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...     

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。     

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。     

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.     

面向影像匹配的SUSAN角点检测

在分析比较现有角点提取算法的基础上,将SUSAN算法用于提取高分辨率影像的角点及影像匹配。针对试验中原算法在不规则纹理区提取大量冗余角点及对强边缘敏感等问题,提出按照影像局部和整体对比度的关系自适应计算灰度差阈值,使用矩形模板从边界上确定USAN区域(核值相似区)可能的范围,再检测角点的改进思路。试验证明改进后算法提取的角点位置更为准确,有效剔除了原算法检测结果中的冗余角点,提高了影像匹配速度。     

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。     

基于改进Harris算法的高分辨率遥感影像建筑物角点检测研究

高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,在多领域中具有广阔的应用前景。利用Google Earth高分辨率遥感影像作为数据源,对其红、绿、蓝通道图像,以及三通道取平均的全色通道图像进行建筑物角点检测,并根据建筑物在影像上具有几何角点的特点,对Harris算法的一阶梯度算子进行4种方向上的改进。对Google Earth的红、绿、蓝、全色4种图像进行试验,从4个检测方向上检测并累加,结果表明红色通道的图像检测效果较好。利用4种改进梯度算子进行累加的建筑物角点识别,识别正确率可到74.75%,识别效果较好。结果表明,该方法可以很好地实现高分辨率影像建筑物的角点检测,具有一定的理 论研究和实际应用价值,可为建筑物自动识别提供技术参考。     

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。     

基于轮廓曲率的多边形角点检测算法

角点在保留图形图像重要特征的同时,可以有效地减少数据量,加快计算速度,有利于图像的可靠匹配,使得数据实时处理成为可能。本文探讨了一种基于轮廓曲率的角点检测算法,该方法能够检测出较为真实的角点,能够准确定位角点位置,稳定性好、实用性强,具有较高的计算效率和准确率。     

利用角点进行高分辨率遥感影像居民地检测方法

传统的城区检测方法大多是基于影像的全局特征,如纹理、光谱、形状等。当影像出现尺度、光照等条件变化时,将导致这些特征出现变化,造成算法的稳健性下降。而局部不变特征（例如,角点）却不易受到这些因素的影响。为此,本文提出一种无监督的基于角点特征的高分辨率遥感影像城区检测方法。该方法首先在传统的Harris算子的基础上,加入局部和全局约束准则检测影像中的角点,然后根据影像中角点的分布情况,自适应地构建似然函数来度量影像中每一个像素点属于城区的概率,最后采用二值分割的方法提取影像中的城市区域。实验结果表明：该方法可以快速、可靠地检测到影像中的城市区域,具有较高的实际应用价值。     

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法.     

数字影像中角点与直线的高精度定位算子

本文在分析现有数定影像定位算子的基础上，提出了精确定位数字影像中角点与直线的高精度定位算子。这种算子通过精确定组成角点的两条直线，从而精确定位角点。实验表明，新的定位算子有很高的定位精度，在理想情况下，新定位算子的精度可达０．０２像素，最后，客种算子被用于数字影像的相对定向，取得了令人满意的结果。     

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。     

一种基于角点特征的遥感影像自动配准方法

本文通过对Harris算子进行改进,自适应地提取角点特征,然后基于角点特征进行由粗到精的匹配,完成影像的配准;并利用MODIS影像、TM影像和HJ-1卫星影像3种不同分辨率的遥感影像进行配准实验,结果表明该自动配准方法能够达到亚像素级的配准精度,是一种高精度的影像配准方法。     

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;②设计了一种顾忌稳健性     

城市环境下基于C/S架构的影像空间定位

针对城市环境下影像空间定位精度低等问题,提出了一种在C/S架构下基于影像的移动平台空间自定位方法。首先对预采集的城市建筑物序列影像,利用最近邻距离比率(nearest neighbor distance ratio,NNDR)算法和归一化互相关匹配(normalized cross correlation,NCC)算法得到SIFT粗匹配,通过随机抽样一致(random sample consensus,RANSAC)算法对粗匹配点进行优化,通过精确解算基本矩阵 F 和投影矩阵 P ,建立建筑物三维点云模型,进而获得由影像特征点、像点坐标以及物方点坐标组成的物方特征库。其次以用户通过手机拍摄的影像作为定位影像,进行特征提取并与物方特征库影像匹配,获取对应物方点坐标。最后通过精确计算定位影像外方位元素,并在手机客户端中显示所拍照瞬间手机的空间位置,实现移动平台空间自定位。实验结果表明,该方法能够达到厘米级定位精度,可作为其他空间定位方法的有效补充。     

顾及姿态线性误差的微小卫星面阵影像在轨几何检校

微小卫星由于平台体积、重量、能源等限制，其上搭载的姿态、位置测量设备精度不高，导致其直接对地定位误差较大。通过对某微小卫星嵩山地区的多景面阵影像进行姿态角常差检校，发现姿态角系统误差随时间线性变化的规律。为了提高定位精度，本文提出一种针对面阵的顾及姿态线性误差的偏置矩阵和二维探元指向角几何检校模型。相对于传统的姿态角常差检校模型，本文方法考虑了姿态角系统误差随时间线性变化的规律。试验结果表明，经过内外方位元素检校后，卫星的定位精度从数十千米提升到十米以内，相对于传统的常差模型，本文提出的检校模型有效地消除了姿态随时间线性变化的系统误差。     

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题，提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先，利用RPC模型计算建筑物像点位移的方向与卫星成像角度，再将遥感影像进行旋转，使建筑物像点位移沿水平方向；然后，利用Canny算法进行轮廓检测，并构建一定长度的矩形形态学结构元素，对轮廓图像进行形态学开运算，以提取侧面轮廓线，再利用Hough变换与建筑物角点约束，对所提取的轮廓线进一步筛选；最后，根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证，并与阴影法估算建筑物高度进行了对比。试验结果证明，利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m，且实际精度优于使用阴影法进行建筑物高度估算。