低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。     

基于NSCT和SURF的遥感图像匹配

SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。     

基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

基于SURF特征提取和Brute-Force搜索的图像匹配算法

针对传统图像匹配算法面临的特征提取的信息较少,匹配成功率不高以及匹配速率较低等问题,提出基于SURF特征提取和Brute-Force搜索的图像匹配算法。利用SURF算法中的Hessian矩阵来获取图像中鲁棒性较好的突变点,并使用不同尺寸的滤波器同时处理尺寸空间多层图像的突变点,以此来提高匹配速率,最后采用Brute-Force搜索算法对图像特征点进行最佳匹配,以此来提高匹配成功率。实验表明,该算法在图像匹配效果和匹配效率方面都表现良好。     

利用亮度排序的快速鲁棒特征描述与匹配算法

针对快速鲁棒特征SURF描述符匹配精度不高且对光照变化不具有鲁棒性的问题,提出利用亮度排序的快速鲁棒特征描述与匹配算法。该方法在SURF算法的基础上,对特征邻域像素的灰度值进行排序和分段。通过建立索引表对每段的像素进行表示形成描述子,再将每段的描述子串联形成特征描述符对影像进行匹配。实验表明,该算法较SURF算法匹配精度高,匹配可靠性方面提高74.7%,且对线性及非线性光照变化均具有较好的鲁棒性。     

FREAK和改进的RANSAC算法在影像匹配中的应用

针对倾斜摄影中包含多个视角的影像而使匹配速度较慢的问题,提出了一种Speeded up robust features(SURF)、Fast Retina Keypoint(FREAK)和改进的Random Sample Consensus(RANSAC)算法相结合的影像匹配算法。首先利用SURF算法提取出稳健的特征点,然后利用FREAK描述符对特征点进行描述,在影像匹配阶段首先进行预匹配,然后用改进的RANSAC算法剔除错误匹配点对。经实验比较分析后得出:该算法在效率和匹配精度上都有较好的鲁棒性。     

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。     

基于SURF特征匹配算法的直接定位技术研究

为保证结合机载Li DAR数据与同机影像数据的直接定位模型的计算精度与生产效率,本文提出了一种结合SURF匹配算法自动选取影像连接点的直接定位技术。首先对直接定位过程中控制点选取和IMU与相机旋转角误差进行探讨,然后对SURF、NCC、SIFT影像连接点选取方法进行对比,最终选取SURF匹配算法获取影像连接点。以Li DAR点云差值来修正地面点坐标高程值,结合SURF匹配算法进行直接定位实验,实验结果表明:与其他几种算法相比,SURF可自动获取精确的影像连接点,且计算速度快,便于直接计算定位模型,达到快速获取像点地理坐标的目的。     

基于SURF算法的雪地图像特征提取与配准

设计了一种针对雪地图像特征提取与配准的方案,首先基于SURF算法提取图像特征点,然后通过MSAC算法进行匹配点对提纯,并通过SVD分解实现矩阵的求解,最后依据求解结果进行了图像的配准,并从重投影误差、转换矩阵、不同算法匹配性能对比等方面对设计方案进行了验证、分析。实验结果表明:SURF算法提取的内点数分别占2幅图像提取特征总数的16.03%和20.03%;在相同的像素阈值下,投影变换由于考虑了图像的旋转、平移、缩放、切变和射影等参数,与仿射变换和相似变换相比,能够比较全面地反映倾斜摄影图像间的内在变换关系;本方案获得的拼接图像无明显错位,色彩过渡自然,无拼接缝。     

一种改进SURF的视觉影像匹配算法

视觉影像经常存在纹理情况复杂和动态模糊等情况,严重降低了连续影像间各类特征的相似性,导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配,影响后续影像处理中各类信息的获取。针对上述情况,本文提出了一种改进SURF视觉影像匹配方法。该方法包括特征提取、初始匹配和对应匹配3个步骤。首先,利用SURF特征匹配方法提取足够且分布良好的特征点;其次,进行初始匹配,得到一些正确的匹配点对及影像对之间的初始投影变换关系;最后,采用几何对应匹配策略进行匹配传播,得到更可靠的匹配结果。通过图像对之间的几何关系,几何对应匹配能够发现比初始SURF算法更合适的匹配结果。对TUM数据综合试验表明,该算法简单快速,匹配精度高。