【精品论文】遥感图像修复与拼接的研究.docx

《【精品论文】遥感图像修复与拼接的研究.docx》由会员分享，可在线阅读，更多相关《【精品论文】遥感图像修复与拼接的研究.docx（35页珍藏版）》请在优知文库上搜索。

1、班以工专大举本科毕业设计说明书（论文）（2020届）论文题目遥感图像修复与拼接的研究作者姓名XK指导教师以学科（专业）物联网工程-所在学院计算机科学与技术学院提交日期2020年6月摘要无人机、卫星以及其它高空拍摄手段拍摄图像时，经常受到飞行高度、相机焦距等因素的影响，单个图像覆盖范围有限，反映的信息量少，不能满足需要。往往需要将若干有重叠区域的遥感图像拼接成一张大图，以便更好的观测地物信息。该课题旨在研究多行遥感图像的拼接与修复，选择了anaconda上的Spyder,以Python语言结合OPenCV、SeiPy等库实现拼接与修复功能，以及tkinter开发用户图形界面来方便操作。在本课题中

2、使用Sift算法来查找图像间的匹配点，构建稀疏矩阵结合最短路径算法查找无序图像间的顺序，用各图片透视变换后的四角坐标确定最终全景图的大小和基准坐标，最终可完成图像的上下左右拼接。由于遥感图像难免出现薄云遮挡，用同态滤波和暗通道的思想去除薄云。在最后实现的功能中，可以确定无序图像间重叠的关系再拼接，并且设置了曝光补偿功能使图像亮度趋于一致，也能裁剪出最大矩形全景图，最后也可以对含薄云的图像选择不同的方法进行除云处理。当然，最终的研究成果也存在不足之处，运行速度慢，图像数量增多后配准出现错误，无法消除拼接后产生的接缝。除云只限于处理低频分量的薄云，对于厚云只能降低亮度，而且对图像的细节和信息量也有

3、损害，尤其是同态滤波。在这些方面还有待进一步的探索和改进。关键词：稀疏矩阵，曝光补偿，图形拼接，同态滤波AbstractBecauseoftheinfluenceofflightheight,camerafocallengthandotherfactors,thecoverageofimagestakenbyUAV,satelliteandotheraerialphotographymeansislimited,andinformationofimagesreflectedissmall,whichcan,tmeettheneeds.Itis浙江工业大学本科毕业设计说明书（论文）oftenne

4、cessarytostitchanumberofremotesensingimageswithoverlappingareasintoalargeimage,soastobetterobservethegroundfeatureinformation.Thepurposeofthisprojectistostudythestitchingandrestorationofanumberofremotesensingimages.WechoseSpyderonAnacondatowritePythonlanguagetorealizethegoal,combinedwithOpenCV,SciPy

5、andotherlibraries,andchoseTkintertodevelopusergraphicalinterfacetosimplifyoperation.Inthistopic,thesiftalgorithmisusedtofindmatchingpointsbetweenimages.Thesparsematrixandtheshortestpathalgorithmareusedtofindtheorderbetweenthedisorderedimages.Thesizeanddatumcoordinatesofthefinalpanoramaareeterminedby

6、thecoordinatesofthefourverticesofeachimageprocessedwithperspectivetransformation.Intheend,Wesuccessfullyrealize2Dormulti-rowstitchingofimages.Becausethereareoftenthincloudsinremotesensingimage,theideaofhomomorphicfilteringanddarkchannelisusedtoremovethethinclouds.Finally,wecanautomaticallydiscoverth

7、ematchingrelationshipsbetweentheimages,andthenstitchthem,theexposurecompensationfunctionissettomakethebrightnessoftheimagenodifference,andwecancutoutthelargestrectangularpanorama.Finally,differentmethodscanbeselectedforcloudremovalofimageswiththincloudsOfcourse,therearesomefaultforthefinalresearchre

8、sults,suchasslowoperatingspeed,Themisalignmentofimageregistrationasthenumberofimagesincreases,Unremovableseams.Ourmethodcanremovethethincloudinlowfrequencycomponent.Butforthickclouds,Wecanonlyreducetheirbrightness,andInaddition,thesestrategiesareharmfultothedetailsandinformationofimages,especiallyho

9、momorphicfiltering.Intheseaspects,furtherexplorationandimprovementareneeded.Keywords：,sparsematrix,GainCompensation,ImageStitching,Homomorphicfiltering目录摘要iiAbstractii第一章绪论61.1 课题研究的背景与意义61.2 国内外研究发展现状61.3 课题研究目标和内容81.4 本文组织结构81.5 本章小结9第二章相关技术分析及比对92.1 稀疏矩阵92.2 常用特征点的对比102.3 薄云图像观测模型102.4 OPenCV简介11

10、2.5 快速最近邻搜索匹配和暴力匹配122.6 两种颜色模型的对比122.6.1RGB颜色模型122.6.2HSl颜色模型132.7 本章小结14第三章遥感图像拼接与修复功能的实现143.1 开发环境说明143.2 阈值选取143.3 曝光补偿153.4 确定无序图像的顺序163.5 图像拼接173.6 矩形全景图的裁剪183.7 色彩模型的转换203.8 同态滤波除云223.9 暗通道除云243.10 本章小结25第四章用户界面设计254.1 用户界面总体设计254.2 除云模块设计264.3 拼接模块设计274.4 本章小结28第五章结果检测和分析评价285.1 检测目标285.2 模块检

11、测运行285.2.1补光测试285.2.2拼接测试295.2.3除云效果检测295.3本章小结31第六章总结316.1 完成的工作316.2 存在的问题及下一步工作31参考文献32致谢33附录34J附件；毕5或计文献综述二二二二二二二二二二二二二二二二二二二二34附件2毕业设计开题报告34附件3毕业设计外文翻译（中文译文与外文原文）34图目录图2-1稀疏矩阵的表示方式9图2-2CSR稀疏矩阵的表示方式10图2-3OPENCV架构图11图2-4RGB颜色模型13图2-5HSI颜色模型13图3-1键的转换17图3-2稀疏矩阵17图3-3根据稀疏矩阵构建的无向图17图3-417图3-5原始拼接图像1

12、8图3-6原始拼接图像转成的灰度图19图3-7能容纳全景图的最小矩形区域19图3-8能确定全景图内最大矩形区域的掩膜20图3-9裁剪的最终全景图20图3-10H、S、I各分量21图3-11当0H120时的RGB分量计算公式21图3-12当120H240时的RGB分量计算公式21图3-13当240H360时的RGB分量计算公式22图3-14HSI同态滤波处理流程图23图3-15RGB同态滤波处理流程图23图3-16原图及其暗通道图像和灰度值矩阵24图377导向滤波算法流程25图4-1初始界面26图4-2除云模块初始界面26图4-3点击按钮打开的文件夹27图4-4拼接模块界面27图4-5点击按钮打

13、开的文件夹28图4-6弹出消息框28图5-1未经曝光补偿与经过曝光补偿的拼接图像29图5-2左右重叠的图像集与最终拼接图29图5-3左右上下重叠的图像集与最终拼接图29图5-4原薄云图像与各处理方式的结果图30表目录表格3-1各阈值下的图像特征点匹配情况15表格5-1不同除云方式的结果评价值3()第一章绪论1.1 课题研究的背景与意义遥感图像的处理目前普遍应用于地质勘探、森林、渔业资源调查、军事侦察、环境监控等多个领域。然而，无论是无人机、卫星还是其它拍摄手段，由于受到飞行高度及携带相机焦距和其它因素限制，拍摄的图像范围都有限制，单个图像只能反映有限区域内的地物情况，为了获取拍摄区域全景图像，

14、需拼接多个遥感图像。因此，在遥感图像信息处理领域，遥感图像的拼接有着重要的地位。遥感图像拼接就是把若干张有重叠区域的遥感图片，提取特征点并进行匹配，再依据特征点配准图像，再通过投影变换、融合等步骤，拼接出一幅含有所有待图像地物信息的全景图。云是一种常见的天气现象，拍摄遥感图像时常出现被云遮挡的情况，云一多起来大气能见度下降，导致我们拍摄的图像轻则模糊不清，难以辨认，重则完全遮挡住我们想要的地物信息，完全无法获取，这将在我们进行环境监测、目标跟踪、自动导航等一系列活动时带来巨大困难。所以，为了提高图像数据利用率,研究如何有效去除云彩对遥感图像的遮挡影响是有必要的。本人对于图像拼接与图像去云有关的

15、基础理论和重要技术进行了阅读研究，根据遥感数据的特征和实际运用的需求，查阅比较有关算法，设计并开发了适合遥感图像的图像拼接与除云系统.可以对多张有重叠区域的图像进行拼接，并对图片进行除云处理。1.2 国内外研究发展现状遥感图像拼接的主要难点在特征点匹配和图像融合，核心部分就是配准，与图像拼接的质量紧密相关。为此产生了两个分支，基于区域的图像配准是其中一个分支，它又可另外分为两种：直接操作图像像素，即基于空间域；对图像进行某种变换，再来配准，即基于变换域。而全局搜索法和模板匹配法又是基于空间域的图像配准策略的两种类别，两者直接利用图像的像素值,采用某种搜寻策略,如全局搜索法使待配准图像在参考图像上平移,确定当两图像重叠部分之间的近似度最高时的模型。早期图像配准时主要采用全局搜索法，但计算复杂，容易出错。模板匹配法相对于全局搜索法流程简化，匹配度高，但两者都要求图像不能含有较大噪声，计算量仍然较大，只解决平移问题。基于变换域的图像配准有相位相关法和扩展相位相关法。前者的算法性能不错