基于Harris兴趣值的影像线特征高精度提取方法

针对影像高精度线特征提取问题,本文提出一种基于Harris兴趣值的直线提取方法:利用EDISON算法提取影像的初始边缘,并将其细化到单像素,对提取的每一边缘点在其法线方向进行基于Harris兴趣值的子像素定位,并将精确定位后的点拟合成直线.通过采用两幅真实影像进行试验,证实了本文所提方法的有效性.     

应用二阶Harris算子的高铁轨道近景影像特征点提取

由于轨道影像具有较高的灰度相似性,传统一阶Harris算法提取轨道影像特征存在时间效率低、特征点聚簇等负面问题,文章针对已有Harris方法的不足,提出了一种基于图像分块自适应阈值的二阶导数Harris特征点检测算法,采用自相关矩阵兴趣值识别轨道图像特征点,并分别对有砟与无砟铁路轨道影像开展特征点提取。实验结果表明,二阶Harris算子在轨道近景影像特征点提取方面具有较高的计算效率,所提取出轨道影像特征点满足均匀分布的空间特征,有效避免了传统方法特征点的聚簇现象。     

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。     

多星形约束图割与轮廓规则化的高分遥感影像直角建筑物提取

提出了一种基于多星形约束的图割和轮廓规则化的交互式半自动提取高分影像上直角建筑物的方法。首先,通过人工在建筑物上画一条线的交互方式自动得到包含目标建筑物的影像图块;其次,利用双边滤波对该影像块进行保边去噪预处理并进行超像素分割;再次,以交互线所在的超像素为前景,以交互线所得的建筑物范围与影像块边界之间的超像素为背景,进行基于多星形约束图割方法得到建筑物图斑;最后,利用Harris算子检测图斑上的角点,并对角点分组拟合得到规则的建筑物轮廓。为验证本文方法的有效性,分别对两幅不同地区和不同空间分辨率的高分航空影像进行建筑物提取试验,结果表明,该方法不仅交互简单而且具有高效性、准确性和稳定性。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

基于高斯差分的改进Harris特征点提取算法

针对非城区影像纹理特征缺乏、特征不明显、影像特征点提取困难和图像特征附近可能出现冗余特征点问题,本文提出一种基于高斯差分的改进Harris特征点提取算法。首先用高斯函数对图像进行卷积运算生成平滑图像,将原图像与平滑图像进行差分运算生成增强纹理特征的差分图像;然后基于Harris算法进行差分图像特征点提取,进行特征点局部窗口的非极大抑制,剔除冗余特征点,提高特征点提取精度。实验证明,本文算法可以改善纹理贫乏影像区的特征提取效果,有效删除冗余特征点,并提供质量较好的特征控制点。     

利用泰勒展开的点特征子像素定位方法

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Harris点特征提取算子提出了一种改进的子像素定位方法。该方法以二阶泰勒展开式拟合初始特征点邻域的Harris响应函数,采用邻域灰度值中心差商来近似计算泰勒展开式中偏导数的初值,引入最小二乘和高斯距离加权的思想计算偏导数的改正量,对求得的泰勒展开最小二乘拟合式求极值获取子像素级的特征点。通过计算机模拟图像对算法进行精度和抗噪能力测试。结果表明,本文算法的子像素定位精度高,且具有一定的抗噪能力。通过对实际无人机数据进行空三实验,结果表明本文方法的定位精度能改善无人机影像的空三处理结果。     

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。     

基于Delaunay划分结合EM\MPM算法的图像分割方法

为了克服传统基于区域的图像分割方法对图像初始划分完全随机进而导致算法效率低下的缺点,本文提出了一种基于Delaunay划分并结合最大期望值(Expectation Maximization,EM)和最大边缘概率(Maximization of the Posterior Marginal,MPM)算法的图像分割方法。该方法首先提取图像特征点,并把特征点集作为构建Delaunay三角网的基础点集。利用Delaunay三角网的构建将影像划分成众多彼此连接的超像素,并假设这些超像素内的像素灰度值服从同一独立的正态分布,基于此完成特征场模型的建立,再运用EM\MPM方法分别模拟特征场模型和分割影像。为了验证本文提出的算法能够有效地分割图像,分别对模拟图像和真实图像进行分割测试,并和经典的初始划分完全随机的超像素影像分割算法进行对比,测试结果定性和定量地表明了该方法的有效性和准确性。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

遥感影像外业控制点自动提取方法

提出了一种遥感影像外业控制点自动提取方法,利用边判别法对边缘二值影像提取备选控制点,对其进行筛选,并对控制点进行加权中心化,将其精度提高到亚像素级。     

一种大角度亚像素的图像自动配准算法

提出一种基于ASIFT和Harris集成互补不变特征的大角度影像亚像素自动配准算法。算法由中间输入图像获取、像素级配准和亚像素级配准三个主要处理过程。在中间输入图像获取过程中,首先提取ASIFT特征控制点,利用提取的控制点估计图像间的投影变换模型,将输入图像中的重叠区域重采样为与参考图像尺度相同的中间输入图像;在像素级配准过程中,用NCC函数进行配准,用基于投影变换模型的全局一致粗差检测方法删除误配点对;在亚像素级配准过程中,先利用二元二次曲面拟合方法进行亚像素位移测量定位,再进行亚像素配准,错误匹配点对剔除,配准精度计算。实际的大角度图像试验结果表明了算法的有效性和实用性。     

一种高分辨率光学卫星遥感影像直线匹配算法

高分辨率光学卫星遥感影像直线自动匹配算法的具体流程包括:进行影像尺度调整,对影像进行边缘提取,采用Hough变换提取直线;同时基于直线几何特征和灰度特征提取同名直线,利用Hough变换模型,将线转换为参数空间中的点,并建立转换模型;最后采用RANSAC算法剔除错误同名直线,以获取最终的匹配结果。实验结果表明,本文提出的算法能显著提高影像同名直线提取的数量和精度,特别是对异源影像具有抗噪能力强、鲁棒性好等特点。     

基于Harris角点和SIFT特征的近景影像匹配

针对近景影像匹配过程中误匹配率较大的情况,本文提出了一种基于Harris和SIFT特征的近景影像匹配方法。该方法首先提取Harris角点和SIFT特征,运用灰度相关系数和BBF-KD树方法将Harris角点和SIFT特征完成双向一致性匹配;然后,利用基于RANSAC方法和P-H算法的相对定向得到内点集A与B,将内点集A、B合并生成Delaunay同名三角网;最后,在同名三角形约束下通过缩小Harris特征点阈值T得到新内点集,实时插入同名三角网中,直到生成足够数量的内点。实验所得内点数分别与合并加密匹配前以及其他方法相比都有显著增多,结果表明对于视角、尺度、旋转、光照及噪音等条件发生变化的不同影像,本文提出的近景影像匹配方法能提高匹配率及匹配可靠性。     

基于对比度增强和形态学的遥感影像道路提取

提出了一种基于对比度增强和形态学的遥感影像道路边界与特征点提取的方法。先对遥感影像进行对比度变换增强,通过对比分析直方图均衡化和对比度分段线性增强两种方法获取的增强影像,选取区分度大的分段线性增强方法进行影像增强,然后运用数学形态法进行影像分割,实现道路和其他图像信息的有效分离。利用Krisch算子进行边缘检测提取道路的边缘信息,并基于边缘特征利用改进的Harris算子提取特征点,将提取的特征点进行拟合并用函数模型描述图像道路信息,用于后期制图中道路信息的矢量化。     

基于SLICO的无人机影像建筑物对象提取

提出一种基于超像素分割算法与随机森林算法的无人机影像建筑物提取,利用INPHO软件生成正射影像和点云数据,并用点云数据进行反距离插值运算和波段运算生成归一化数字模型(nDSM)影像。将正射影像与nDSM影像进行波段合成并仅对正射影像采用基于SLICO算法分割生成超像素,选择相应的特征利用随机森林分类器进行分类,从而得到建筑物的提取结果。研究结果表明密集的影像匹配点云生成的nDSM影像进行建筑物提取时,可有效地对农村区域和城市区域的建筑物进行提取,同时避免了面向对象方法中最佳分割尺度难以选择的问题,取得了较好的建筑物提取效果,降低了建筑物提取的成本。     

Pleiades高分辨率卫星影像道路提取技术

遥感影像上的道路提取是摄影测量与计算机视觉研究的一项重要内容,本文设计了一种高分辨率卫星影像道路提取方法,首先,利用Canny边缘提取算子提取左影像上的边缘,并利用霍夫变换对线特征进行检测,根据道路的几何特性检测平行直线,再基于影像匹配方法匹配立体像对上的道路;然后,利用卫星影像RPC参数前方交会原理实现道路的几何定位。利用Pleiades卫星影像开展试验,自动提取的道路与人工采集的道路几何定位误差在1个像素以内,试验结果验证了本文方法的有效性。     

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%。     

直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。