论文部分内容阅读
无人机航空遥感系统具有图像分辨率高、图像实时传输、高危地区作业、成本低、机动灵活等优点,适用于低空高分辨率遥感数据的实时获取,在区域性、工程性、灾害性和军事性的遥感监测中发挥着大型遥感系统难以替代的作用。无人机执行遥感监测任务中,需要将所获取的图像以及状态数据实时传输,要求无人机航空遥感系统具备自动、高速地完成图像的获取、压缩、传输、处理、显示以及存储等功能。其中,遥感图像处理的精准性、实时性与可视性是无人机能否得以有效利用的重要前提条件。由于现有成像设备的性能所限,目前的航空遥感成像系统无法获得大面积、高分辨率的观测图像,因此需要将获取的序列遥感图像实现在线动态拼接,以提高遥感图像的信息获取能力。本文结合无人机航空遥感具体应用需求,针对航空遥感图像拼接技术进行了以下研究工作:(1)根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正。根据所获取的无人机飞行状态参数,实现了连续两幅无人机航空遥感快视图像之间重叠区域的图像范围计算。(2)提出一种分布存储环境下的并行几何校正算法,每个处理器通过计算本地输入子图像在目标图像中的范围,确定其需要进行重采样计算的区域,使计算过程中所需的数据均为本地数据,很好地解决了数据局部性问题.利用首尾相连的闭线段近似表示理想的输出图像块边界,详细讨论了局部输出区域的计算方法,并采用一种新的存储结构用于保存校正后的输出图像块信息。(3)基于图像数据总体分布的统计,分析了飞行试验图像的成像质量。基于人眼亮度视觉特性曲线,结合小波变换和Curvelet变换特点,提出一种新的图像增强方法,实现了无人机遥感序列图像的自适应增强处理。(4)匹配特征提取方法,提出了一种将小波多分辨率分析特性和Canny算法相结合的检测图像大边缘的方法,能够比较好的从图像中提取出比较完整的大边缘,而忽略一些小的边缘。该边缘提取方法为图像配准提供一个良好的匹配特征。(5)将图像匹配分为粗匹配和精匹配两个步骤。粗匹配计算中,首先确定待拼接的两幅图像之间的大致重叠区域,利用小波变换与Canny算法提取图像边缘。采用区域匹配方法求得两幅图像的匹配点。精匹配计算中,在更小的搜索区域,利用最小二乘法法,计算得到待拼接图像之间的最佳相对位置关系。根据匹配结果,实现两幅图像的拼接。(6)基于人眼的颜色视觉特性分析,提出了一种具有抗亮度干扰能力的彩色图像色差度量方法。利用颜色相似性分析,并引入协方差矩阵计算,给出了彩色图像特征模板的提取方法。利用最小二乘法,建立了两幅彩色图像之间的亮度变换函数曲线,实现了基于基准图像亮度分布的伽马校正。对文中所提出的遥感图像处理算法,实现了仿真程序设计,验证了算法的可行性,完成了无人机航空遥感图像动态拼接软件设计工作。