基于ORB特征的无人机遥感图像拼接改进算法

doi:10.3778/j.issn.1002-8331.1608-0205

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (2): 193-197.DOI: 10.3778/j.issn.1002-8331.1608-0205

基于ORB特征的无人机遥感图像拼接改进算法

刘婷婷1，张惊雷2

1.天津理工大学天津市复杂系统控制理论及应用重点实验室，天津 300384
2.天津理工大学自动化学院，天津 300384

出版日期:2018-01-15 发布日期:2018-01-31

Improved image stitching algorithm based on ORB features by UAV remote sensing

LIU Tingting1, ZHANG Jinglei2

1.Tianjin Key Laboratory for Control Theory and Applications in Complicated Systems, Tianjin University of Technology, Tianjin 300384, China
2.School of Electrical Engineering, Tianjin University of Technology, Tianjin 300384, China

Online:2018-01-15 Published:2018-01-31

摘要/Abstract

摘要： 针对传统的SIFT算法运行速度较慢、不适合处理实时性要求高的无人机遥感图像的缺点，提出了一种基于ORB特征的快速遥感图像拼接改进算法。首先通过ORB算法快速得到特征点和特征描述，采用K最近邻算法（KNN）进行粗匹配，然后采用随机抽样一致性算法（RANSAC）进行精匹配，最后使用改进的加权平均方法对图像进行融合拼接。实验结果表明，该算法在保证匹配精度的基础上，处理速度较经典的SIFT算法提高了41倍。在图像融合时，该算法能有效地消除拼接重影错位现象。

关键词: 无人机遥感图像, 图像拼接, ORB特征, 随机抽样一致性（RANSAC）算法

Abstract: Aiming to serve low process speed problems of traditional SIFT algorithms that unfitness in real-time-application for UAV remote sensing images, an improved remote sensing image stitching algorithm based on ORB feature points detecting is proposed. Firstly, the system quickly extracts the feature points and descriptions by ORB algorithm, and adopts KNN algorithm to rough match these points. Then it uses the Random Sample Consensus algorithm（RANSAC） to remove the fault matching and to realize fine match. Finally, it uses the improved weighted average method for image fusion and stitching. Experimental results show that the proceed speed of the algorithm is 41 times faster than the method based on SIFT algorithm. In image fusion, the algorithm can effectively eliminate the double dislocation.

Key words: Unmanned Aerial Vehicle（UAV） remote sensing image, image stitching, Oriented FAST and Rotated BRIEF（ORB） feature, random sample consensus algorithm

刘婷婷1，张惊雷2. 基于ORB特征的无人机遥感图像拼接改进算法[J]. 计算机工程与应用, 2018, 54(2): 193-197.

LIU Tingting1, ZHANG Jinglei2. Improved image stitching algorithm based on ORB features by UAV remote sensing[J]. Computer Engineering and Applications, 2018, 54(2): 193-197.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[3]	卢鹏，卢奇，邹国良，王振华，侯倩. 基于改进SIFT的时间序列图像拼接方法研究[J]. 计算机工程与应用, 2020, 56(1): 196-202.
[4]	龚正，王强. 基于微观图像的图像拼接算法研究[J]. 计算机工程与应用, 2018, 54(2): 198-202.
[5]	张震1，2，郑宏1，2，周璇1，2，张生群1，2. 一种结合ORB特征和视觉词典的RGB-D SLAM算法[J]. 计算机工程与应用, 2018, 54(12): 170-176.
[6]	蒋欣兰. 基于消失点检测的铁路环境视频自动拼接算法研究[J]. 计算机工程与应用, 2017, 53(7): 206-211.
[7]	夏克付1，2，李鹏飞2，陈小平2. 基于改进RANSAC算法的单应矩阵鲁棒估计方法[J]. 计算机工程与应用, 2017, 53(23): 147-152.
[8]	张欣鹏1，杜伟强1，肖志涛1，张芳1，耿磊1，吴骏1，苏龙2. 结合SIFT变换与Otsu匹配的彩色眼底图像拼接方法[J]. 计算机工程与应用, 2017, 53(18): 176-181.
[9]	张莹1，2，闫璠1，高赢1，涂勇涛1. 基于ORB算法和OECF模型的快速图像拼接研究[J]. 计算机工程与应用, 2017, 53(1): 183-189.
[10]	王焱1，赵婧宇1，赵延广2. 基于图像增强的井下图像拼接[J]. 计算机工程与应用, 2016, 52(7): 202-205.
[11]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[12]	孙培双，韩其睿. 彩色图像最优拼接线的改进算法研究[J]. 计算机工程与应用, 2016, 52(21): 218-221.
[13]	许可可，朱文球，郭富禄. 基于结构相似的RANSAC改进算法[J]. 计算机工程与应用, 2016, 52(12): 168-171.
[14]	张懿，刘艺. 基于FAST特征的快速图像拼接系统研究[J]. 计算机工程与应用, 2016, 52(10): 167-170.
[15]	魏利胜1，2，周圣文1. 新型优化SIFT的图像快速配准方法研究[J]. 计算机工程与应用, 2015, 51(5): 167-171.

基于ORB特征的无人机遥感图像拼接改进算法

Improved image stitching algorithm based on ORB features by UAV remote sensing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics