CN106127690A - 一种无人机遥感图像快速拼接方法 - Google Patents
一种无人机遥感图像快速拼接方法 Download PDFInfo
- Publication number
- CN106127690A CN106127690A CN201610524520.1A CN201610524520A CN106127690A CN 106127690 A CN106127690 A CN 106127690A CN 201610524520 A CN201610524520 A CN 201610524520A CN 106127690 A CN106127690 A CN 106127690A
- Authority
- CN
- China
- Prior art keywords
- image
- characteristic point
- aerial vehicle
- unmanned aerial
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008878 coupling Effects 0.000 claims abstract description 8
- 238000010168 coupling process Methods 0.000 claims abstract description 8
- 238000005859 coupling reaction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 2
- 101100001669 Emericella variicolor andD gene Proteins 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种无人机遥感图像快速拼接方法，（1）基于SURF算法粗提取特征点；（2）利用RANSAC算法剔除误提取的特征点；（3）利用最小二乘匹配法精确匹配图像特征点；（4）进行图像融合工序；（5）对图像进行拼接，得到无人机遥感图像。本发明首先利用SURF算法粗提取无人机遥感图像的特征点，然后利用RANSAC算法剔除被误提取的特征点，最后利用最小二乘图像匹配法，实现特征点的精确匹配和图像的实时拼接。算法不但可以得到很好的拼接效果，而且拼接效率极高，能够满足实时拼接要求。待拼接的无人机遥感图像航向重叠度多于60%，旁向重叠度多于30%。本发明计算量小，拼接效果好，拼接效率高，匹配精度高，实现图像的实时拼接。
Description
技术领域
本发明属于无人机遥感技术领域，尤其涉及一种一种无人机遥感图像快速拼接方法。
背景技术
无人机遥感图像实时拼接可以实时地反映测区状况，并为后续图像处理奠定基础。基于SURF算法的无人机遥感图像拼接方法，在拼接过程中大量误特征点被提取出来，导致计算量大、匹配效率低，工序繁琐，无法满足实时拼接的要求，且采用距离阈值匹配法，匹配精度低，拼接效果差。
发明内容
本发明为了解决现有技术中的不足之处，提供一种计算量小、匹配效率高、可实时拼接、匹配精度高、拼接效果好的无人机遥感图像快速拼接方法。
为解决上述技术问题，本发明采用如下技术方案：一种无人机遥感图像快速拼接方法，包括以下步骤：
（1）基于SURF算法粗提取特征点：先生成尺度空间，接着检测特征点，然后确定特征点主方向，最后生成特征点；
（2）利用RANSAC算法剔除误提取的特征点：先进行图像变换，再设置阈值，最后删除误提取特征点；
（3）利用最小二乘匹配法精确匹配图像特征点；
（4）进行线性加权平均图像融合；
（5）对图像进行拼接，得到无人机遥感图像。
步骤（1）的具体过程为，
在参考图像和待匹配图像上，选取大小不同的箱式滤波器建立图像的尺度空间，使用快速Hessian矩阵检测每一层图像上的极值点；
设图像空间内任意一点，尺度为，Hessian矩阵被定义为：
（1）
式中，表示高斯滤波二阶导数与图像的卷积，其中高斯函数定义为，与的计算方法与相同。为计算方便，采用箱式滤波模板同输入图像的卷积、、代替、和。将9×9的箱式滤波器近似为的高斯滤波二阶导数， 与 的关系如下：
（2）
式中，表示Frobenius范数，为权重系数；
对于某一尺度的图像，利用Hessian矩阵求出极值点后，在的立体邻域内进行非极大值抑制操作，将比上下尺度各9个及本尺度周围8个共26个邻域值都大或都小的极值点，作为特征点，然后在尺度空间和图像空间中进行差值运算，得到特征点位置及其所在尺度。
步骤（2）的具体过程为，
设一幅图像中任意特征点的坐标为，另一幅图像中特征点的坐标为，且D表示这两幅图像的尺度变换、表示旋转变换、A和B表示平移变换；利用下列公式表示两幅图像间的变换：
（3）
从两幅图像中选出4对粗特征点，代入公式（3），计算变换参数、、和。利用计算出的变换参数将第二幅图像中特征点变换到第一幅图像中，变换后的特征点坐标为（），即
（4）
如果第二幅图像上的某一特征点变换到第一幅图像上与它在第一幅图像上的对应特征点满足下列关系
（5）
则认为它们是该变换确定的一对对应特征点；若对应特征点的个数占区域中全部特征点个数的比例达到一定的阈值，则认为这组变换关系是可以接受的；利用求出的变换关系和设定的阈值T，精选出欲保留的特征点。
步骤（3）包括以下具体过程，
1）最小二乘匹配法
设和为任意特征匹配，以为中心取大小为邻域；利用变换矩阵近似对应邻域窗口之间几何变换，则：
（6）
令：
，，，则，
式中，A，T，V 分别为邻域窗口之间的仿射、平移和透视变换参数。令，为按（7）式进行变换后的坐标；以和为中心的2个相关窗口和可以表示为：
（7）
引入辐射变换参数和，建立最小二乘匹配方程；
2）图像特征点精确匹配
在无人机遥感图像上，利用SURF算法粗提取特征点，基于RANSAC算法剔除误提取的特征点，最后利用最小二乘精匹配方法，实现图像的精确匹配。
步骤（4）的具体过程为：为了消除匹配后图像的亮度和颜色差异，使用线性加权平均融合算法，
线性加权平均融合算法为：设和分别表示待拼接两幅图像的像素值，则重叠区域图像的像素值表示为：
（8）
表示权函数，其取值为该点到拼接中线的距离；最后将拼接图像中的各个子图像进行信息综合。
采用上述技术方案，本发明首先利用SURF算法粗提取无人机遥感图像的特征点，然后利用RANSAC算法剔除被误提取的特征点，最后利用最小二乘图像匹配法，实现特征点的精确匹配和图像的实时拼接。算法不但可以得到很好的拼接效果，而且拼接效率极高，能够满足实时拼接要求。待拼接的无人机遥感图像航向重叠度多于60%，旁向重叠度多于30%。本发明计算量小，拼接效果好，拼接效率高，匹配精度高，实现图像的实时拼接。
附图说明
图1是本发明的流程图。
具体实施方式
如图1所示，本发明的一种无人机遥感图像快速拼接方法，包括以下步骤：
（1）基于SURF算法粗提取特征点：先生成尺度空间，接着检测特征点，然后确定特征点主方向，最后生成特征点；
（2）利用RANSAC算法剔除误提取的特征点：先进行图像变换，再设置阈值，最后删除误提取特征点；
（3）利用最小二乘匹配法精确匹配图像特征点；
（4）进行线性加权平均图像融合；
（5）对图像进行拼接，得到无人机遥感图像。
步骤（1）的具体过程为，
在参考图像和待匹配图像上，选取大小不同的箱式滤波器建立图像的尺度空间，使用快速Hessian矩阵检测每一层图像上的极值点；
设图像空间内任意一点，尺度为，Hessian矩阵被定义为：
（1）
式中，表示高斯滤波二阶导数与图像的卷积，其中高斯函数定义为，与的计算方法与相同。为计算方便，采用箱式滤波模板同输入图像的卷积、、代替、和。将9×9的箱式滤波器近似为=1.2的高斯滤波二阶导数， 与 的关系如下：
（2）
式中，表示Frobenius范数，为权重系数；
对于某一尺度的图像，利用Hessian矩阵求出极值点后，在3×3×3的立体邻域内进行非极大值抑制操作，将比上下尺度各9个及本尺度周围8个共26个邻域值都大或都小的极值点，作为特征点，然后在尺度空间和图像空间中进行差值运算，得到特征点位置及其所在尺度。
步骤（2）的具体过程为，
设一幅图像中任意特征点的坐标为，另一幅图像中特征点的坐标为，且D表示这两幅图像的尺度变换、表示旋转变换、A和B表示平移变换；利用下列公式表示两幅图像间的变换：
（3）
从两幅图像中选出4对粗特征点，代入公式（3），计算变换参数、、和。利用计算出的变换参数将第二幅图像中特征点变换到第一幅图像中，变换后的特征点坐标为（），即
（4）
如果第二幅图像上的某一特征点变换到第一幅图像上与它在第一幅图像上的对应特征点满足下列关系
（5）
则认为它们是该变换确定的一对对应特征点；若对应特征点的个数占区域中全部特征点个数的比例达到一定的阈值，则认为这组变换关系是可以接受的；利用求出的变换关系和设定的阈值T，精选出欲保留的特征点。
步骤（3）包括以下具体过程，
1）最小二乘匹配法
设和为任意特征匹配，以为中心取大小为邻域；利用变换矩阵近似对应邻域窗口之间几何变换，则：
（6）
令：
，，，则
式中，A，T，V分别为邻域窗口之间的仿射、平移和透视变换参数。令，为按（7）式进行变换后的坐标；以和为中心的2个相关窗口和可以表示为：
（7）
引入辐射变换参数和，建立最小二乘匹配方程；
2）图像特征点精确匹配
在无人机遥感图像上，利用SURF算法粗提取特征点，基于RANSAC算法剔除误提取的特征点，最后利用最小二乘精匹配方法，实现图像的精确匹配。
步骤（4）的具体过程为：为了消除匹配后图像的亮度和颜色差异，使用线性加权平均融合算法，
线性加权平均融合算法为：设和分别表示待拼接两幅图像的像素值，则重叠区域图像的像素值表示为：
（8）
表示权函数，其取值为该点到拼接中线的距离；最后将拼接图像中的各个子图像进行信息综合。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种无人机遥感图像快速拼接方法，其特征在于：包括以下步骤，
（1）基于SURF算法粗提取特征点：先生成尺度空间，接着检测特征点，然后确定特征点主方向，最后生成特征点；
（2）利用RANSAC算法剔除误提取的特征点：先进行图像变换，再设置阈值，最后删除误提取特征点；
（3）利用最小二乘匹配法精确匹配图像特征点；
（4）进行线性加权平均图像融合；
（5）对图像进行拼接，得到无人机遥感图像。
2.根据权利要求1所述的一种无人机遥感图像快速拼接方法，其特征在于：步骤（1）的具体过程为，
在参考图像和待匹配图像上，选取大小不同的箱式滤波器建立图像的尺度空间，使用快速Hessian矩阵检测每一层图像上的极值点；
设图像空间内任意一点，尺度为，Hessian矩阵被定义为：
（1）
式中，表示高斯滤波二阶导数与图像的卷积，其中高斯函数定义为，与的计算方法与相同，为计算方便，采用箱式滤波模板同输入图像的卷积D xx 、D xy 、D yy 代替、和，将9×9的箱式滤波器近似为=1.2的高斯滤波二阶导数，D xx D xy 与 的关系如下：
（2）
式中，表示Frobenius范数，为权重系数；
对于某一尺度的图像，利用Hessian矩阵求出极值点后，在3×3×3的立体邻域内进行非极大值抑制操作，将比上下尺度各9个及本尺度周围8个共26个邻域值都大或都小的极值点，作为特征点，然后在尺度空间和图像空间中进行差值运算，得到特征点位置及其所在尺度。
3.根据权利要求1或2所述的一种无人机遥感图像快速拼接方法，其特征在于：步骤（2）的具体过程为，
设一幅图像中任意特征点的坐标为，另一幅图像中特征点的坐标为，且D表示这两幅图像的尺度变换、表示旋转变换、A和B表示平移变换；利用下列公式表示两幅图像间的变换：
（3）
从两幅图像中选出4对粗特征点，代入公式（3），计算变换参数、、和，
利用计算出的变换参数将第二幅图像中特征点变换到第一幅图像中，变换后的特征点坐标为（），即
（4）
如果第二幅图像上的某一特征点变换到第一幅图像上与它在第一幅图像上的对应特征点满足下列关系
（5）
则认为它们是该变换确定的一对对应特征点；若对应特征点的个数占区域中全部特征点个数的比例达到一定的阈值，则认为这组变换关系是可以接受的；利用求出的变换关系和设定的阈值T，精选出欲保留的特征点。
4.根据权利要求1或2所述的一种无人机遥感图像快速拼接方法，其特征在于：步骤（3）包括以下具体过程，
1）最小二乘匹配法
设和为任意特征匹配，以为中心取大小为邻域；利用变换矩阵近似对应邻域窗口之间几何变换，则：
（6）
令：
，，，则
式中，A，T，V 分别为邻域窗口之间的仿射、平移和透视变换参数；令，为按（7）式进行变换后的坐标；以和为中心的2个相关窗口和可以表示为：
（7）
引入辐射变换参数和，建立最小二乘匹配方程；
2）图像特征点精确匹配
在无人机遥感图像上，利用SURF算法粗提取特征点，基于RANSAC算法剔除误提取的特征点，最后利用最小二乘精匹配方法，实现图像的精确匹配。
5.根据权利要求1或2所述的一种无人机遥感图像快速拼接方法，其特征在于：步骤（4）的具体过程为：为了消除匹配后图像的亮度和颜色差异，使用线性加权平均融合算法，
线性加权平均融合算法为：设和分别表示待拼接两幅图像的像素值，则重叠区域图像的像素值表示为：
（8）
表示权函数，其取值为该点到拼接中线的距离；最后将拼接图像中的各个子图像进行信息综合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610524520.1A CN106127690A (zh) | 2016-07-06 | 2016-07-06 | 一种无人机遥感图像快速拼接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610524520.1A CN106127690A (zh) | 2016-07-06 | 2016-07-06 | 一种无人机遥感图像快速拼接方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106127690A true CN106127690A (zh) | 2016-11-16 |
Family
ID=57469351
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610524520.1A Pending CN106127690A (zh) | 2016-07-06 | 2016-07-06 | 一种无人机遥感图像快速拼接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106127690A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780396A (zh) * | 2016-12-30 | 2017-05-31 | 上海集成电路研发中心有限公司 | 一种消除图像拼缝的方法 |
| CN106940876A (zh) * | 2017-02-21 | 2017-07-11 | 华东师范大学 | 一种基于surf的快速无人机航拍图像拼接算法 |
| CN107240070A (zh) * | 2017-06-08 | 2017-10-10 | 广东容祺智能科技有限公司 | 一种基于应急处理的无人机图像拼接系统及方法 |
| CN107767339A (zh) * | 2017-10-12 | 2018-03-06 | 深圳市未来媒体技术研究院 | 一种双目立体图像拼接方法 |
| CN108230376A (zh) * | 2016-12-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 遥感图像处理方法、装置和电子设备 |
| CN109087245A (zh) * | 2018-08-13 | 2018-12-25 | 长治学院 | 基于相邻关系模型的无人机遥感图像拼接系统 |
| CN109712071A (zh) * | 2018-12-14 | 2019-05-03 | 电子科技大学 | 基于航迹约束的无人机图像拼接与定位方法 |
| CN109934787A (zh) * | 2019-03-18 | 2019-06-25 | 湖南科技大学 | 一种基于高动态范围的图像拼接方法 |
| CN110070610A (zh) * | 2019-04-17 | 2019-07-30 | 精伦电子股份有限公司 | 特征点匹配方法、三维重构过程的特征点匹配方法及装置 |
| CN110288511A (zh) * | 2019-05-10 | 2019-09-27 | 台州宏达电力建设有限公司台州经济开发区运检分公司 | 基于双相机图像的最小化误差拼接方法、装置、电子设备 |
| CN111260555A (zh) * | 2020-01-15 | 2020-06-09 | 东华大学 | 一种基于surf的改进图像拼接方法 |
| CN111461013A (zh) * | 2020-04-01 | 2020-07-28 | 深圳市科卫泰实业发展有限公司 | 一种基于无人机的实时火场态势感知方法 |
| CN111751380A (zh) * | 2020-07-08 | 2020-10-09 | 中国水利水电科学研究院 | 一种基于轻小型无人机的混凝土坝裂缝检查方法 |
| CN113269817A (zh) * | 2021-06-04 | 2021-08-17 | 北京中航世科电子技术有限公司 | 空间域和频域相结合的实时遥感地图拼接方法及装置 |
| CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
| CN115294482A (zh) * | 2022-09-26 | 2022-11-04 | 山东常生源生物科技股份有限公司 | 一种基于无人机遥感图像的食用菌产量估算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
| CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
| CN102750537A (zh) * | 2012-05-08 | 2012-10-24 | 中国矿业大学 | 一种高精度图像自动配准方法 |
| CN103679636A (zh) * | 2013-12-23 | 2014-03-26 | 江苏物联网研究发展中心 | 基于点、线双重特征的快速图像拼接方法 |
-
2016
- 2016-07-06 CN CN201610524520.1A patent/CN106127690A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
| CN102750537A (zh) * | 2012-05-08 | 2012-10-24 | 中国矿业大学 | 一种高精度图像自动配准方法 |
| CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
| CN103679636A (zh) * | 2013-12-23 | 2014-03-26 | 江苏物联网研究发展中心 | 基于点、线双重特征的快速图像拼接方法 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780396A (zh) * | 2016-12-30 | 2017-05-31 | 上海集成电路研发中心有限公司 | 一种消除图像拼缝的方法 |
| CN106780396B (zh) * | 2016-12-30 | 2020-01-10 | 上海集成电路研发中心有限公司 | 一种消除图像拼缝的方法 |
| CN108230376B (zh) * | 2016-12-30 | 2021-03-26 | 北京市商汤科技开发有限公司 | 遥感图像处理方法、装置和电子设备 |
| CN108230376A (zh) * | 2016-12-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 遥感图像处理方法、装置和电子设备 |
| CN106940876A (zh) * | 2017-02-21 | 2017-07-11 | 华东师范大学 | 一种基于surf的快速无人机航拍图像拼接算法 |
| CN107240070A (zh) * | 2017-06-08 | 2017-10-10 | 广东容祺智能科技有限公司 | 一种基于应急处理的无人机图像拼接系统及方法 |
| CN107767339A (zh) * | 2017-10-12 | 2018-03-06 | 深圳市未来媒体技术研究院 | 一种双目立体图像拼接方法 |
| CN109087245A (zh) * | 2018-08-13 | 2018-12-25 | 长治学院 | 基于相邻关系模型的无人机遥感图像拼接系统 |
| CN109712071A (zh) * | 2018-12-14 | 2019-05-03 | 电子科技大学 | 基于航迹约束的无人机图像拼接与定位方法 |
| CN109712071B (zh) * | 2018-12-14 | 2022-11-29 | 电子科技大学 | 基于航迹约束的无人机图像拼接与定位方法 |
| CN109934787A (zh) * | 2019-03-18 | 2019-06-25 | 湖南科技大学 | 一种基于高动态范围的图像拼接方法 |
| CN109934787B (zh) * | 2019-03-18 | 2022-11-25 | 湖南科技大学 | 一种基于高动态范围的图像拼接方法 |
| CN110070610B (zh) * | 2019-04-17 | 2023-04-18 | 精伦电子股份有限公司 | 特征点匹配方法、三维重构过程的特征点匹配方法及装置 |
| CN110070610A (zh) * | 2019-04-17 | 2019-07-30 | 精伦电子股份有限公司 | 特征点匹配方法、三维重构过程的特征点匹配方法及装置 |
| CN110288511A (zh) * | 2019-05-10 | 2019-09-27 | 台州宏达电力建设有限公司台州经济开发区运检分公司 | 基于双相机图像的最小化误差拼接方法、装置、电子设备 |
| CN110288511B (zh) * | 2019-05-10 | 2023-04-07 | 台州宏达电力建设有限公司台州经济开发区运检分公司 | 基于双相机图像的最小化误差拼接方法、装置、电子设备 |
| CN111260555A (zh) * | 2020-01-15 | 2020-06-09 | 东华大学 | 一种基于surf的改进图像拼接方法 |
| CN111461013A (zh) * | 2020-04-01 | 2020-07-28 | 深圳市科卫泰实业发展有限公司 | 一种基于无人机的实时火场态势感知方法 |
| CN111751380B (zh) * | 2020-07-08 | 2021-08-31 | 中国水利水电科学研究院 | 一种基于轻小型无人机的混凝土坝裂缝检查方法 |
| CN111751380A (zh) * | 2020-07-08 | 2020-10-09 | 中国水利水电科学研究院 | 一种基于轻小型无人机的混凝土坝裂缝检查方法 |
| CN113269817A (zh) * | 2021-06-04 | 2021-08-17 | 北京中航世科电子技术有限公司 | 空间域和频域相结合的实时遥感地图拼接方法及装置 |
| CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
| CN115294482A (zh) * | 2022-09-26 | 2022-11-04 | 山东常生源生物科技股份有限公司 | 一种基于无人机遥感图像的食用菌产量估算方法 |
| CN115294482B (zh) * | 2022-09-26 | 2022-12-20 | 山东常生源生物科技股份有限公司 | 一种基于无人机遥感图像的食用菌产量估算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106127690A (zh) | 一种无人机遥感图像快速拼接方法 | |
| CN106485275B (zh) | 一种实现盖板玻璃与液晶屏定位贴合的方法 | |
| CN109903331B (zh) | 一种基于rgb-d相机的卷积神经网络目标检测方法 | |
| CN103679714B (zh) | 一种基于梯度互相关的光学和sar图像自动配准方法 | |
| CN106940876A (zh) | 一种基于surf的快速无人机航拍图像拼接算法 | |
| CN106203342A (zh) | 基于多角度局部特征匹配的目标识别方法 | |
| CN101945257B (zh) | 基于监控视频内容提取车辆底盘图像的合成方法 | |
| CN104616247B (zh) | 一种用于基于超像素sift航拍地图拼接的方法 | |
| CN104156957B (zh) | 一种稳定高效的高分辨率立体匹配方法 | |
| CN105956597A (zh) | 一种基于卷积神经网络的双目立体匹配方法 | |
| CN106778739B (zh) | 一种曲面化变形文本页面图像矫正方法 | |
| US9390330B2 (en) | Apparatus and method for extracting correspondences between aerial images | |
| CN110766024B (zh) | 基于深度学习的视觉里程计特征点提取方法及视觉里程计 | |
| CN103530599A (zh) | 一种真实人脸和图片人脸的区别方法和系统 | |
| CN105654423B (zh) | 基于区域的遥感图像配准方法 | |
| CN103971378A (zh) | 一种混合视觉系统中全景图像的三维重建方法 | |
| CN108305277B (zh) | 一种基于直线段的异源图像匹配方法 | |
| CN105096283A (zh) | 全景图像的获取方法和装置 | |
| CN105005964A (zh) | 基于视频序列影像的地理场景全景图快速生成方法 | |
| Hong et al. | Rectification of elemental image set and extraction of lens lattice by projective image transformation in integral imaging | |
| CN110349215A (zh) | 一种相机位姿估计方法及装置 | |
| CN109059868A (zh) | 一种基于自适应匹配窗口的双目测距方法 | |
| CN103700082B (zh) | 基于对偶四元数相对定向的图像拼接方法 | |
| CN104036468A (zh) | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 | |
| CN105513094A (zh) | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180518 Address after: No. 20, Haidian District Road, Kung Gong Zhuang, Beijing, Beijing Applicant after: China Institute of water resources and Hydropower Research Address before: 454000 the survey and mapping College of Henan Polytechnic University, No. 2001 Century Avenue, Jiaozuo high tech Zone, Henan Applicant before: Li Changchun |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |
|
| RJ01 | Rejection of invention patent application after publication |