基于角点检测的遥感图像几何质量评价方法

为分析图像压缩过程对遥感图像几何质量的影响,提出一种新的基于图像角点检测的图像几何质量评价方法.首先介绍经典Harris角点检测算法,然后针对Harris算法定位精度不高的缺点改进Harris算法:对角点响应函数进行曲面拟合后求拟合曲面极值点,以此作为图像亚像素级角点坐标,最后将改进的Harris算法应用到遥感图像几何...     

基于影像尺度空间表达与鲁棒Hausdorff距离的快速角点特征匹配方法

快速影像匹配是进行影像时间序列分析与飞行器导航的重要方法.本文对待匹配影像进行高斯低通滤波预处理时,运用影像的尺度空间表达思想对不同分辨率的基准影像和实时影像选择了相应的σ值进行卷积滤波处理,使基准影像和实时影像具有相近的分辨率,从而提高两影像所提取角点的重复率,使得影像的正确匹配概率得到提高.然后用基于影像几何结构分析的改进的快速角点探测算法进行了影像的角点提取;最后用本文提出的改进的鲁棒Hausdorff距离进行了基准影像和实时影像的匹配.实验证明,本文方法对影像噪声和灰度变化不敏感,具有抗影像尺度变化的能力.在基准影像和实时影像灰度差变化较大的情况下,依然能取得较高的正确匹配概率.由于采用基于影像信息量评价的搜索策略和快速角点提取算法,匹配速度也较快.     

相似像素的Harris角点检测改进算法

针对Harris算法提取的角点对尺度变化较敏感,且运行速度慢的问题,该文提出了一种基于相似像素的Harris角点检测改进算法。受SUSAN算法启发,改进算法首先计算目标像素8邻域内与之相似的像素数目,并据此筛选出候选角点;然后利用候选角点的相似像素数目改进角点响应函数;最后进行局部非极大抑制确定最终角点。实验结果表明,与Harris算法相比,改进算法所提取的角点位置更加准确,重复率较高,且角点检测时间仅为原算法的26.63%。本文所提算法提高了Harris算法的角点检测效率和稳定性。     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

点云中角点的自动提取算法研究

针对三维激光扫描数据处理过程中的数据拼接、纹理映射、目标识别等问题,提出一种新的三维激光扫描距离图像的角点提取算法,旨在为相邻测站问数据拼接提供粗配准的对应点.文中通过把三维激光扫描仪获得的单站距离图像转化为二维深度图像,利用已有的SUSAN算子提取出深度图像的角点,反算深度图像的角点到距离图像坐标系下实现角点的提取.利用2站间4个公共角点作为粗配准进行2站数据的ICP配准,利用配准的准确度验证该角点提取算法的有效性.     

一种无人机影像分块的亚像素角点快速检测算法

为满足无人机(unmanned aerial vehicle,UAV)影像角点快速检测的需要,针对Harris角点检测算法提取的角点是像素级的、且存在定位不精确和计算效率低的问题,提出了一种改进的、适用于无人机影像的角点检测算法.该算法首先根据最近邻域和对角邻域方向相似像素点特征数目初步筛选角点;然后对无人机影像进行分块处理,进行Harris自适应角点检测;最后,利用加权最小二乘欧几里德距离实现了亚像素角点的快速精确定位.实验验证了该算法的有效性和可行性,所检测的角点分布均匀,显著提高了角点检测速度.     

基于黑白环扇圆盘的角点自动识别与排序

采用传统棋盘格进行相机标定时,标定模板旋转角度对角点排序带来较大的影响,针对此设计了一种黑白环扇圆盘标定模板,并提出了与该标定模板相应的角点识别和排序算法。新的标定模板设计中心圆为1/4缺口的黑色圆,以此来消除标定模板旋转给角点排序带来的影响。通过模板区域分割算法实现标定模板的提取;创建圆形检测器剔除Harris算法提取的伪角点;利用向量积和角点几何特性完成角点排序。实验结果表明:该标定模板及其角点识别与排序算法可以有效剔除伪角点,角点排序具有良好的旋转不变性,能够实现自动相机标定。     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题，结合Harris算子和Susan算子，提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响；然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取；最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明，通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

利用改进的SUSAN算法提取航空影像中孤立的特征点

本文针对地形起伏较大、无明显建筑物的航空影像,分析了SUSAN算法角点检测理论,提出一种提取孤立特征点的方法.该方法先对图像进行梯度幅值运算,然后对梯度幅值进行Otsu法阈值分割,设计模板并对孤立特征点进行套合,最后利用SUSAN算法计算原始影像的角点初始响应,经过非极大值抑制提取孤立特征点.经实骑证明,与传统的Har...     

一种基于Harris-Laplace算法的亚像素角点检测方法

为了解决Harris-Laplace检测算法的角点坐标偏移与像素级角点的问题,提出了基于Harris-Laplace算法的亚像素角点检测方法。该方法首先用原始图像与高斯函数进行卷积生成多尺度空间,在原始图像和多尺度空间图像上各自提取Harris-Laplace角点;然后以多尺度空间角点为中心向原始图像投影,统计原始图像上投影区域内的角点形成角点集群,并结合多尺度空间角点响应值对集群角点进行筛选;最后采用位置(坐标)加权平均法确定角点的精确坐标。实验结果表明,该方法能够提供稳定抗噪、尺度不变的亚像素精度角点。     

改进Harris算子用于点特征的精确定位

Harris算子是在计算机视觉领域使用非常广泛的点特征提取算子，它算法简单，而且稳定，但缺憾是其定位精度只能达到一个像素。参考摄影测量中Foerstner算子精确定位的思想，改进Harris算子，使其可以定位到子像素。实验证明，该方法在点特征的提取和精确定位方面都达到了较好的效果。     

改进的自适应SUSAN角点特征提取方法

针对目前大多数的角点特征提取算法存在算法结构过于复杂、运行效率偏低及可推广性偏差等方面的局限性,该文通过改进SUSAN算法中灰度差阈值的获取方法,提出一种自适应的角点特征提取方法。该方法首先采用高斯滤波对原始影像做预处理,然后利用Ly算子初步探测概略角点特征集合,最后利用改进的SUSAN角点检测算法从概略角点特征精确确定角点特征。实验结果表明,该方法提高了角点检测的精度,缩短了角点特征提取时间,具有较好的鲁棒性。     

一种基于区域分割的三角划分方法

基于三维重建中物体截面轮廓边缘序列中相邻轮廓基本相似的事实，提出了一种物体截面轮廓线点集之间的三角划分的快速算法。该算法首先寻找轮廓线的控制点，对每两条相邻轮廓线的控制点进行配对，其次将这样两条轮廓线之间的三角划分的任务分配在多个小的曲线段对之间进行，并且由于事先的控制点匹配，在每个小的区域中就能够进行简化快速的三角划分。通过试验验证了本算法的有效性。     

核线驱动与自适应窗口相结合的建筑物角点稳健匹配算法

针对景深突变、区域遮挡等因素导致的倾斜立体影像中同名建筑物角点难以准确匹配的难题,提出一种基于核线驱动和自适应窗口的鲁棒匹配算法。算法分3个阶段:1提取重复度较高、分布均匀的角点特征,并对立体像对进行多类型互补仿射不变特征匹配,以用于后续的几何关系估计;2利用随机采样一致性(random resample consensus,RANSAC)算法来排除地面区域的角点特征,并采用改进的RANSAC算法估计两组倾角迥异的核线关系;3基于步骤2估计的双核线关系求取景深突变区域中角点的近似几何单应变换,并联合自适应窗口方法实现同名建筑物角点的精确匹配。最后,通过多组高分辨率无人机倾斜影像数据验证了该算法的有效性与优越性。     

基于尺度空间的角反射器车载SAR影像坐标定位

确定角反射器（CR）在SAR影像中的高精度影像坐标是合成孔径雷达影像（SAR）几何校正、辐射校正和形变检测等研究的基础。本文提出了一种基于尺度空间的角反射器车载SAR影像坐标定位方法。通过对仿真数据和车载SAR影像数据的角反射器进行定位试验，验证了该方法的可行性和稳定性；并与使用地面控制点几何纠正后的角反射器定位结果进行对比，验证了该方法满足子像素级定位精度的需要，且无需地面控制点。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

基于结构分析的线划角点检测

针对线划图影像的特点，设计了一种完整的基于结构分析的角点描述和检测算法，并能给出不同类型角点的标识码     

天气雷达站址选择的有效地理视距分析

本文在详细介绍了雷达遮蔽角图和雷达等射束高度图的制作原理和方法的基础上,分析了天气雷达的有效地理视距,开发了天气雷达有效地理视距分析系统。该系统能自动绘制雷达遮蔽角图和等射束高度图,并能对天气雷达候选站址的有效地理视距进行分析,这能为寻求天气雷达最佳候选站址带来方便。     

高分辨率遥感影像建筑区域局部几何特征提取

及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号等影像数据集进行实验,实验结果表明本文方法相对于已有的Harris和HSCD点检测算法,在建筑区域提取质量上(Quality)上分别提高了4.79%,5.96%;1.47%,3.76%和1.91%,4.08%。