發(fā)布時間：2024-07-01 21:55

　　針對當前無人機遙感圖像配準算法普遍存在匹配精度差與配準速度慢等問題,該文以點特征檢測方法為基礎(chǔ),結(jié)合矩陣降維處理方法,提出一種適用于農(nóng)業(yè)航空遙感圖像配準的改進算法—SNS(scale-invariantfeaturetransformand singularvaluedecomposition)算法。SNS算法以高斯函數(shù)同步檢測尺度空間極值點的坐標和特征尺度,利用海森矩陣消除偽特征點,獲取特征點精準定位,在求取特征點的模值與方向基礎(chǔ)上,采用奇異值分解方法進行矩陣優(yōu)化,實現(xiàn)數(shù)據(jù)降維再重構(gòu)。試驗結(jié)果表明,SNS算法與經(jīng)典算法相比,配準速度平均提高5.01%,配準精度均方根誤差平均降低10.48%,說明SNS算法在壓縮數(shù)據(jù)量的同時,提高了整體配準精度,具有配準速度較快和魯棒性較好的特點。研究結(jié)果可為農(nóng)業(yè)航空遙感圖像快速配準提供參考。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1SNS算法及其圖像配準流程

SNS算法流程圖如圖1a所示，其中圖像配準是整個算法的核心關(guān)鍵模塊，采用與SIFT算法相類似的點特征檢測方法，具體流程如圖1b所示。1.2點特征檢測算法改進

圖4多幅遙感圖像配準效果圖

圖4a為待配準試驗圖像數(shù)據(jù)集；圖4b為SIFT算法配準效果圖，分辨率為1282×3116；圖4c為SNS算法配準效果圖，分辨率為1337×2949。試驗結(jié)果表明，SNS算法的總配準時間相較于SIFT算法減少了10.34%，表明本次試驗中SNS算法的配準處理效率和速度明顯優(yōu)....

圖2不同仿射變換的待配準圖像

為進行SNS算法與3種經(jīng)典配準算法（SIFT、SURF[24]和Harris[25]）的性能比較，進行不同仿射變換圖像的配準試驗（圖2）。試驗硬件環(huán)境為：CPU為IntelCorei5-7200U2.50GHz，內(nèi)存12GB，顯存2GB，操作系統(tǒng)為Windows10，編....

圖3不同算法的參考圖像與6種仿射變換圖像的配準效果

圖3e～3g是參考圖像與尺度縮小圖的配準效果，根據(jù)表1及表2的第2列數(shù)據(jù)可知，在尺度縮小情況下，SNS算法的配準速度比SIFT算法提高4.12%,SIFT算法的配準效果優(yōu)于SNS算法13.32%。這是因為在尺度縮小圖中，SIFT特征點檢測法檢測的特征點數(shù)量比原圖少，可用于配準的特....

本文編號：3999241