基于特征的航拍图像拼接技术研究

《基于特征的航拍图像拼接技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于特征的航拍图像拼接技术研究庞兆峰2016年1月中图分类号：TN911.73UDC分类号：621基于特征的航拍图像拼接技术研究作者姓名庞兆峰学院名称信息与电子学院指导教师赵保军教授答辩委员会主席邓宸伟教授申请学位工学硕士学科专业信息与通信工程学位授予单位北京理工大学论文答辩日期2016年1月ResearchonAerialImageStitchingTechnologiesBasedonFeaturesCandidateName:ZhaofengPangSchoolorDepartment:SchoolofInformationandElectronicsFacultyMentor:P

2、rof.BaojunZhaoChair,ThesisCommittee:Prof.ChenweiDengDegreeApplied:MasterofEngineeringMajor:InformationandCommunicationEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:Jan，2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大

3、学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要随着科技的发展和普及，人们对于图像这种信息媒介的依赖程度越来越高，对于图像的应用场景的要求也越来越高，而图像拼接技术能够很好地满足人们对于高分辨率、宽视角的全景图像的需求，本文针对航空遥感领域对于图像拼接的需求，研究了基于特征的航拍图像拼接技术。基于特征提取的图像配准方法是图像拼接的关键，本文首先针对最近流行的不同的特征提取算法进行了仿真比较，特征提取算法主要分为特征检测和特征描述两个步骤。特征检测算法主要

4、有基于斑点响应的SIFT和SURF算子，以及简单快速的改进多尺度FAST角点检测算法等。特征描述算子则有基于梯度信息的SIFT和SURF描述子，以及基于灰度值比较的二进制描述子BRISK和FREAK算子等。本文针对航拍图像中实际场景的特点和项目的需求，提出了基于SURF特征检测和FREAK特征描述相结合的航拍图像拼接算法，既能保证提取到足够数量的特征，又提高了计算速度，实验结果表明，在图像场景没有大的视差的情况下，能够得到良好的拼接效果。由于航拍图像的拍摄条件和场景的限制，当图像场景中有较大的视差时，则会产生较大的配准误差，本文介绍了两种无缝拼接实现方法，第一种是针对传统的单一变换模型提

5、出的基于MovingDLT的逼近投影变换模型，使用该模型对图像进行配准，既能保持全局的投影变换特性，又能保证局部的配准精度，另外一种是基于图割的最佳缝合线方法。本文针对航拍图像的特点，提出了改进RANSAC与最佳缝合线方法相结合的无缝拼接实现方法，很好地解决了大视差问题。在进行多幅图像拼接时，会存在累积误差，本文通过选取参考平面，并使用捆绑调整法来优化全局配准模型，实现了多幅航拍图像的无缝拼接。最后，本文分别在DSP平台和PC机平台实现了多幅航拍图像的无缝拼接，取得了良好的拼接效果。关键词：航拍图像拼接；特征提取；逼近投影变换；最佳缝合线；捆绑调整法I北京理工大学硕士学位论文Abstra

6、ctWiththedevelopmentandpopularizationofscienceandtechnology,peoplebecomeincreasinglydependentontheimagesasaninformationtool,andtherequirementsfortheapplicationoftheimageprocessingbecomeincreasinglyhigh.Imagestitchingtechnologycanwellmeetthedemandforlargeimagewithhighresolution,wideviewingangle.In

7、thispaper,wedotheresearchonfeature-basedaerialimagestitching.Imageregistrationbasedonfeatureextractionisthekeyofimagestitching.Inthispaper,asimulationcomparisonismadeagainstthemostpopularfeatureextractionalgorithms.The