无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方

【目的】图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好,但没有考虑到拼接图的正射效果,并且无人机低空飞行时树高相对飞行高度比值较大,这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是,地形高程数据和植物的高度数据获取困难,而恢复出来的地形和植物高度与实际数据存在误差,造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据,仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。【方法】首先对SURF特征检测、匹配与筛选,用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域;然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想,将距离差引入能量函数,同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度,利用动态规划思想搜索得到最佳缝合线;最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。【结果】实验图像来源于不同样地、不同飞行高度,在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明,本文提出的缝合线改进算法能保留正射投影,视觉效果优于现有的缝合线算法,在城镇建筑图像的实验中局部效果优于Pix4D。【结论】本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题,实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示,本文算法优于目前的最佳缝合线算法,能够保留正射投影,效果类似DOM,并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度,估算林地植被覆盖面积,对跟踪识别地表动植物也具有一定的帮助。除林地图像之外,本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域,如城镇航拍图像等。

在为高大林木防治病虫害和减少农药使用量而开发对靶喷雾机时,需要拼接树木图像和测量目标树木的深度信息,本文搭建双摄像头硬件平台和三维几何算法模型开发了树木图像采集和拼接系统来处理动态树木图像序列和计算目标树木与摄像头之间的距离信息,建立起摄像机视野范围、光轴夹角、焦点距离和拼接图像重叠系数等与目标树木距离信息之间的几何算法函数关系。算法试验验证显示:本文树木图像采集和拼接系统能准确测量远至6.5 m的树木距离,而其最大测量误差仅为0.27 m或7.5%。本文图像拼接系统可用来开发基于有无目标树木和距离信息进行定量喷雾的精确喷雾机。

植被盖度是反映植被基本情况的客观指标和重要参数。本研究在对比8种常用的可见光植被指数计算草地盖度精度的基础上，发现这些植被指数对荒漠草地的植被盖度估测效果较差，因此提出一种适用于荒漠草地植被盖度估测的荒漠植被指数(DVI)，并评价了不同植被指数对不同草地类型的植被盖度估测效果，分析了不同草地类型阈值取值的变化情况。结果表明：1)所选植被指数对草甸草地和典型草地的盖度估测效果均较好，精度较高(准确率>90%,F1得分> 0.9)。草甸草地中超绿指数(Ex G)的盖度估测效果最好(准确率> 93%,F1得分> 0.95)，典型草地中各植被指数无明显差异，但对荒漠草地植被盖度估测效果较差，精度较低(F1得分≤0.6)。2) DVI对荒漠草地植被盖度估测精度较高(准确度> 93%,F1得分达到0.71)，能够有效弥补上述植被指数的缺陷。3)绿叶指数(GLI)和植被颜色指数(CIVE)的阈值对草地类型敏感性最弱；Ex G、超绿超红差分指数(Ex GR)、植被因子指数(VEG)、Woebbecke指数(WI)等植被指数的阈值对草甸草地和典型草地的敏感性较弱，但对荒漠草地的敏感性较强；组合指数(COM)和Lab指数(Lab)对草地类型的敏感性最强。

利用低空无人机获取农田信息,具有实时以及灵活性高、成本低等优势。为快速、精确监测大田规模化种植作物的生长发育状况,以四旋翼无人机为平台,结合数字图像技术,建立快速获取大田烟株中前期图像的方法。结果表明,在天空辐射条件较稳定的条件下,采用较低的飞行高度(如20m)航拍获取田块图像,能够得到清晰的拼接图像和三维重建效果;采用基于决策树的植被分割算法将烟草和非植被部分分割后,得到较高精度的大田植株图像。在此基础上进行大田烟草缺苗数估测,所估算的缺苗数与实测值吻合较好。

对森林病虫害航空遥感监测中的图像拼接问题进行了研究。通过建立图像对应模型 ,按照特征点匹配的方法 ,并使用场景平面模型 ,构造了一个图像拼接系统。拼接的过程中针对图像拼接系统中特征点的提取 ,对应控制点的选择和对应点的搜索等问题 ,提出了模型参数的迭代求解方法。数据处理结果表明 ,使用该方法 ,能很好地改进了模型参数的精度 ,从而提高图像拼接效果

"信号与信息处理创新实践"课程是一门创新创业综合实践课程,针对课程的技术要求,该文设计了基于语义分割的图像拼接实验案例。为了提高缝合线对图像中前景物体的分辨能力,研究了基于语义分割的最佳缝合线算法。利用CRF-RNN语义分割进行图像的前景信息提取,并将提取的信息加入YUV颜色空间的能量矩阵中,从而使搜索的缝合线绕开前景物体。仿真结果表明:该算法对图像中的前景物体有较强的辨别能力,得到的拼接结果避免了压缩和割裂的问题,更加符合人眼视觉感知。该案例的设计,能够培养学生应用专业知识的基本原理,分析电子信息领域中复杂工程问题,获得有效结论的能力。

为解决中华绒螯蟹(Eriocheir sinensis)质量依靠人工测量时工作量大、应激反应强及测量精度不高等问题,提出了一种基于无人机图像的中华绒螯蟹质量估算方法。利用无人机拍摄中华绒螯蟹图像,通过图像处理技术提取中华绒螯蟹甲壳特征,计算甲壳面积,将甲壳面积和中华绒螯蟹质量作为参数,利用数据拟合的方法建立质量估算模型。实验结果表明,幂函数回归模型更满足中华绒螯蟹质量估算的要求,模型决定系数R~2为0.9678(P<0.01),在测试样本中的平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(R)分别为14.4722、17.6186、0.9465,精度满足估算要求。基于无人机图像的中华绒螯蟹质量估算方法,可以为中华绒螯蟹的投喂、分级捕获和养殖密度调控等提供良好的指导意义。

主要研究了利用无人机进行无线图像传输中的几种信道衰落问题,提出了运用空时编码技术抵抗信道衰落、提高信道容量的一种新编码方式。试验表明,它可以使频率的利用率显著提高,有效解决广域空间实验过程中无线图像传输的质量问题。

【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。

为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。

该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法，可提供信息量大且准确的点云样本数据。首先，利用RTAB-MAP框架构建SLAM算法，由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本，并转化为三维点云场景数据；其次，改进ICP算法并基于SVD算法设计多位姿点云的拼接算法；再次，根据原始点云的RGB信息与凹凸性特征，设计三维点云分割算法，以此形成一系列点云目标；最后，开展点云拼接和点云分割实验，实验结果验证了该文所提算法的正确性和有效性。

及时准确监测草地植被覆盖度,对草地资源的可持续利用及生态系统的恢复与重建具有重要意义。本研究以荒漠草地植被为研究对象,采用监督分类与植被指数直方图相结合的阈值法,分析了6种RGB植被指数对荒漠草地的识别效果。研究结果表明:归一化绿红差异指数(normalized green-red difference index, NGRDI)对草地覆盖度的提取精度最高,其平均绝对误差和均方根误差分别为2.56%和3.06%。监督分类与可见光植被指数统计直方图相结合的阈值法对荒漠草地植被覆盖度的提取效果较好,可以用于荒漠草地植被覆盖度的提取。

随着消费级无人机技术的快速发展,无人机航拍摄影资料成为城市形象感知研究的重要数据来源。论文基于社交平台"天空之城"获取的西安市无人机航拍照片、简介文本和拍摄地位置等信息,综合运用计算机视觉图片分析、计算机文本情感分析、社会网络分析和GIS空间分析等方法,探究无人机视角下的西安城市形象。研究发现:(1)无人机航拍照片主要集中在主城区,周边郊县较为疏散,呈现"内密外疏"的空间格局,其核密度最高值区位于三区交界的城市中心地带,为南北向的"哑铃型"布局;(2)视觉形象侧重对现代城市景观的描述,以人文景观类照片为最;(3)情感评价整体趋于积极正向,在主城区热门景点两极分化明显。最后,探索了无人机视角下城市形象建构与提升的综合机制,并对西安城市形象建设和无人机使用政策提出优化建议。

胸径是立木测定的基本因子,自动获取胸径数据是准确高效计算森林蓄积量和生物量的关键。以银杏Ginkgo biloba为研究对象,通过无人机获得影像数据,利用运动恢复结构(SFM)方法生成数字表面模型和正射影像图,进而提取单株银杏的树冠面积(A_c),冠幅(W_c)及树高(H)。3个参数分别与胸径(DBH)建立一元回归模型(A_c-D_(BH),W_c-D_(BH), H-D_(BH)),二元回归模型(A_c&W_c-D_(BH), A_c&H-D_(BH), W_c&H-D_(BH))和三元回归模型(A_c&W_c&H-D_(BH))。52组拟合样本的结果显示:A_c&W_c&H-D_(BH)模型的决定系数(R~2)最高为0.825 0,均方根误差(E_(RMS))最小为0.959 1。19组检测样本的结果显示:A_c&W_c&H-D_(BH)模型反演的胸径值误差率为4.20%,小于A类森林资源胸径因子允许的误差值(5%)。研究结果表明:通过无人机采集树冠面积、冠幅和树高3个参数,可计算得到较高精度的胸径值。