0. 基本信息

Angel, Y., Turner, D., Parkes, S., Malbeteau, Y., Lucieer, A., & Mccabe, M. F. (2019). Automated Georectification and Mosaicking of UAV-Based Hyperspectral Imagery from Push-Broom Sensors. Remote Sensing, 12(1), 1–25. https://doi.org/10.3390/rs12010034

• bib信息

@article{Angel2019,
  author  = {Yoseline Angel and Darren Turner and Stephen Parkes and Yoann Malbeteau and Arko Lucieer and Matthew F Mccabe},
  doi     = {10.3390/rs12010034},
  issn    = {2072-4292},
  issue   = {1},
  journal = {Remote Sensing},
  pages   = {1-25},
  title   = {Automated Georectification and Mosaicking of UAV-Based Hyperspectral Imagery from Push-Broom Sensors},
  volume  = {12},
  url     = {https://www.mdpi.com/2072-4292/12/1/34},
  year    = {2019}
}

1. 研究背景

获取高质量影像的是一项挑战性的任务，原因是缺乏一个快速处理流程，来生成一个有准确地理信息的镶嵌图像，同时优化地面数据采集效果。

2. 研究内容

该方法估计高光谱条带的亮度，并将其与基于亮度rgb的正射影像图进行配准。该过程包括一种改进的协同配准策略，通过集成加速鲁棒特征(SURF)算法和最大似然估计样本一致性(MLESAC)方法。

单独的扫描线可以通过几何变换，镶嵌到单个空间连续的镶嵌图像上，通过该图像可以通过少数几个地面控制点实现高几何精度。

3. 方法流程

该方法估计高光谱条带的亮度，并将其与基于亮度rgb的正射影像图进行配准。该过程包括一种改进的协同配准策略，通过集成加速鲁棒特征(SURF)算法和最大似然估计样本一致性(MLESAC)方法。

单独的扫描线可以通过几何变换，镶嵌到单个空间连续的镶嵌图像上，通过该图像可以通过少数几个地面控制点实现高几何精度。

总体流程图

图像特征点匹配

1. 从匹配点中提取的正确匹配数与结果的准确性呈正相关，说明了SURF配准方法对产生高质量匹配的重要性，而一致性算法MLSAC对选择正确匹配对的重要性。
2. 结果精度： 7mm分辨率图像，RMSE 7cm，MAE=5cm，95%置信度的准确性是9cm 6cm图像，RMSE=11cm，MAE=9cm，95%置信度的准确性是18cm
3. 地理矫正结果对比

图像校正结果对比