基于無人機航拍及遙感圖像的地面目標定位.pdf

1、目標定位是無人機的重要應(yīng)用領(lǐng)域，已經(jīng)成為網(wǎng)絡(luò)處理和模式識別領(lǐng)域的熱點研究課題之一。隨著現(xiàn)代科學(xué)技術(shù)的進一步發(fā)展，目標定位方法不斷推陳出新，如雷達法、GPS法等，但是這些方法的定位效果對設(shè)備依賴性較大，易受環(huán)境影響。因此本文提出了基于無人機航拍圖像與遙感圖像匹配的地面目標定位算法，該算法針對航拍圖像與遙感圖像的性質(zhì)，提取兩種圖像共有的特征進行匹配定位，實驗表明，該算法定位精度較高，對圖像噪聲、光照影響具有一定的魯棒性。本文的研究內(nèi)容和成果

2、如下:
　　本文提出了基于粗匹配及精匹配相結(jié)合的地面目標定位框架，先利用塊匹配的方式尋找目標的粗略位置，再利用點特征進行精確匹配。由于無人機航拍圖像與衛(wèi)星遙感圖像來源于不同的傳感器，圖像之間的差異較大，在這種情況下，直接利用點特征匹配尋找目標位置的方式誤差較大，誤匹配點較多，定位精度差。因此，提出了先利用塊匹配的方式尋找目標的粗略位置的方法。實驗表明，先利用塊匹配可以增加最終定位的精度。
　　本文在地面目標粗定位部分提出了基

3、于梯度矢量流(GVF)梯度幅值直方圖的MeanShift算法。由于基準圖與實測圖像中的顏色特征容易發(fā)生突變，因此利用基于顏色直方圖的Mean Shift算法不適用。當利用基于方向直方圖或梯度幅值直方圖的Mean Shift算法時，實驗可以發(fā)現(xiàn)兩算法均存在一定的弊端，比如匹配曲面不夠光滑、漂移過程不夠連續(xù)、圖像中物體位置改變后直方圖并未改變等問題。為了解決這些問題，本文提出了基于梯度矢量流(GVF)梯度幅值直方圖的Mean Shift算法

4、。實驗表明，該算法可以有效的解決上述問題，并且對圖像的噪聲、光照影響等有一定的魯棒性。
　　在地面目標精定位部分采用了Surf算法進行興趣點精匹配，該算法對于圖像的旋轉(zhuǎn)、平移、縮放和噪聲影響都具備一定的魯棒性，匹配時間較Sift算法有較好的改善。獲得匹配點后，利用RANSAC算法估計了仿射變換參數(shù)，并通過仿真實驗驗證了定位結(jié)果的準確性。
　　最后，基于本文設(shè)計的算法，實現(xiàn)了地面目標的定位，獲得了目標在遙感圖像中的位置坐標。通