基于SIFT的宽基线立体影像最小二乘匹配方法

提出基于对极几何和单应映射双重约束的SIFT特征多尺度加权最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并采用基于奇异值分解(SVD)的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下,基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析。结果表明当影像间无显著亮度变化时该方法的匹配性能明显优于现有的方法。     

结合Harris-Laplace与SIFT特征的无人机倾斜影像拼接

针对无人机影像存在仿射变形与阴影问题,本文提出应用Harris-Laplace与SIFT特征的倾斜无人机影像匹配方法。首先,提取具有光照、影像噪声、尺度不变性的Harris-Laplace关键点,并计算关键点的主方向,生成特征点;然后采用SIFT特征描述子对第一步提取的特征点进行表达;最后,采用BBF方法提取初始匹配点对和最小二乘法约束的均方根误差(RMSE)剔除。实验结果表明,该算法在存在仿射变形、高大建筑物阴影的影像匹配表现较好的结果。     

基于SIFT的宽基线立体影像密集匹配

提出基于对极几何和单应映射双重约束及SIFT特征的宽基线立体影像多阶段准密集匹配算法。算法包括三个阶段：①基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集并进行最小二乘初始稀疏匹配及立体像对的基本矩阵和单应矩阵估计;②对于其余特征,利用同名核线倾斜角及SIFT特征的尺度信息对匹配窗口的仿射变换参数进行迭代优化及变形改正、提取仿射不变SIFT特征描述符,并基于双重约束信息及欧氏距离测度进行匹配;③考虑宽基线立体影像较低的特征提取重复率,对第②步左右影像中未能成功匹配的特征点,基于双向搜索策略,采用基于盒滤波加速计算的SSD测度在变形改正后的双重约束区域中进行匹配,并对匹配结果进行加权最小二乘拟合定位。实际的宽基线立体影像试验结果证明了算法的有效性,可为后续的三维重建提供较为可靠的密集或准密集匹配点。     

一种基于特征拓扑约束的图像配准算法

针对传统RANSAC算法在特征点提纯方面效率不高、迭代计算复杂等缺点,提出先利用拓扑约束进行特征点提纯,得到初始匹配点集,再通过RANSAC原理进行特征点精确提纯,最后通过最小二乘法利用精确匹配点求解单应矩阵进行图像配准。实验结果表明:拓扑约束提纯算法计算效率高,能有效提高RANSAC算法的正确匹配率和时间效率,可得到更多更稳定的匹配点,提高图像配准的精度。     

融合互补仿射不变特征的倾斜立体影像高精度自动配准方法

提出一种基于最大稳定极值区域(maximally stable extremal regions,MSER)与Harris&Hessian Affine的互补仿射不变特征高精度自动配准算法。算法分3个阶段:①融合MSER与Harris&Hessian Affine互补不变特征,采用最小生成树算法选取一定数量的最优互补特征集合,基于特征的仿射不变信息实现局部图像的仿射与方向归一化,特征匹配采用多层次自适应策略,首先基于SIFT描述符的欧氏距离比率测度获得初始匹配,继而估计影像间的基本矩阵与单应矩阵,然后在双重几何约束下利用归一化互相关(normalized cross correlation,NCC)测度进行扩展匹配,以增加特征匹配数量且最大限度地消除误匹配;②通过最小二乘匹配(least square matching,LSM)使匹配结果达到子像素精度,以提高配准精度,最小二乘匹配的迭代参数初值由同名仿射不变特征间的协方差矩阵与主梯度方位获得;③基于②的匹配结果和投影变换模型,完成影像的高精度配准。针对地面近景倾斜立体影像和无人机倾斜立体影像的试验结果证明了算法的有效性。     

局部单应约束的高精度图像自动配准方法

提出一种基于SIFT特征的抗差图像匹配算法。算法分为两个阶段:①初始匹配,综合利用SIFT特征匹配方法和基于SIFT特征尺度和方位信息的自适应归一化互相关(normalized cross correlation,NCC)方法建立初始相关,并基于几何关系一致性检测剔除误匹配;②匹配传播,在初始相关的基础上,利用自适应NCC和局部单应约束进行匹配传播,迭代产生更多的匹配点并采用几何关系一致性检测剔除可能的误匹配。初始单应采用最小二乘匹配方法估计得到,并采用自适应NCC为其提供良好的初始值。与现有的基于SIFT特征的图像配准方法相比,算法在抗几何变形和配准精度等方面具有优越性。     

倾斜影像自适应初始物方面元优化匹配算法

采用基于物方面元的最小二乘影像匹配方法匹配倾斜影像时,常出现深度不连续或高差较大区域影像连接点度数低或空三点过少问题。针对此问题,本文提出一种基于自适应初始物方面元的倾斜影像匹配算法。算法利用倾斜影像已有的初始内外方位元素及匹配过程中产生的物点信息,采用多片前方交会和物方差分的方法自适应计算物方面元的高程及法向量方向角初值,进而解决采用物方面元最小二乘影像匹配方法匹配地物高差较大区域的倾斜影像时,因初值不准导致在像方匹配同名点困难的问题。分别采用本文算法和物方面元初始状态为水平面元的最小二乘影像匹配方法对两组倾斜影像进行对比匹配验证。试验结果证明了本文算法的有效性。     

基于k近邻算法优化的最小二乘3D表面匹配算法

对已有不同类型的k近邻算法进行了分析,并基于最小二乘3D表面匹配算法进行实验,对比了不同k近邻算法优化时最小二乘3D表面匹配算法的性能。实验结果表明,最小二乘3D表面匹配算法在使用盒子划分策略的搜索算法时效果最优,而主轴搜索树算法由于第一次搜索消耗大量时间而降低了点云配准的整体效率。     

结合局部单应矩阵的ZY-3遥感影像稠密匹配

针对现有的特征点匹配结果的密集度无法满足于三维重建的需求问题,本文提出了一种结合局部单应矩阵的资源三号遥感影像稠密匹配方法。首先,采用ASIFT算法对资源三号遥感影像进行特征点匹配,通过随机抽样一致性(RANSAC)算法对初始的匹配结果进行优化,提高ASIFT匹配结果的精度;其次,以优化后ASIFT匹配结果作为匹配基元,构建Delaunay三角网,利用Delaunay三角网间的同名三角单元的单应矩阵关系对已有匹配结果进行加密;最后,通过灰度相似性和最小二乘双重约束提高加密特征点的精度,从而达到精匹配的目的。实验选取ZY-3遥感影像作为实验数据,实验表明,本文算法具有较好的可靠性与鲁棒性,能获得比ASIFT匹配多6倍的同名点。     

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。     

3维最小二乘表面匹配泛型数学模型及在机载LiDAR条带平差中的应用

以3维表面间共轭点欧氏距离之和最小为理论基础,提出一种泛型3维表面匹配数学模型,并推导其最小二乘平差理论模型,利用该模型进行机载LiDAR点云条带平差。针对真实机载LiDAR点云数据进行条带平差对比实验,结果表明本文所提出的表面匹配模型,不仅能准确估计出相邻重叠3维表面间的正形变换参数,较好地解决机载LiDAR点云条带间配准问题,而且能同时适用于多种同名点对应准则,是一种泛型的配准模型。     

最小二乘影像匹配算法设计与实现

针对影像匹配问题,对最小二乘法影像匹配的算法进行了研究,理解了该算法的匹配原理,并应用测试程序对该算法进行测试。     

融合遗传算法的最小二乘无控制DEM匹配

为了解决传统无控制DEM最小二乘匹配方法拉入范围小的问题,首先建立了一种基于匹配度之和最大的DEM匹配模型,然后结合DEM匹配的实际需要,对遗传算法的编码方案、初始种群生成、适应度函数、基本遗传操作和迭代终止条件等5个基本方面进行了设计;在此基础上,设计了基于遗传算法和最小二乘匹配相结合的无控制DEM匹配方法流程,最后...     

基于有理多项式系数模型的物方面元最小二乘匹配

针对物方面元最小二乘匹配仅适用于单中心投影框幅式成像的匹配制作区域DSM问题,提出基于有理多项式系数（RPC）模型的物方面元最小二乘匹配算法,结合匹配窗口区域内多中心平行投影方式,构建RPC模型下的投影方程,将物方面元最小二乘匹配算法从适用于单中心投影框幅式成像扩展到适用于多中心投影推扫式成像的立体匹配,并用SPOT5-HRG、GeoEye、IKONOS立体影像进行试验验证。试验表明,RPC模型能用于物方面元最小二乘匹配且不损失匹配精度,增加了物方面元最小二乘匹配的应用范围和价值。     

多基准点和基准方向的面阵与线阵影像匹配方法

针对面阵影像与线阵影像之间存在的尺度、旋转等几何差异所导致的难以高效获得稳定可靠匹配点问题,该文提出了一种稳健的面阵影像与线阵影像匹配方法。算法分为3个阶段:(1)对影像进行尺度、旋转预处理,消除影像间的尺度和旋转差异;(2)用Harris算子提取特征点,进行逐层金字塔匹配,在最底层影像上进行最小二乘匹配获取精匹配点,利用随机抽样一致算法获取准确性较高的匹配点;(3)对准确性较高的匹配点分区,构建4块匹配区域,根据每块区域的匹配点计算重心,以此4块区域的重心作为匹配基准点和基准方向,重约束初始匹配结果。通过多组面阵影像与线阵影像数据实验结果,验证了该方法的可行性和有效性,可为后续空中三角测量及相关应用提供可靠的匹配点。     

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。     

基于物方地面元的多视最小二乘匹配

以地图测绘、空间信息遥感、摄影测量学为背景的,根据多视影像匹配的理念和方法,按单点最小二乘匹配扩展为基于地面元的多点(以三片为例)的最小二乘匹配,基于改进的VLL讨论了一种基于多视影像的最小二乘影像匹配的方法,高精度的像素影像可以由这种特有的方法进行处理分析,像素的精度可达千分之一。进行相关分析后表明:进行高精度数字影像匹配融合时选择恰当影像匹配模型的匹配策略或由差异的匹配策略结合使用可更好地提高匹配的成功率和可适应性,从而降低误匹配或者漏匹配的同名点。