论文部分内容阅读
外来物种入侵使我国成为世界上林业病虫害最严重的国家之一,特别是松材病线虫严重威胁了林业生态建设的发展。无人机作为一种新型的低空遥感技术,具有高灵活性、低成本和结构简单等优点。这项技术目前已经被广泛应用到森林火灾监视、自然灾害区域检测等领域中,在遥感监测系统中发挥着不可替代的作用。本文主要是结合无人机拍摄的可见光和红外图像信息对《无人机在松材线虫病监测调查中的应用研究》课题中的图像拼接问题进行研究。针对大量的高分率无人机遥感图像拼接技术,本文主要研究内容包括以下几个方面：1.介绍了图像拼接的一般流程,重点研究了基于无人机平台的可见光和红外图像拼接中的关键技术——图像匹配问题,并分析了现有几种常用的SVD匹配算法的性能。2.提出了一种基于CS-LBP的SVD可见光图像匹配算法。该算法首先利用Hessian-Affine检测算子提取图像特征区域,并采用CS-LBP模型进行局部特征描述,然后将局部特征描述的相似性作为度量方式构造邻接矩阵,最后根据SVD匹配算法得到图像之间的匹配关系。大量实验结果表明,当图像存在较大光照、旋转、尺度等变换时,该算法性能优于现有的SVD匹配算法。3.介绍无人机实地飞行实验区域以及基于无人机平台的可见光和红外图像获取方法。在实验中,首先简单的介绍了合肥市肥东林场开展的基于无人机实地飞行实验,然后介绍了通过机载可见光和红外照相机等设备获取林区中同一场景的可见光和红外图像的方法,最后分析了可见光和红外图像的成像特点。4.提出了一种结合可见光图像和红外图像信息的精确匹配算法。首先,利用基于CS-LBP的SVD图像匹配算法对可见光图像进行初始匹配,然后结合可见光和红外图像的信息消除误匹配,得到较精确的匹配结果,接着利用RANSAC估算图像之间的变换矩阵,最后通过图像融合技术得到林区的全景图。