已經(jīng)成為測(cè)繪遙感不可或缺的組成部分，然而無(wú)人機(jī)影像覆蓋范圍較小，需要利用拼接算法以獲取整個(gè)測(cè)區(qū)范圍的影像。在影像拼接流程中，特征提取和匹配是整個(gè)流程的核心和重點(diǎn)，特征提取和匹配算法的選取直接決定了影像拼接質(zhì)量和速度。
　　尺度不變特征變換（Scale Invariant Feature Transform，SIFT）是目前影像匹配領(lǐng)域最活躍的算法之一，該算法具有較好的穩(wěn)定性

2、，豐富的信息量，較好的移植性等特點(diǎn)，已經(jīng)廣泛的應(yīng)用于影像配準(zhǔn)領(lǐng)域。然而傳統(tǒng)的SIFT算法也存在一些不足:比如處理數(shù)據(jù)量較大的影像耗時(shí)較長(zhǎng)，對(duì)不同的拼接影像使用固定的特征匹配閾值，會(huì)影響拼接效果。本文通過(guò)對(duì)SIFT算法的深入研究，針對(duì)SIFT算法存在的不足，提出一種SIFT特征匹配閾值自適應(yīng)計(jì)算的方法，以提高特征點(diǎn)匹配的質(zhì)量。同時(shí)，提出一種基于遙感影像感興趣區(qū)域的拼接方法，通過(guò)縮小影像特征點(diǎn)檢索的范圍，減少算法的計(jì)算量，提高影像拼接的速度

3、。
　　在實(shí)現(xiàn)SIFT特征匹配閾值的自適應(yīng)計(jì)算上，本文的做法是首先計(jì)算出所有特征點(diǎn)最近和次近歐式距離比的標(biāo)準(zhǔn)差，再通過(guò)擬合實(shí)驗(yàn)數(shù)據(jù)，得到標(biāo)準(zhǔn)差與最優(yōu)閾值的關(guān)系式。在具體的影像拼接中，先計(jì)算特征點(diǎn)歐式距離比的標(biāo)準(zhǔn)差，然后根據(jù)該關(guān)系式算出特征匹配的閾值。通過(guò)檢驗(yàn)，計(jì)算結(jié)果作為閾值可以得到較好的拼接效果。
　　本文通過(guò)對(duì)影像感興趣區(qū)域(ROI)提取算法尤其是GBVS(Graph-BasedVisual Saliency)算法的研究