【技术实现步骤摘要】
基于多光谱图像重建的多光谱点云生成方法、存储介质及设备
[0001]本专利技术属于多光谱图像三维重建
,具体涉及一种多光谱点云生成方法
、
存储介质及设备
。
技术介绍
[0002]随着三维重建技术的不断发展,利用无人机采集
RGB
图像进行三维重建成为了一种获取城市
、
森林等三维场景信息的热点技术
。
多光谱传感器可以获取场景的多光谱图像,包含了观测场景更丰富的光谱信息,对农业
、
林业等应用具有更高的价值
。
现有的基于图像的三维重建方法都是为光学
RGB
图像所设计,没有考虑多光谱图像的特点,直接应用于多光谱图像时,具有光谱信息利用不充分
、
重建精度低
、
效率低等问题
。
技术实现思路
[0003]本专利技术为了解决现有技术中光谱信息利用不充分,重建精度低,效率低的问题
。
[0004]一种基于多光谱图像重建的多光谱点云生成方法,包括以下步骤:
[0005]步骤
1、
根据多光谱相机及多光谱图像采集参数,对多光谱图像进行辐射校正与波段对齐;对多光谱图像重叠区域进行裁切,将多个单波段图像叠加合成波段对齐的多光谱图像;
[0006]步骤
2、
采用图像增强与
SIFT
特征算子结合的方式得到逐波段特征,在所有波段特征提取完成后,采用如下方法进行多光谱特 ...
【技术保护点】
【技术特征摘要】
1.
一种基于多光谱图像重建的多光谱点云生成方法,其特征在于,包括以下步骤:步骤
1、
根据多光谱相机及多光谱图像采集参数,对多光谱图像进行辐射校正与波段对齐;对多光谱图像重叠区域进行裁切,将多个单波段图像叠加合成波段对齐的多光谱图像;步骤
2、
采用图像增强与
SIFT
特征算子结合的方式得到逐波段特征,在所有波段特征提取完成后,采用如下方法进行多光谱特征的融合:对于任意一张多光谱图像,遍历图像中每一个像素的位置,如果该像素位置仅存在一个多光谱特征,则保留该特征作为融合多光谱特征;如果该像素内存在多个多光谱特征,则对这些特征进行筛选,保留特征幅值最大的特征作为多光谱融合特征;步骤
3、
基于步骤1得到的多光谱图像,计算多光谱图像
NDVI
值并生成
NDVI
掩膜;通过
NDVI
掩膜对步骤2融合的多光谱特征进行匹配与几何验证;步骤
4、
根据步骤3得到的特征匹配对,建立图像集中多光谱图像的匹配关系,并使用运动结构恢复方法计算图像相对位姿信息,使用多视角几何匹配技术计算图像深度值,对多光谱值进行投影,生成多光谱点云
。2.
根据权利要求1所述的一种基于多光谱图像重建的多光谱点云生成方法,其特征在于,步骤1中的辐射校正的过程包括以下步骤:根据多光谱传感器成像原理,对于瞬时采集的多光谱图像,得到辐射校正数学模型如下:
L
=
g
·
V(x,y)
·
R(y)
其中,
L
为多光谱图像的辐射校正模型,
g
为传感器增益系数;
V(x,y)
为去除传感器透镜导致的边缘减光效应,
R(y)
为行梯度校正因子;去除传感器透镜导致的边缘减光效应
V(x,y)
如下:
k
=
1+k0r+k1r2+k2r3+k3r4+k4r5+k5r6其中,
k
为晕影校正因子,
k
α
为从传感器读取得到的校正多项式系数,
α
=
0,1,...5
,
(c
x
,c
y
)
为传感器晕影校正中心;行梯度校正因子
R(y)
如下:其中,
I(x,y)
为图像中像素
(x,y)
的原始强度值,
I
BL
为图像的黑电平值,
t
e
为多光谱图像的曝光时间,
a1,a2为辐射校正系数
。3.
根据权利要求2所述的一种基于多光谱图像重建的多光谱点云生成方法,其特征在于,步骤1中的波段对齐的过程包括以下步骤:
S1.2.1、
对逐波段图像进行几何畸变校正:
x'
=
x(1+j1r2+j2r4+j3r6)y'
=
y(1+j1r2+j2r4+j3r6)
其中,
(x',y')
代表了校正后的像素位置,
j
β
为镜头畸变校正系数,
β
=
1,2,3
;
S1.2.2、
使用传感器镜头结构参数对各波段图像进行几何配准变换:基于镜头间位置差异及欧拉角,通过下式将欧拉角转换为旋转矩阵:基于镜头间位置差异及欧拉角,通过下式将欧拉角转换为旋转矩阵:基于镜头间位置差异及欧拉角,通过下式将欧拉角转换为旋转矩阵:基于镜头间位置差异及欧拉角,通过下式将欧拉角转换为旋转矩阵:其中,为镜头间的三个欧拉角;通过计算镜头间旋转矩阵,可对各波段图像进行几何变换,使得多镜头采集的各图像配准对齐
。4.
根据权利要求1至3任意一项所述的一种基于多光谱图像重建的多光谱点云生成方法,其特征在于,采用图像增强与
SIFT
特征算子结合的方式得到的逐波段特征如下:特征算子结合的方式得到的逐波段特征如下:其中,
I
k
为步骤一得到的多光谱图像的第
k
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。