不卡岛国的无码āv毛片_女性一级全黄生活片_精品无人区一码卡二卡三_亚洲国产中文字幕在线_91在线精品无码秘?入口九色_如何让桃子快速变大_狠狠色丁香久久婷婷综合五月天_40分钟刺激战场视频_欧美亚洲日本三级片_亚洲国产中文精品一区二区手机

無人飛機(unmanned aerial vehicle, UAV)低空飛行航空攝影具備現(xiàn)勢性強、分辨率高、收集方法靈便、感應器多元化等特點,近些年在應急測繪[1]、大城市三維重建[2]、山體滑坡地貌復建[3]、珍貴文物三維重建[4]等行業(yè)獲得了愈來愈廣泛應用。但是,因為低空飛行UAV一般配備非隧道檢測照相機,且受服務平臺多變性及感應器多元化等多種因素危害,獲得的影像尺寸不一致,且信息量巨大,為影像匹配產(chǎn)生巨大考驗。除此之外,近些年新型的仿地航行、圍繞航行、接近航行等數(shù)據(jù)收集方法,更使傳統(tǒng)影像匹配方式無法滿足要求。

影像匹配做為三維全自動復建的前提階段,其速率與盈余管理對復建結(jié)論起到關鍵作用。特別是在對于繁雜地貌情況下的三維重建,可以獲得的高效匹配像對越大,影像聯(lián)接成功的幾率也就越高。大體上可以將其分成2個過程: ①獲取匹配像對,也就是從大數(shù)據(jù)量的遙感技術影像中根據(jù)一定方式獲取具備重疊區(qū)的一對影像; ②依照影像匹配優(yōu)化算法對提取像對開展雙像匹配獲取匹配像對,獲得同名點目錄。近些年,對于多方位、大傾角的無人飛機影像,參考文獻[5,6,7]在尺寸不會改變特點轉(zhuǎn)換(scale-invariant feature transform,SIFT)[8]和仿射尺寸不會改變特點轉(zhuǎn)換(affine-scale-invariant feature transform, ASIFT)[9]算法基礎上給出了對應的匹配對策,與此同時依靠圖像處理器(graphics processing unit, GPU)[10]并行處理計算,這一類方式都可迅速進行像對的同名點匹配。但是,怎樣從很多影像中獲取匹配像對的探索還處在較為低級的研究階段。

在UAV影像匹配像對獲取層面,參考文獻[11,12]選用窮舉法賦值對策,對影像集中化隨意兩組影像開展匹配。此類方式穩(wěn)定性,但出現(xiàn)很多一味的失效計算,效率很低; 參考文獻[13]利用影像原始所在位置信息,測算現(xiàn)階段影像與其說鄰近影像的空間距離,從而選用固定不動閥值范圍之內(nèi)像對開展匹配; 參考文獻[14]也可通過動態(tài)性檢索的辦法明確閥值,提升了匹配的可靠性,但是當測區(qū)域內(nèi)存有多層面、不同分辨率的UAV影像時,其獲得的檢索閥值難以保證為全局性值; 參考文獻[7,15-16]則利用影像定位定向系統(tǒng)軟件(positioning and orientation system, POS)觀測數(shù)據(jù)、傳感器結(jié)構(gòu)結(jié)構(gòu)參數(shù)及內(nèi)位置原素、測區(qū)地貌信息等先驗知識,測算每一張影像的足印圖,從而利用足印圖的拓撲關系,判斷像對是否具備重疊區(qū)。因為此類方式運算量小,并且對基本數(shù)據(jù)收集方法具有較強的適應能力,因而是當前低空飛行UAV影像匹配像對提取關鍵方式。但是,從基本原理得知,此類方式相對高度依靠先驗知識的精確性,因而,當測區(qū)地貌信息不確定性(如山體滑坡、峽谷、單獨土地類型等)、或是傳感器設計主要參數(shù)沒法精確獲知時(如多畫面歪斜照相機、組成傾擺照相機),此類方式便沒法精確算出像對相關性。參考文獻[17]也從影像具體內(nèi)容信息考慮,利用提取特點信息搭建視覺效果詞袋(bag of visual words, BoW)實體模型,從而利用影像檢索方法明確待匹配像對; 參考文獻[18]在形成BoW實體模型環(huán)節(jié)中,測算海明嵌(hamming embedding, HE)來提高影像檢索的精確度; 參考文獻[19]則給出了一種霍夫網(wǎng)絡投票優(yōu)化算法加快影像檢索全過程。因為這種方法一般面對的基本都是混亂、無自然地理信息的圖像數(shù)據(jù),其檢索結(jié)論與影像是否具備重疊區(qū)未明確關聯(lián),且測算過多,無法直接用。

對于以上問題,文中明確提出一種考慮影像地理空間信息的BoW模型方法來決定待匹配像對,對地質(zhì)條件、影像獲取途徑、傳感器種類都無約束條件,從而降低影像匹配過程的多余測算,以緩解UAV影像匹配像對的、精確獲取難題。

方式基本原理

文中所提出的UAV影像匹配像對提取方法步驟為: ①依照參考文獻[8]和[10]上述方式,先后進行測區(qū)全部影像的SIFTsvm算法; ②為了保證影像檢索高效率,對提取SIFT特點開展特征提取,減少形成視覺效果語匯樹運算量; ③選用參考文獻[20]方式,利用特征提取后矩陣的特征值搭建視覺效果語匯樹; ④檢索全部影像,并測算語匯樹內(nèi)詞匯的檢索權(quán)重值; ⑤在語匯樹內(nèi),查看與現(xiàn)階段影像最相近的影像目錄,并測算它與查看目錄內(nèi)影像的空間距離指數(shù)值,綜合性類似指數(shù)值與空間距離指數(shù)值對檢索目錄進行篩選,利用綜合性指數(shù)計算查看深層閥值,將閥值以前的查看影像與現(xiàn)階段影像組成產(chǎn)生匹配像對。具體做法步驟如下圖1所顯示。

試驗和分析

1 測試數(shù)據(jù)與配置信息

為檢驗文中方式有多收集方法、多傳感器種類、多地質(zhì)條件下獲取匹配像對的可行性分析、精度與高效率,共搜集了5組測試數(shù)據(jù)開展試驗。數(shù)據(jù)的具體信息如表1所顯示。

根據(jù)Windows10 64位電腦操作系統(tǒng),選用VC++2015研發(fā)了大量UAV影像全自動空三圖像處理軟件MRI,用以檢測文中方式的適應能力。硬件系統(tǒng)為Dell Precision 3630站,CPU i7-8700K 3.7 GHz,運行內(nèi)存64 G DDR4,電腦硬盤512 G SSD,獨立顯卡為英偉達顯卡 Titan XP 12 G。

2 結(jié)論和分析

為了能點評低維特點對影像檢索高效率及精度帶來的影響,對表1中5組影像提取初始128維矩陣的特征值開展特征提取,各自降到96維、64維、32維,并依據(jù)參考文獻[19]方式對影像開展檢索。檢索環(huán)節(jié)中,形成語匯樹聚類中心總數(shù)統(tǒng)一設為影像數(shù)量200倍,檢索深層統(tǒng)一設為100,搭建語匯樹影像從數(shù)據(jù)集中化任意獲取,其總數(shù)設為數(shù)據(jù)影像數(shù)量20%,且影像總數(shù)不得超過500幅。點評檢索方式精度時,最先選用窮舉法進行5組影像匹配,隨后因其匹配結(jié)論為依據(jù),點評別的檢索方式的查看精度。

點評影像查看精度一般采用查準率和查全率(圖4)。查準率根據(jù)測算查看深層內(nèi)正確查看影像與查詢深入的比率組成,它體現(xiàn)了查看環(huán)節(jié)中恰當像對比例,查準率越小,代表著匹配階段引進不正確匹配像對總數(shù)越大,對應的匹配用時也就越高。采收率也可通過測算查看深層內(nèi)正確查看影像與窮舉法匹配中獲得的所有恰當影像總數(shù)比率組成,它體現(xiàn)了現(xiàn)階段特點環(huán)境下,能獲取過的匹配像對的完成度,采收率越小,代表著稀少復建后的穩(wěn)定性越小,非常容易丟片。因而,查準率與采收率中間互相制衡,在采收率非常前提下,查準率越大,則算法的高效率越大。除開測算128維、96維、64維、32維特點的檢索精度外,依照文中方式各自測算32維和64維的綜合性檢索因素檢索精度,各自用32G和64G描述。從圖4(a)中得知,大體上,影像查詢查準率伴隨著特征維度減少而下降,當特征維度降至32維時,其影像查準率顯著降低。回過頭看圖4(b),這時的采收率卻。主要原因通常是32維的影像特點丟了過多關鍵點信息,使特點間的可分性減少,在引進很多不正確匹配像對前提下,都將很多弱連接的像對引進匹配階段。盡管提高了整體上的采收率,但后續(xù)匹配階段效率很低。因而,充分考慮高效率與精度,將特點減少至64維開展影像檢索是適宜的。