论文部分内容阅读
无人机摄影测量系统具有实时性强、低成本、反应快速与自动化等特点,目前已逐渐成为空间地理信息数据获取的重要技术手段之一。而影像匹配是获取无人机影像数据后处理与应用的关键步骤。无人机影像匹配方法与一般图像匹配方法有所不同,首先无人机获取的影像分辨率较高,细节纹理极为丰富。其次无人机平台稳定性相对较差,飞行姿态角易发生改变,同一地物在左右影像成像时可能具有较大差异。最后由于无人机飞行航高不能严格控制,因此获得的相邻影像重叠区之间将存在一定的尺度变换关系。如何实现高精度的无人机影像匹配,是遥感领域的一个新问题,也是目前研究的热点。本文对无人机影像匹配方法进行了研究,主要工作如下:(1)按照基于灰度与基于特征两种类型全面研究了国内外学者进行图像匹配的研究现状,并分析了现有算法的优缺点以及在无人机影像中进行应用所存在的问题。(2)详细研究了无人机影像匹配相关的基础原理,主要包括图像匹配的定义、图像匹配方法与图像间的变换模型。(3)深入研究了Harris、SIFT、SURF、ORB四种基于点特征的图像匹配算法,并采用3张无人机影像,进行了特征点提取的对比实验。(4)针对RANSAC算法在无人机影像误匹配点剔除中存在的不足,将VFC算法引入到无人机影像匹配中,提出了一种基于VFC算法的无人机影像匹配方法。首先分别利用SIFT算法和SURF算法建立粗匹配关系,然后利用VFC算法对粗匹配点集中的误匹配点进行剔除,从而实现高精度匹配,并将误匹配点剔除结果与传统RANSAC算法所得结果进行对比分析。经过以上研究可得,基于点特征的图像匹配方法最适用于无人机影像的匹配,并且常用的基于点特征的图像匹配算法中,SIFT算法对于无人机影像的特征点提取稳定性最好、效果最佳;一般的无人机影像匹配方法都是在粗匹配基础上釆用RANSAC算法进行误匹配点剔除,然而当影像中出现大面积河流、湖泊等地物时,基于RANSAC算法的匹配方法虽然可以实现影像匹配,但结果精度往往较低,容易出现正确匹配点被误剔除的问题;VFC算法在粗匹配点集中包含较多离散匹配点的情况下,无论是与SIFT算法还是SURF算法相组合,均具有良好的适用性,总能够保留下相较于RANSAC算法更多的正确匹配点,较好地解决正确匹配点误剔除的问题。