基于改进SURF算法的无人机遥感影像快速拼接

为了及时、准确地反映测区情况,需要在拍摄现场将获得的无人机遥感影像进行实时拼接.基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性,拼接效果较好,但该算法稳定性较差,拼接过程中大量误特征点被提取出来,导致计算量大、匹配效率低,无法满足实时拼接的要求.该文首先利用SURF算法粗提取特征点,然后利用RANSAC算法剔除被误提取的特征点,实现特征点的快速匹配和图像实时拼接.实验结果表明该文的算法不但可以得到很好的图像拼接效果,而且极大地提高了拼接效率.     

基于BRISK-LATCH的喀斯特山区无人机影像匹配算法

针对BRISK算法在喀斯特山区无人机影像匹配中存在耗时长、正确匹配点数较少的问题,该文提出一种基于BRISK检测子和LATCH描述符的喀斯特山区无人机影像匹配算法,即利用BRISK检测子对影像进行特征点检测,利用LATCH描述符描述特征点,并采用结合最小距离的FLANN算法进行粗匹配,最后利用RANSAC算法对影像进行精匹配,剔除粗匹配中的错误匹配点对。实验结果表明:该算法的匹配总数和正确点数是SIFT和AKAZE算法的2倍以上,单点平均耗时是二者的7%~80%;与BRISK算法相比,在匹配总数减少5%的情况下,该算法的正确点数增加了30%以上,单点平均耗时减少50%以上。     

基于NSCT与改进SIFT特征点的GF-2影像水印算法

现有基于SIFT特征点的水印算法因特征区域重叠导致算法鲁棒性较差,不能满足GF-2影像版权保护的需求。该文采用Mean Shift对SIFT特征点进行优化和改进,提出一种基于NSCT与改进SIFT特征点的GF-2影像数字水印算法。首先,提取GF-2影像的SIFT特征点,采用Mean Shift对其进行聚类处理,将所有聚类中心作为影像的关键点,并计算关键点的平均SIFT描述符,以保证所生成的影像关键点具有与SIFT特征点相同的特征属性;其次,根据关键点构建影像的特征区域,并对其进行几何归一化处理;最后,对特征区域进行NSCT分解,选择低频子带进行奇异值分解,根据加性规则将水印信息的奇异值嵌入低频子带的奇异值中,并通过相应的逆变换得到含水印影像。与其他算法对比验证结果表明,该算法既具有良好的不可见性,又对常规攻击以及旋转、裁剪、缩放等几何攻击具有较好的鲁棒性,且能有效减轻特征区域的重叠现象,适用于GF-2影像的版权保护。     

一种近实时的无人机视频流拼接方法

为了解决无人机视频流的快速拼接问题,提出一种近实时的视频流拼接方法。该方法校正了倾斜拍摄带来的变形,改进了ORB算法特征提取和构建描述子的策略,提高了特征点的稳定性和描述子的判别性,在保证较高匹配率和足够匹配点对的同时提高了帧间变换模型的精度;最后为降低拼接误差,根据GPS数据和给定重叠度构建平衡二叉树,选取离二叉树节点最近的图像作为参考投影面完成拼接。实验结果表明:该方法减少了级联误差累积带来的影响,提高了拼接影像的质量,可用于无人机视频流的近实时拼接。     

DEM格网与畸变遥感影像的一体化显示研究

遥感影像可以极大地增强DEM的表达效果,然而由于各种因素的影响,通常需对其进行预处理,传统方法是通过同名控制点进行校正。该文提出一种新的自动匹配算法,即提取DEM和遥感影像对应的特征线,利用Douglas-Peucker算法提取对应的特征点,以DEM特征点为离散点进行Delaunay三角剖分,并基于TIN完成纹理映射。实验结果表明,该算法显示效果较好,可有效改善畸变图像引起的错误显示。     

基于低空摄影测量影像的特征点提取算子比较研究

影像匹配是低空遥感数据处理的核心步骤,而特征提取是影像匹配的基础。该文从兴趣算子的角度分析了摄影测量中几种主流特征点提取算法:Moravec算子、Forstner算子、SUSAN算子、Harris和SIFT算子,以角点类型较多的普通几何图形、卫星遥感影像和动力三角翼拍摄的低空遥感影像为数据,通过实验得到各算法的速度、精度、局限性和适应性。针对低空摄影测量影像,以重复率为指标定量比较和分析了各算法在抗噪、抗对比对变化、抗光照变化和抗旋转变化等方面的性能。实验结果表明,针对灰度信息丰富的低空遥感影像,SIFT算子具备尺度不变性,抗噪性最好,Harris算子提取速度最快,Forstner算子精度最高。实验结论为低空摄影测量影像处理提供了一种可行性方法。     

利用无人机影像进行山区土地利用信息动态监测

彭州地处成都平原与龙门山的过渡地带,土地利用状况具有强度高、类型多、复杂度大的特点,土地类型变化非常快。同时,"5·12"汶川大地震严重破坏了该区域的生态环境,这场大灾难导致了地震灾区土地利用在类型和结构上都发生了巨大变化。因此,如何快速的获取最新的土地利用信息对于灾后重建及政府决策具有重要意义。利用无人机高空间分辨率影像作为数据源,首先引入SIFT算法完成了无人机影像的自动拼接,然后采用面向对象的分析技术获取了两期无人机影像的土地利用类型,着重研究了影像最优分割尺度的获取,最后建立了土地利用动态监测系统获取了两期土地利用信息的变化量,提出了一种适用于四川盆地多云雾山地区域土地信息动态监测方法。通过对实验区两期影像的分析研究,快速获取了各类型地类的变化量,并对变化原因进行了分析。研究结果表明:利用无人机影像进行土地利用动态监测能克服多云雾山地区域卫星影像难以实时获取问题,能快速、高效的获得土地变更信息。     

基于Diverse AdaBoost改进SVM算法的无人机影像信息提取

无人机遥感影像具有像幅小、几何变形大、重叠不均等特殊性,给影像信息的提取提出了难题。该文提出基于Diverse AdaBoost改进SVM的分类方法,采用RBFSVM作为AdaBoost的弱分类器,达到自适应调整参数的目的,同时引入复杂度,解决弱分类器精确度与复杂度的平衡问题。最后,利用提出的改进算法分别对汉旺镇、林趴镇无人机遥感影像进行了道路、建筑物的提取,平均提取精度均达到95%以上,与采用SVM算法的提取结果进行比较,该方法能精确提取无人机影像信息。     

基于SIFT算法的图像匹配剔点方法研究

SIFT是一种基于尺度空间的图像特征点提取和匹配算法,其得到的特征点不仅对平移、旋转和缩放等具有良好的不变性,对视觉变化和仿射变换也能保持一定程度的稳定性,在图像匹配、物体辨识和影像镶嵌等方面得到了广泛的应用.但是SIFT算法得到的图像之间的众多匹配点对中仍然存在很多误匹配点对,从而影响了最终图像之间变换参数解算的精度.为此,提出一种剔除误匹配点对的方法,首先对每对匹配点赋予象限和角度信息,然后依次剔除其中的象限异常点对、角度异常点对和非一一对应点对,使匹配结果的正确率得到显著提高.     

Delaunay三角网约束的Harris-SURF图像匹配算法

Harris算法提取的角点定位精度高,但不具尺度不变性,SURF算法虽具有尺度不变性和旋转不变性,但提取的特征点并非视觉角点。针对此问题,该文提出一种Delaunay三角网约束下的Harris-SURF图像匹配方法。首先,采取阈值评估策略对图像进行SURF粗匹配,利用RANSAC算法进行粗差剔除,得到的匹配点用于构建Delaunay三角网;然后以相似三角形作为约束,将其作为Harris特征点精匹配的限制区域,提高Harris点匹配的可靠性。实验表明,该算法具有匹配准确率高、鲁棒性较好等特点,对无人机影像的匹配效果明显优于其他算法。