一种基于水深点坡向关系的特征浅点提取方法

针对当前手工作业选取水深特征浅点效率低、易发生遗漏等不足,提出了一种基于数字海图水深点坡向关系的特征浅点提取方法。在对水深数据进行加权Delaunay三角网构建的基础上,利用空间规则确定不同水深点间的坡向关系,提取水深点集的隐含特征线,最后实现水深特征浅点的自动提取。试验证明:本文方法有效可行,可明显提高水深特征浅点提取的效率,避免水深特征浅点的遗漏。     

一种基于启发式算法的等高线局部内插方法

在基于启发式内插等高线算法的基础上提出了一种局部内插方法。首先利用Douglas—Peucker算法提取等高线的特征点,根据特征点判断等高线之间的相似性程度,找出导致等高线出现异常的特征点;然后将相似性程度很低的两条等高线自动分解为若干简单等高线再进行内插。有效地解决了局部弯曲很大、马鞍型地貌等复杂等高线的内插问题。算法已经在以Microstation为平台的数字制图系统中实现并逐渐实用化。     

一种基于启发式算法的等高线局部内插方法

在基于启发式内插等高线算法的基础上提出了一种局部内插方法。首先利用Douglas-Peucker算法提取等高线的特征点,根据特征点判断等高线之间的相似性程度,找出导致等高线出现异常的特征点;然后将相似性程度很低的两条等高线自动分解为若干简单等高线再进行内插。有效地解决了局部弯曲很大、马鞍型地貌等复杂等高线的内插问题。算法已经在以Microstation为平台的数字制图系统中实现并逐渐实用化。     

数字海图线性特征的识别、量测与综合

图形特征的变化是无究的,只是依据与位移、夸大、化简等相似的综合方法,而不包含图形特征的识别与量测,数字海图的自动综合是无法实现的。只有识别、量测和综合方法的组合,才是数字海图综合概念的全部体现。因而,本文模拟人的综合方法的同时, 点模拟了人的图形特征的识别方式,同时,经过Ｄｏｕｇｌａｓ二叉树方法的引入,给出了图形特征的识别与量测函数,实现了数字海图红性特征的自动综合。     

基于Harris算子的遥感影像自适应特征提取方法

提出一种基于Harris算子的遥感影像自适应特征点信息提取新方法。在进行特征点自动提取时,该方法通过设计一种自适应的迭代策略,实现了特征点阈值的自动确定。在兼顾局部纹理信息的基础上,通过对影像预先的分块处理和邻近点剔除,保证了特征点在全幅影像中的均匀分布。杭州地区TM影像特征点的提取试验表明,该方法自动化程度高,提取的特征点分布均匀合理,能满足几何配准和几何纠正精度要求,具有较高的实用价值。     

数字立体像对的自动相对定向

进入90年代,数字摄影测量得到了飞速发展,相继有许多数字摄影测量系统出现。本文对数字摄影测量系统的基础之一——数字相对定向作了理论和实验研究,提出了一种基于特征点组的金字塔结构的自动相对定向方法,即用Fstner算子选择定向点,用金字塔结构影像数据相关定向点,最后用最小二乘相关获取的点位进行相对定向计算。实验证明,该方法是可行的,取得了满意的结果。     

一种基于流域剖分的山顶点提取方法

山顶点自动提取是数字地形分析的重要研究内容之一。本文总结了山顶点自动提取的主要技术方法。在此基础上,以基于流域剖分的山顶点自动提取方法为主线,详细阐述了流域剖分模型的建立过程。以大兴安岭与东北平原过渡的草原丘陵地带为试验样区,以ArcGIS Python框架为地理处理平台,对模型进行了实现与验证。并深入讨论了高差阈值对模型精度的影响,为山顶点自动提取提供了一种新思路。     

两步法摄影物点与像点自动匹配方法研究

摄影物点和像点的匹配工作是摄影测量中共线条件方程构建的基础,在数字近景摄影测量中,多利用编码标志方法实现自动匹配。本文提出了一种两步法摄影物点与像点快速自动匹配方法,详细阐述了两步法自动匹配方法基本原理及匹配过程,利用编制的程序和搭建的试验环境对两步法的可行性和正确性进行了验证。两步法自动匹配方法算法简单、可靠,可以缩短图像处理时间,具有特定的应用价值,在实践中已得到成功应用。     

SURF算法在无人机倾斜摄影测量三维建模中的应用

针对无人机倾斜摄影测量影像的特点,采用一种影像特征点自动提取匹配算法,解决影像之间的比例尺不一致、分辨率不一致等问题,实现影像的自动精确匹配,最终构建具有精确地理信息的三维模型。实验结果表明构建的三维模型满足数字城市建设的需求,可为城市基础设施建设提供一种科学可靠的依据。     

地面激光点云与纹理影像的自动配准

针对建筑物场景存在丰富的线特征的特点,提出了一种基于直线特征的地面激光点云与纹理影像自动配准方法.试验结果表明,在没有初始配准参数的情况下,仅利用提取的线特征能够实现激光点云与影像的自动配准,并具有较高的配准精度.     

机载激光点云数据中电力线自动提取方法

提出了一种从机载激光点云数据中自动提取电力线的方法。首先利用顾及地形起伏特征的机载激光点云自动滤波方法移除地面点,利用维数特征以及方向特征自非地面点中分割获得电力线激光点云;然后对获取的电力线点采用二维霍夫变换和最小二乘拟合的方法求取每条电力线的中心线方程,根据中心线方程求取每条电力线上的激光点完成单电力线目标提取,并考虑了电力线在水平投影面内重叠时的情况;最后根据分块质心解算方法生成每条电力线上的三维节点,输出电力线矢量。采用实际线路巡检实验采集的机载激光点云数据进行实验,实验结果表明,该方法能从机载激光点云数据中提取出完整的电力线,并具有较好的鲁棒性,对电力巡线具有一定的实际意义。     

利用LiDAR点云强度的十字剖分线法道路提取

由于道路与地面在空间上表现相近,因此,仅用空间坐标无法从LiDAR数据中直接提取道路。机载激光扫描系统在获取对象三维信息的同时,也记录了激光经由反射的强度信息,因此能从空间坐标和辐射两个方面表现地物的特性。结合这两种相对独立的信息在激光扫描数据中进行道路提取,提高了提取结果的稳定性。首先利用激光扫描数据的高程滤波去除非地面点;再通过强度信息进行阈值分割得到包含干扰的初始道路区域;然后,利用两组十字剖分线检测初始区域在4个方向的狭长性与宽度一致性,使得狭长状、区域宽度较一致的道路区域同干扰区域具有不同的权值,从而提取真正的道路区域;最终通过对道路区域的细化和平滑,得到道路中心线。实验表明,该方法能够较好地在LiDAR数据中提取出道路并得到道路中心线。     

利用高分影像与特征匹配算法标定滑坡位移场

滑坡灾害是世界上破坏力极大的自然灾害之一,滑坡监测是预防滑坡灾害的重要基础。针对SIFT算法在滑坡遥感监测应用中存在特征点数量少、分布不均的问题,提出了一种将ASIFT算法和CSIFT算法相结合进行滑坡位移场标定的方法,即利用ASIFT处理全色影像,利用CSIFT处理多光谱融合影像,将两种方法提取的互不相同的特征点叠加综合得到更多的特征匹配点。该方法在露天矿滑坡的应用结果表明：与SIFT算法相比,新改进的方法大幅度增加了特征点数量,提高了滑坡位移场标定精度,且成本低、效率高,非常适合于大型滑坡后期大变形场监测。     

基于SURF改进算法的红外序列影像快速配准的方法研究

提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。     

利用自动匹配与三角剖分进行遥感图像几何精校正

在研究传统几何精校正方法的基础上,提出了一种高精度的基于自动同名点匹配和三角剖分技术的几何精校正方法,该方法是通过基准底图对待校正图像进行几何精校正的。首先利用FAST (Features from Accelerated Segment Test)算子在基准底图上快速提取均匀分布的候选特征点,通过图像自身携带的地理定位信息确定初始同名点对;经平移误差消除、互相关双向匹配、RANSAC(Random Sample Consensus)粗差剔除、二元三点插值等步骤获取稳定可靠的亚像元级同名点对;最后根据亚像元级同名点对构建Delaunay三角网进行图像变换和重采样处理。以Landsat卫星ETM为基准底图对环境卫星CCD数据进行几何精校正试验,本算法几何精校正精度较传统的方法得到了很大提高。     

Automated extraction of 3D vector topographic feature line from terrain point cloud

This paper presents an automated topographic feature lines detection method that directly extracts 3D vector topographic feature lines from terrain point cloud. First, signed surface variation (SSV) is introduced to extract the potential feature points. Secondly, the potential feature points are segmented to different clusters by combining region growing segmentation and conditional Euclidean clustering. In order to extract feature points, the potential feature points in each cluster are iteratively thinned using a HC-Laplacian smoothing method with SSV weighted taken into account. Besides, SSV-based and elevation-based simple rules are added for accelerating this thinning process. Finally, the feature lines are obtained by constructing the minimum spanning tree of the extracted feature points. By comparing with manually digitized reference lines, the correctness and the completeness of extracted results are about 80% or even higher, which are much higher than those extracted by D8 algorithm.     

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。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

图论算法的无人机影像匹配特征点粗差剔除

无人机影像匹配过程中，粗差是不可避免的，因此，获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除，该算法受抽样次数、误差阈值的影响，还会残存部分误匹配的特征点。利用图论原理，对SIFT算法提取的特征点进行预处理，通过构建特征点的能量函数剔除能量较低的特征点，可以提高匹配特征点的稳健性，减少特征点的粗差。本文提出了一种新的方法，将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFT-RANSAC算法，利用该算法可以提高特征点的稳健性，获取高精度的单应矩阵。采用两组无人机影像进行验证，本文提出的算法与单独利用图论剔除特征点的算法相比，粗差剔除率分别提高了5.31%和14.29%，说明该方法效果较好。     

基于单相机和结构光的纹理缺乏目标三维重建

提出了利用结构光自动匹配同名点的方法,解决了纹理缺乏目标难以自动匹配同名点的难题,介绍了利用单相机和结构光对纹理缺乏目标进行三维重建的全过程。