資源描述：
《無人機(jī)低空遙感影像拼接方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)：P22密級(jí)：編號(hào)：102015742桂林理工大學(xué)碩士研究生學(xué)位論文無人機(jī)低空遙感影像拼接方法的研究專業(yè)：測(cè)繪科學(xué)與技術(shù)研究方向：測(cè)繪信息數(shù)據(jù)采集與數(shù)據(jù)處理研究生：馮立朋指導(dǎo)教師：朱軍桃副教授論文起止日期：2017年4月至2018年4月萬方數(shù)據(jù)ResearchonImageMosaicMethodofUAVLow-altitudeRemoteSensingimagesMajor：CartographyandGeographicInformationEngineeringDirectionofStudy：
2、InformationCollectionandDataProcessingofSurveyingandmappingGraduateStudent:：LiPengFengSupervisor：ViceProf.JunTaoZhuCollegeofGeomaticsandGeoinfornationGuilinUniversityofTechnologyApril,2017toApril,2018萬方數(shù)據(jù)萬方數(shù)據(jù)摘要無人機(jī)遙感是作為一種新型的遙感技術(shù)手段，具有高效和靈活的機(jī)動(dòng)性能、作業(yè)速度快、成本及分辨率高等
3、優(yōu)勢(shì)。經(jīng)過近幾年的迅速發(fā)展，應(yīng)用領(lǐng)域已經(jīng)日益擴(kuò)大。無人機(jī)遙感技術(shù)在諸多領(lǐng)域都有著十分廣泛的應(yīng)用，主要包括減災(zāi)救災(zāi)、農(nóng)業(yè)植保、電力巡檢、土地治理、河流調(diào)查等方面。但是，由于無人機(jī)遙感系統(tǒng)在進(jìn)行航拍的過程中，往往會(huì)受到飛行高度和相機(jī)焦距等各種因素的制約，從而導(dǎo)致所獲得的單幅圖像覆蓋面積較小，通常無法包含整個(gè)所要求的目標(biāo)區(qū)域，因此，為了得到整個(gè)目標(biāo)區(qū)域影像信息，就需要將獲取的多張無人機(jī)遙感影像拼接融合成為一幅全景影像。本文首先簡要的介紹了無人機(jī)的系統(tǒng)組成、無人機(jī)遙感影像拼接技術(shù)的研究背景和意義，以及國內(nèi)外圖像拼接以
4、及無人機(jī)遙感影像拼接的研究現(xiàn)狀，然后從無人機(jī)遙感影像的拼接流程詳細(xì)地闡述了各個(gè)拼接環(huán)節(jié)的理論知識(shí)和實(shí)驗(yàn)分析。本文的主要研究內(nèi)容如下：（1）概括地介紹了圖像拼接技術(shù)的相關(guān)理論，包括圖像拼接的定義、基本流程，圖像配準(zhǔn)技術(shù)的分類，以及圖像融合的基本理論技術(shù)與方法。（2）詳細(xì)地介紹了三種常見的特征點(diǎn)提取算法—SIFT算法、SURF算法、ORB算法，并通過相應(yīng)的實(shí)驗(yàn)進(jìn)行分析比較各個(gè)特征點(diǎn)提取算法的適用范圍。根據(jù)無人機(jī)遙感影像自身的特點(diǎn)，選取ORB特征點(diǎn)提取算法作為無人機(jī)遙感影像特征點(diǎn)提取的方法。（3）詳細(xì)地介紹了針圖像
5、特征匹配算法以及圖像融合算法的相關(guān)理論與方法，并針對(duì)無人機(jī)遙感影像的處理選取合適的方法。在進(jìn)行特征點(diǎn)匹配時(shí)首先采取KNN算法的粗匹配，然后采用改進(jìn)的RANSAC算法進(jìn)行誤匹配點(diǎn)的剔除工作并采用一種改進(jìn)的融合算法進(jìn)行圖像的融合工作。（4）根據(jù)前面章節(jié)的所闡述的圖像拼接的相關(guān)理論基礎(chǔ)與技術(shù)，進(jìn)行無人機(jī)遙感影像的拼接處理的一系列實(shí)驗(yàn)操作，在特征點(diǎn)檢測(cè)實(shí)驗(yàn)中根據(jù)不同大小的無人機(jī)遙感影像的進(jìn)行實(shí)驗(yàn)的定量分析，比較三種常見的特征點(diǎn)檢測(cè)算法的檢測(cè)效果和檢測(cè)效率，最終選定ORB算法作為特征檢測(cè)算法；在特征匹配實(shí)驗(yàn)的過程中，分
6、別進(jìn)行KNN-RANSAC算法特征匹配以及改進(jìn)的KNN-RANSAC算法特征匹配，并分別對(duì)兩者的特征匹配精度影像采用中誤差和均方誤差進(jìn)行定量分析，得出改進(jìn)之后的KNN-RANSAC算法的匹配精度有一定的提高。在圖像融合實(shí)驗(yàn)過程中分別進(jìn)行漸入漸出融合實(shí)驗(yàn)以及改進(jìn)的融合算法的融合實(shí)驗(yàn)，通過實(shí)驗(yàn)結(jié)果對(duì)比發(fā)現(xiàn)改進(jìn)的融合算法可以很好地解決影像融合過程中的拼接縫隙和局部區(qū)域模糊的問題。最后通過本文所提出的拼接方法完成序列遙感影像的無縫拼接實(shí)驗(yàn)，獲取目標(biāo)區(qū)域的全景影像。關(guān)鍵詞：無人機(jī)遙感，特征點(diǎn)檢測(cè)，特征匹配，影像融合，序
7、列影像拼接I萬方數(shù)據(jù)AbstractUAVremotesensingisanewtypeofremotesensingtechnologyandhastheadvantagesofefficientandflexiblemaneuverability,fastoperationspeed,highcostandhighresolution.Afterrapiddevelopmentinrecentyears,theapplicationfieldhasbeenexpanding.UAVremotesensin
8、gtechnologyhasawiderangeofapplicationsinmanyfields,includingdisasterreductionanddisasterrelief,agriculturalplantprotection,electricityinspection,landmanagement,riversurveysandsoon.However,duetothedrone
