基于Contourlet域Hausdorff距离和粒子群的多源遥感图像匹配

为了进一步提高多源遥感图像的匹配精度和运算效率,本文提出了一种利用Contourlet变换、Hausdorff距离和改进粒子群的遥感图像匹配算法。在分别对目标图像和参考图像进行Contourlet分解的基础上,采用小波模极大值法提取低频图像的边缘信息,以LTS-HD作为图像匹配的相似性度量准则,并利用一种带极值扰动的简化粒子群优化算法对低频边缘图像进行匹配操作,得到粗匹配点;然后根据粗匹配点的位置反演计算到原始图像,进行精匹配,最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。     

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。     

一种室内位置指纹数据库构建方法

针对室内定位导航服务很大程度上依赖于数据库的支撑,高精度参考点位置指纹数据库的构建与更新需要耗费大量的人力劳动的问题,该文提出一种快速构建室内位置指纹数据库的方法,该方法通过智能手机采集惯性传感器数据和视频数据,使用改进的图像匹配方法连续匹配视频图像,结合运动恢复结构方法和惯性航位推算方法进行行人运动轨迹的几何重建与位置估计,进而实现室内位置指纹数据库的快速构建。实验结果表明,该方法得到的位置标注结果平均误差为0.53 m,构建得到的位置指纹数据库可直接用于室内定位。     

室内移动机器人自定位方法

针对室内机器人移动导航定位存在的问题,该文研究了基于Kinect传感器的定位算法。该方法应用Kinect传感器采集了移动机器人运动过程中连续帧的彩色和深度信息;通过尺度不变特征变换算法匹配连续场景图像中的特征点对,经随机抽样一致性算法剔除点集中的误匹配点;利用Kinect的深度信息将可用点集的二维坐标转换到相机坐标系下的三维坐标;并使用绝对定向算法计算机器人在相邻位置上的姿态信息和平移量,从而提高了机器人的移动参数的计算精度。通过实验验证了该方法的可行性,且能够满足实时要求,可以同时进行定位与地图创建。     

图像匹配的物体空间关系推理表达

物体空间关系指的是物体在欧氏空间中的邻近关系,根据图像中包含物体的邻近关系解决图像匹配的问题。本文首先基于对比机制训练物体块特征提取网络,构建物体块深度特征,该特征可以有效匹配不同图像中的相同物体块;其次,基于已有的先验图像数据推理表达图像中物体的空间邻近关系,构建场景物体空间邻近图;进而基于该空间邻近图计算场景图像对的空间邻近度,完成图像空间关系匹配。试验表明不匹配图像间的空间邻近度一般为0,而匹配图像间的空间邻近度一般大于0,本文空间关系匹配涉及多个物体间的相互关系,具有更强的稳健性,其匹配效果明显优于对比试验中的其他方法,可以高效稳定地完成图像匹配任务。     

联合类别筛选与重排序的交叉视角图像地理定位

针对交叉视角图像视角差异大导致地理定位精度较低的问题,本文以孪生网络为基本结构,提出了一种基于相似度学习并联合场景类别筛选与重排序的定位方法。首先,对交叉视角图像进行相似度学习,并根据相似度大小对参考遥感图像进行排序;然后,通过训练SVM分类器获取地面图像与遥感图像的场景类别;最后,基于特征相似度并利用场景类别信息与重排序实现地理定位。试验结果表明,相比传统的基于特征匹配的地理定位方法,本文方法可有效提高交叉视角图像地理定位的精度,且类别筛选与重排序对于地理定位具有有效性。     

融合三边测量和PDR的室内定位关键技术分析及应用

随着无线室内定位技术的发展，室内定位效果有了明显提升，但仅采用无线定位方法，定位点跳动频繁，定位效果较差，难以获取连续位置的准确定位。实际应用中不同的硬件平台也会影响具体定位方法的选择，通常需采用多种技术手段的组合以达到理想定位效果。本文基于微信公众平台的服务需要，提出了一种基于三边测量定位和步行者航位推算（PDR）融合的室内定位方法，通过地图信息匹配纠正定位结果，得到连续稳定的定位结果；并集成室内地图可视化技术，研发了一套基于微信平台的三维室内定位系统，在实际工程场景中进行应用，具有较好的定位效果。     

结合改进特征算法和狄洛尼三角网的图像匹配方法

针对加速的具有鲁棒性特征算法导致匹配图像丢失颜色信息成分的问题,该文从图像匹配的效率和精度出发,提出了一种基于改进加速的具有鲁棒性特征算法和狄洛尼三角网的图像匹配方法。该方法在原有加速的具有鲁棒性特征算法的基础上,引入颜色不变量模型和狄洛尼三角网、三角形相似函数及摄影不变量等约束条件,有效保留了图像的颜色信息,减少特征点错误的匹配率。实验表明:本算法具有匹配速率高、提取的特征点多且分布均匀以及匹配率高等特点。     

SAR和光学异源遥感图像匹配方法的探讨

本文针对SAR和光学遥感图像的异源遥感图像匹配的问题,采用6种基于图像灰度信息的相似性度量方法进行研究和实验。在求得图像间旋转和尺度参数的基础上,重点比较了如何提取平移量。采用了包括归一化互相关、相似率、结构相似性、交互方差、互信息和f散度的方法,并根据SAR图像特性进行了部分改进,得到了不同场景下的实验结果,最后对结果进行了比较和分析。结果表明针对不同场景中匹配方法各有优势,其中归一化互相关方法和f散度方法在场景适应性及精度上表现出了很好的适应性。     

特征提取和特征匹配改进方法的研究

在分析了几种常用的特征提取和图像匹配算法的基础上,针对影像上纹理特征稀少、影像对比度不明显的问题,提出先用高斯差分方法突出图像特征,再用Harris特征点提取算法进行特征提取的方法;针对如同建筑物等相似特征较多的情况,利用双向特征匹配、经过斜率约束得到的结果计算视差,再进行图像匹配,可以将特征匹配限制在相关的小范围内,由此得到的同名点对比较可靠,并且提高了效率。实验证明该算法适合特征稀少不明显区域、建筑物等相似特征较多的图像匹配,具有一定的实际意义。