无人机红外视频影像配准方法研究

论文摘要

无人机红外遥感技术具有无人机经济、安全、快速获取地面信息以及红外成像作用距离远、抗干扰性好、穿透烟尘雾霾能力强、可全天时工作的双重优点,在国土调查、资源勘探、环境监测、战场侦察、应急保障等领域具有很高的应用价值。由于无人飞行器获取的红外视频影像噪声复杂、对比度低等特点,且存在旋转、缩放等几何畸变,使其在后续影像配准等方面的应用面临很多困难。本文对红外视频影像预处理和影像配准技术进行了初步的研究与实践探索,论文完成的主要工作及取得的成果如下:1.研究了红外影像预处理技术。在对红外图像噪声的构成特点、灰度特性进行分析的基础上,首先利用小波去相关特性对红外图像进行去噪,然后引入了模糊最大熵技术,利用改进的S函数对影像进行模糊域的增强。实验表明该方法对红外图像预处理的效果比传统算法有明显改善。2.研究了影像点特征提取算法。对SIFT、SURF、CenSurE三种局部不变特征提取算子进行了理论分析并通过实验对它们的特征点检测速度、描述子生成速度、红外配准综合性能进行了对比分析。3.在影像粗匹配中对穷尽(线性)搜索、优先KD树搜索两种搜索策略进行了对比分析实验。实验表明:由于红外视频影像一般像幅较小、分辨率较低,提取的特征点数少,所以穷尽搜索更适合作为无人机红外影像配准的搜索策略。4.分析了无人机影像几何配准模型,在其基础上研究了基于单应约束的RANSAC精匹配算法,并利用该匹配算法对SIFT、SURF、CenSurE三种算子提取的特征点进行了精配准。实验表明该方法可以有效剔除误匹配,提高匹配正确率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 配准技术
• 1.2.1 基于灰度信息的方法
• 1.2.2 基于特征的方法
• 1.2.3 其他配准方法
• 1.3 无人机红外影像配准技术
• 1.4 本文的主要内容及组织
• 第二章 红外图像预处理
• 2.1 红外图像的特点
• 2.2 红外图像去噪
• 2.2.1 红外图像噪声类型及特性分析
• 2.2.2 邻域平均法
• 2.2.3 中值滤波
• 2.2.4 小波去噪
• 2.3 红外图像增强
• 2.3.1 经典直方图均衡化
• 2.3.2 基于模糊逻辑的红外图像增强
• 2.4 基于小波去噪和模糊最大熵增强的图像预处理方法
• 2.5 实验结果与分析
• 2.6 本章小结
• 第三章 红外影像点特征的提取
• 3.1 特征点检测算子
• 3.1.1 SIFT 算子
• 3.1.2 SURF 算子
• 3.1.3 CenSurE 算子
• 3.1.4 三种算子的异同点
• 3.2 特征描述子
• 3.2.1 SIFT 特征描述子
• 3.2.2 SURF 特征描述子
• 3.2.3 其它描述子
• 3.3 实验结果与分析
• 3.3.1 局部不变特征有效检测
• 3.3.2 特征提取速度比较
• 3.4 本章小结
• 第四章 红外视频影像配准
• 4.1 几何变换模型
• 4.1.1 摄像机模型
• 4.1.2 几何配准模型
• 4.2 基于比值法的影像粗匹配
• 4.2.1 匹配策略
• 4.2.2 基于比值提纯法的粗匹配
• 4.2.3 实验结果
• 4.3 基于单应约束RANSAC 精匹配
• 4.3.1 RANSAC 基本原理
• 4.3.2 单应约束RANSAC 算法
• 4.3.3 实验结果
• 4.4 几何变换参数解算
• 4.5 实验分析
• 4.5.1 配准算法的评价标准
• 4.5.2 搜索速度比较
• 4.5.3 匹配正确率比较
• 4.5.4 配准精度与速度比较
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 完成的主要工作
• 5.2 下一步研究方向
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢