有效的无人机高分辨率图像拼接通过密集的深核化特征

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 这是一种摄影计量技术 (photogrammetry).

背景情况:

• 无人机 (UAV) 图像拼接对于创建全景遥感图像至关重要.
• 传统方法面临着计算密集的特征提取和对齐精度的挑战,特别是在高分辨率,低纹理场景中.
• 现有的技术往往是缓慢的,并与稀疏匹配和抛物线问题作斗争.

研究的目的:

• 为基于无人机的遥感开发一种高效准确的图像拼接方法.
• 在具有挑战性的场景中克服传统特征匹配和对齐的局限性.
• 为了快速准确地生成大尺度全景图像.

主要方法:

• 提出了一种高效的图像拼接方法,结合了密集的深度内核化特征提取和几何约束优化.
• 利用基于学习的核心化特征匹配框架进行子像素级密集匹配.
• 实施了一种两层的几何约束不匹配过策略,以提高对齐准确度.
• 采用混合策略,使用单响应变换和最大强度的像素混合进行最终拼接.

主要成果:

• 实现了分像素级密集匹配,克服了像SIFT这样的传统方法在高分辨率图像中的缺陷.
• 通过过策略,在低纹理和大抛物线场景中显著提高了对齐精度.
• 实验结果表明可比的视觉质量指标 (PSNR,SSIM,LPIPS) 与基线方法相比.
• 将接时间缩短到基线方法的17.5%,表明高效率.

结论:

• 拟议的方法为拼接大型无人机图像提供了实用和高效的解决方案.
• 它有效地解决了遥感图像拼接中的计算强度和对齐精度挑战.
• 该技术可以更快,更准确地生成全景遥感数据.