一种无人机热红外与可见光影像匹配方法

针对异源无人机影像视角、分辨率、灰度值差异大的特点,提出一种基于语义深度局部特征的无人机热红外与可见光影像匹配方法。该方法首先利用全卷积神经网络和注意力机制提取具有语义信息的深度局部特征;其次以多通道特征图作为描述符进行kd-tree匹配;最后将向量场一致性VFC(Vector Field Consensus)和随机采样一致性RANSAC(Random Sample Consensus)相结合(VFC-RANSAC)进行误匹配剔除,从而实现无人机热红外与可见光影像的稳健匹配。匹配试验表明,与SIFT、KAZE等提取的人工特征相比,深度特征可以抵抗更大的影像几何和辐射差异;与RANSAC相比,VFC-RANSAC能够更有效地剔除外点,获得更高的正确匹配率和匹配精度。     

一种面向无人机绝对定位的卫星基准影像检索方法

针对全球导航卫星系统(global navigation satellite system,GNSS)拒止环境下大范围无人机视觉绝对定位问题,提出了一种聚合深度学习特征的卫星基准影像检索方法。首先,利用预训练的深度学习模型提取无人机与卫星基准影像的局部卷积特征;然后,对局部特征描述符进行聚合,生成影像全局表达;最后,利用影像全局特征进行相似性检索,并采用检索结果精匹配重排序的后处理方法,进一步提高检索准确率。设计了一个新的面向无人机绝对定位的卫星基准影像数据集并进行实验,结果表明,使用所提方法检索无人机影像适配区域的卫星基准影像的准确率达76.07%,可为后续基于视觉的无人机绝对定位提供参考。     

融合深度特征的无人机影像SfM重建

可靠特征匹配是无人机影像运动恢复结构(SfM)的重要环节。近年来,深度学习被用于特征提取和匹配,在基准数据集表现优于SIFT等手工特征。但是,公开模型往往采用互联网照片进行训练和测试,鲜有用于无人机影像SfM三维重建的性能评价。利用多组不同特点的无人机数据集,本文对比分析手工特征和深度学习特征在无人机影像特征匹配和SfM三维重建的综合性能。试验结果表明,利用公开的预训练模型,结合手工特征的高精度定位和深度学习的特征描述能力,可实现更准确和完整的特征匹配,并在SfM三维重建中取得与SIFT等手工特征相当,甚至更优的性能。     

无人机遥感影像匹配中的优化SIFT-OCT算法

针对传统尺度不变特征转换(SIFT)算法在高分辨率影像中检测特征点数量多、匹配效率低、无法快速对无人机低空遥感影像进行特征匹配的问题,该文优化SIFT-OCT算法的特征检测、特征匹配方法,主动放弃第一组尺度空间进行特征检测,并采用影像分块的方法加快检测过程;在特征匹配阶段,提出相似性系数进行匹配点对二次筛选,利用随机抽样一致性(RANSAC)算法计算透视变换模型参数进行精匹配.选取同一无人机序列影像中的4组不同地物类型的影像进行对比验证实验,结果表明,优化SIFT-OCT算法极大地限制特征提取数量,提高影像匹配效率,适合无人机低空遥感影像匹配.     

改进AKAZE算法的泥石流区无人机影像特征匹配

针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。     

高分数据辅助下的热红外遥感影像几何校正

随着热红外遥感技术的不断发展,热红外遥感影像在地表温度反演、森林火灾监测、矿物探测等方面应用广泛,而在这些应用中,热红外影像的几何校正是重要的基础性技术。利用高分二号卫星空间分辨率高的优势,通过研究分析异构载荷的成像差异与关联,提出了一种模拟影像与特征匹配相结合的方法。该方法立足高分辨率光学影像,以地面辐射基础数据为条件,首先从热红外辐射角度进行影像模拟形成过渡影像,并将其用于辅助热红外影像几何校正;然后利用尺度不变特征变换(scale invariant feature transform, SIFT)算子实现特征点的检测,从而获取同名点,提高热红外影像的几何校正精度。     

无人机影像SIFT特征匹配的集群并行处理方法

简要介绍了国内外摄影测量并行处理技术发展的情况。在分析SIFT(尺度不变特征变换)算法和集群并行算法特点的基础上,设计了一种无人机影像匹配并行处理的方法;兼顾计算局部化和负载均衡提出了分层列划分的数据划分策略;并通过重叠通信和计算来减少通信开销,借助时间分布图对算法进行了量化分析。实验证明该方法可扩展性较好,适合在集群平台上进行影像匹配高效处理。     

基于CSIFT特性的无人机影像匹配

随着无人机(unmanned aerial vehicle,UAV)平台技术的发展,越来越多的应用行业和研究领域开始使用UAV影像数据。不同于现有的摄影测量结合像控点的UAV影像匹配方法,提出一种新的UAV影像匹配方法。该方法采用彩色尺度不变特征转换(color scale-invariant feature transform,CSIFT)算法,利用彩色信息的空间不变特性提取基准影像与待匹配影像的特征匹配点对;并采用单应性矩阵与随机抽样一致性(random sample consensus,RANSAC)算法对匹配结果进行提纯,得到最终匹配结果。仿真实验表明,该方法可在保证实验过程鲁棒性的同时,与传统的尺度不变特征转换(color scale-invariant feature transform,SIFT)方法相比,将匹配准确率从70%提高到了88%,而且大大减少了特征点对的数量,缩短了处理时间,提高了UAV影像匹配效率。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

基于SIFT的无人机遥感影像匹配算法研究

无人机遥感影像存在像幅小、数量多、基线短、重叠度不规则且倾角过大等问题,传统的灰度匹配很难胜任无人机遥感影像的匹配。SIFT特征具有旋转、微小仿射的不变性。本文分析SIFT特征的优点,指出其存在的问题,结合灰度匹配、最小二乘匹配及影像金字塔策略,提出了一套适合无人机遥感影像的匹配算法流程。     

无人机影像增量式运动恢复结构研究进展

增量式运动恢复结构（structure from motion, SfM）已经成为无人机影像空中三角测量的常用解决方案。考虑到无人机影像的特点,增量式SfM在效率、精度和稳健性方面的性能有待提高。首先给出了增量式SfM无人机影像空中三角测量的技术流程,然后从特征匹配和几何解算两个方面对其关键技术进行了综述,最后从数据采集方式改变、大场景影像处理、通信与硬件技术发展、深度学习融合等方向,展望了增量式SfM无人机影像空中三角测量的挑战和后续研究,总结本领域的现有研究,为相关研究者提供参考。     

联合对数极坐标描述与位置尺度特征的无人机影像匹配算法

针对无人机（unmanned aerial vehicle, UAV）影像提取的同名点数量较少,从而影响影像间位姿信息的计算,导致影像拼接错位、平差解算不严密甚至失败等问题,提出了一种联合对数极坐标描述与位置尺度特征的匹配算法。首先,建立高斯多尺度影像集合进行特征点提取;其次,采用对数极坐标进行描述子构建,建立适合UAV影像特征的描述子;然后,通过位置和尺度约束的距离匹配函数进行特征匹配;最后,通过模式搜索和快速样本共识方法剔除粗差后完成同名点提取。将四旋翼UAV获取的影像作为实验数据,与SIFT(scale invariant feature transform)算法和SAR-SIFT（synthetic aperture radar-SIFT）算法进行了影像匹配的对比实验。结果表明,所提算法可以较好地提取UAV影像的同名点对。     

结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割

针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的FuseNet变体网络架构对常见的土地覆盖对象类别进行语义分割。首先,采用FuseNet变体网络将数字地表模型（digital surface model,DSM）图像中包含的高程信息与红绿蓝（red green blue,RGB）图像的颜色信息融合;其次,在编码器和解码器中分别使用空洞卷积来增大卷积核感受野;最后,对遥感影像逐像素分类,输出遥感影像语义分割结果。实验结果表明,所提算法在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing, ISPRS)提供的Potsdam、Vaihingen数据集上的m_F1得分分别达到了91.6%和90.4%,优于已有的主流算法。     

点云辅助GB-InSAR影像与地形数据应急变形监测方法

将采用地面三维激光扫描(terrestrial laser scanning, TLS)、地基合成孔径雷达干涉测量(ground-based interferometric synthetic aperture radar, GB-InSAR)和无人机航空摄影测量（unmanned aerial vehicle photography, UAV）的综合遥感方案应用于崩塌体应急监测。引入迭代最近点法（iterative closest point, ICP）,首先实现TLS点云和UAV影像离散点云配准;然后,利用几何映射方法实现GB-InSAR二维形变图与TLS点云三维匹配;针对崩塌体应急缺少人工目标辅助校正几何映射偏差的问题,综合目视解译以及峰值相关性分析提取各数据间的同名特征点,根据同名特征点计算空间坐标变换参数,建立变换方程来完成误匹配纠正。利用所提的匹配方法处理模拟数据及某滑坡崩塌残余体实际监测数据,结果表明实测匹配精度达像素级,满足应急监测需求。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

局部物体块匹配的图像匹配算法

构建具有较强表达能力的图像特征是图像匹配应用的核心环节.训练孪生神经(Siamese)特征提取网络构建图像局部特征,通过图像局部特征的匹配解决整体图像匹配的问题.在图像匹配过程中,首先检测图像中包含的物体块,采用特征提取网络构建各物体块的特征表达,然后计算各物体块间的相似度,组成图像对相似矩阵,最后基于相似矩阵构建图像...     

半全局约束下的多基线立体影像MVLL匹配方法

多视铅垂线轨迹法（multi-view vertical line locus,MVLL）能够以物方地面铅垂线为几何约束,匹配获取物方空间点的最佳高程,是一种实用的多基线立体影像匹配方法。针对MVLL匹配方法中的物方空间点独立匹配、缺少整体性约束问题,将物方空间局部光滑特性应用至匹配过程,提出了一种半全局约束下的多基线立体影像MVLL匹配方法。首先,将物方空间点沿地面铅垂线上的准确高程搜索,等效至像方空间沿核线方向上的准确视差搜索;其次,采用MVLL匹配方法计算物方空间点在多张影像上的等效像方匹配测度;然后,采用半全局匹配法（semi?global matching, SGM）对匹配测度进行多路径聚合分析,得到物方空间局部光滑约束下的等效视差图;最后,将等效视差图转化为物方空间点匹配高程,并对多基线立体影像进行多分辨率匹配处理,实现整体最优条件下的MVLL匹配。采用多类型地形特征与局部区域影像进行匹配实验与对比分析,实验结果表明,所提方法能够对多类型地形特征的物方空间匹配测度进行优化,获取更加可靠的匹配结果,具有更高的影像匹配性能。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。