论文部分内容阅读
为了全面监测农田中农作物的长势,提出了一种基于加速鲁棒特征SURF（Speeded-Up Robust Features）和K最近邻算法K-NNS（K-Nearest Neighbor Search,K=2）的序列农作物图像360°拼接方法。首先利用SURF算法进行特征点提取。然后使用K最近邻算法对特征点进行匹配,保存最优的匹配置信度。利用改进的算法避免了手动设置置信度阈值的弊端,对序列农作物图像进行正确排序。对排序后的图像进行照相机参数估计,粗略估计出旋转参数,利用光束平差法对旋转参数进行精确