|本期目录/Table of Contents|

[1]罗　凯,徐俊武*,杨　敏.一种改进KNN的无人机图像快速拼接方法[J].武汉工程大学学报,2021,43(03):344-348.[doi:10.19843/j.cnki.CN42-1779/TQ.202012033]
　LUO Kai,XU Junwu*,YANG Min.Improved Stitching Method Based on KNN for UAV Images[J].Journal of Wuhan Institute of Technology,2021,43(03):344-348.[doi:10.19843/j.cnki.CN42-1779/TQ.202012033]
点击复制

一种改进KNN的无人机图像快速拼接方法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
43
期数:
2021年03期
页码:
344-348
栏目:
机电与信息工程
出版日期:
2021-06-30

文章信息/Info

Title:
Improved Stitching Method Based on KNN for UAV Images
文章编号:
1674 - 2869（2021）03 - 0344 - 05
作者:
罗　凯; 徐俊武*; 杨　敏
武汉工程大学计算机科学与工程学院，湖北 武汉 430205
Author(s):
LUO Kai;  XU Junwu*;  YANG Min
School of Computer Science & Engineering，Wuhan Institute of Technology，Wuhan 430205，China
关键词:
无人机; 图像拼接; K近邻算法; 随机一致性算法; 最佳缝合线融合算法
Keywords:
unmanned aerial vehicle;  image stitching;  K-nearest neighbor algorithm;  RANSAC algorithm;  best suture fusion algorithm
分类号:
TP751.1
DOI:
10.19843/j.cnki.CN42-1779/TQ.202012033
文献标志码:
A
摘要:
为了更好解决基于K近邻算法特征匹配速度问题，采用图像像素点经纬度数据加快特征点匹配的无人机图像拼接方法。利用拍摄图片信息里的地理坐标，计算影像像素点经纬度数据，然后计算出两张图像重合部分，利用重合部分特征点经纬度数据大致相同这一特点提高K近邻算法匹配速度，改进后的算法在匹配准确度比传统算法提高了43%左右，最后选用最佳缝合线法对图像进行拼接，获得了质量较好的全景图。
Abstract:
To improve the efficiency of feature matching based on the K-nearest neighbor （KNN） algorithm， an unmanned aerial vehicle （UAV） image stitching method by using the latitude and longitude information image pixels was proposed. Firstly， the latitude and longitude information of image pixels was calculated based on the geographic coordinates in the captured UAV images. Then the overlapped parts of a pair of images were computed. The matching speed of KNN algorithm can be improved because the longitude and latitude data of overlapped feature points are almost the same. Compared with the traditional KNN algorithm， the matching accuracy increases by about 43%. Finally， the best suture algorithm is selected for image stitching， and high-quality panorama images are obtained.

参考文献/References:

［1］　唐泽恬，丁召，曾瑞敏，等. 基于改进的Harris和二次归一化互相关的量子图像拼接算法［J］. 激光与光电子学进展，2020，57（10）：69-76. ［2］　潘梅，李磊民. 基于改进Harris-SURF的无人机图像快速拼接［J］. 微型机与应用，2014，33（15）：43-46. ［3］　LOWE D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision， 2004， 60（2）： 1150-1157. ［4］　夏磊，胡欣宇，岳亚伟，等. 基于改进SURF算法的红外图像拼接［J］. 物联网技术，2020，10（6）：48-51. ［5］　王雅萍，陈宜金，谢东海，等. 面向无人机水域影像的自动拼接方法［J］. 长江科学院院报，2014，31（5）：92-96. ［6］　赵小强，张源峰. 基于Harris角点与SIFT的快速图像匹配算法［J］. 兰州理工大学学报，2019，45（1）：101-106. ［7］　杜丹，潘志斌，于君娜，等. 带地理信息的无人机遥感图像拼接［J］. 无线电工程，2014，44（6）：39-42. ［8］　刘善磊，王光辉，石善球，等. 一种无人机视频帧自动拼接方法［J］. 测绘科学，2013，38（5）：69-71. ［9］　程德志，李言俊，余瑞星. 基于改进SIFT算法的图像匹配方法［J］. 计算机仿真，2011，28（7）：285-289. ［10］　余淮，杨文. 一种无人机航拍影像快速特征提取与匹配算法［J］. 电子与信息学报，2016，38（3）：509-516. ［11］　沈斌，赵重远. 基于KNN算法的财政预算监督方法［J］. 武汉工程大学学报，2020，42（1）：108-112. ［12］　管郡智，潘卫清. 基于多区域RANSAC的地面点云提取算法［J］. 电子技术与软件工程，2020（14）：176-177. ［13］　殷祚云. Logistic曲线拟合方法研究［J］. 数理统计与管理，2002（1）：41-46. ［14］　方贤勇，张明敏，潘志庚，等. 基于图切割的图像拼接技术研究［J］. 中国图像图形学报，2007（12）：2050-2056. ［15］　牟琦，唐洋，李占利，等. 基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法［J］. 计算机应用，2020，40（1）：239-244.

相似文献/References:

[1]杨志芳,颜　磊.基于改进SURF算法的图像拼接技术研究[J].武汉工程大学学报,2021,43(02):223.[doi:10.19843/j.cnki.CN42-1779/TQ.202012012]
　YANG Zhifang,YAN Lei.Technologies of Image Mosaic Based on Improved SURF Algorithm[J].Journal of Wuhan Institute of Technology,2021,43(03):223.[doi:10.19843/j.cnki.CN42-1779/TQ.202012012]
[2]王家彬,侯宝年,胡 哲,等.基于无人机多光谱光学特性的海面油污辨识方法[J].武汉工程大学学报,2023,45(02):208.[doi:10.19843/j.cnki.CN42-1779/TQ.202211023]
　WANG Jiabin,HOU Baonian,HU Zhe,et al.Identification Method of Sea Surface Oil Pollution Based on Multispectral Optical Characteristics of Unmanned Aerial Vehicle[J].Journal of Wuhan Institute of Technology,2023,45(03):208.[doi:10.19843/j.cnki.CN42-1779/TQ.202211023]

备注/Memo

备注/Memo:
收稿日期：2020-12-29作者简介：罗　凯，硕士研究生。E-mail：[email protected]*通讯作者：徐俊武，博士，副教授. E-mail：[email protected]引文格式：罗凯，徐俊武，杨敏. 一种改进KNN的无人机图像快速拼接方法［J］. 武汉工程大学学报，2021，43（3）：344-348.
更新日期/Last Update: 2021-06-28