运动视频序列影像的自动配准

影像配准是运动视频处理应用中的关键技术,从计算机视觉角度出发提出了一种针对运动视频处理的自动影像配准方法.其主要思路可以归结为基于特征匹配的配准过程,具体分为3个方面:利用Harris算子检测角点特征;以互相关函数为测度对角点特征进行初步匹配,特别使用RANSAC拟合基础矩阵F的方法剔除匹配中的错误对应;利用得到的结果重新拟合配准模型进行重采样变换.最后进一步分析了此方法应用于具体运动视频处理时需要考虑的一些问题.     

利用线特征和SIFT点特征进行多源遥感影像配准

提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参考影像中的线特征,利用匹配直线构建虚拟角点;其次,针对传统SIFT算法匹配多源遥感影像特征点存在的不足,采用线特征约束点特征的方法进行SIFT同名点对的提取;最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。试验结果表明,本文方法能取得较高的配准精度。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。     

无人机数字影像配准技术研究及精度分析

无人机数字影像配准技术是无人机航空摄影测量的基础技术之一。针对无人机遥感影像配准问题,本文选取地物特征点进行坐标系投影变换,从而确定影像空间位置,完成影像配准工作,并进行精度评定。研究表明：(1)通过手动选取控制点进行坐标拟合,可有效将TIF和JPEG影像进行配准。(2)基于灰度共生矩阵的特征点匹配法具有较高的配准精度,基于相位相关的区域配准法适用于处理大面积的影像配准问题。(3)利用TIF影像数据配准精度较高,JPEG影像数据更便于传输与存储。(4)配准的最佳方法取决于所应用的场景。     

一种改进的UAV视频序列影像镶嵌方法

视频序列影像自动镶嵌是UAV视频影像处理应用中的基础环节和重要研究方向。针对序列影像镶嵌过程中,由于配准精度不高、误差累积所导致的拼接错位严重,镶嵌结果不理想的情况,从提高特征匹配的精度和准确度出发,提出了一种改进型的UAV视频序列影像自动镶嵌方法。通过对特征匹配结果的精细化处理,保证了影像配准的正确性,取得了较好的镶嵌结果。     

一种改进的UAV视频序列影像镶嵌方法

视频序列影像自动镶嵌是UAV视频影像处理应用中的基础环节和重要研究方向.针对序列影像镶嵌过程中,由于配准精度不高、误差累积所导致的拼接错位严重,镶嵌结果不理想的情况,从提高特征匹配的精度和准确度出发,提出了一种改进型的UAV视频序列影像自动镶嵌方法.通过对特征匹配结果的精细化处理,保证了影像配准的正确性,取得了较好的镶嵌结果.     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时，存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题，以SPOT5影像与RADARSATSAR影像配准进行实验，提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准，然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法，配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性，配准精度高。     

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。     

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。     

一种无人机视频影像快速配准方法

针对应急测绘中对无人机视频数据快速获取及处理的需求，提出了一种无人机视频影像快速配准方法。首先采用时间索引和线性/球面插值方法实现视频帧与无人机定位定姿信息的时间同步，根据数字微分纠正算法实现视频帧的地理编码，实现视频帧间的粗略配准，然后控制仿射变换模型中的缩放因子不变对纠正后视频帧的坐标进行调整，完成视频帧间的精配准。试验结果表明该方法能够得到航带内视频帧较好的配准效果。     

结合运动平滑约束与灰度特征的卫星视频点目标跟踪

针对卫星视频条件下的点目标跟踪问题,提出了一种运动平滑约束的贝叶斯分类目标跟踪方法(BMoST)。本方法引入朴素贝叶斯分类器的思想,不依赖目标的任何先验概率,在运动平滑性约束下,利用灰度相似性特征来表达描述目标的似然度,并根据独立假设的贝叶斯定理,建立简化的分类器条件概率修正模型,通过该模型估计目标的后验概率,从而实现目标跟踪。同时,采用卡尔曼滤波辅助、优化跟踪处理,提高算法的稳健性。试验数据采用SkySat和吉林一号拍摄的视频各两段,对6个点目标进行跟踪试验。结果表明,本文提出的方法针对卫星视频的点目标跟踪效果良好,精度达到90%左右,且跟踪轨迹平滑,满足卫星视频后续高级处理和应用需要。     

视频数据的地理信息提取研究

针对视频数据虽然能高效、逼真、详细地展现地理信息,但是因不具备地理框架而不能直接与GIS结合,参与空间分析的问题,该文通过多次真实环境条件下的尝试性实验,探索出一种从视频中提取地理信息的方案:采用运动目标检测技术自动识别出视频帧中实体的轮廓;通过半自动的处理清除提取数据的干扰轮廓;借助数据变换技术为视频帧及其提取的数据赋予准确的地理框架。基于真实环境的实验结果表明:该方案不仅可以有效地提取视频中的地理信息参与空间分析,还能够实现其空间分析结果的多视角可视化。本研究针对视频与GIS结合问题做出初步探索,为视频GIS的深层次研究提供帮助。     

基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法

InSAR复图像配准是合成孔径雷达干涉3维成像技术中的重要步骤之一。为了获得高精确度的测量结果，要求两幅复图像之间配准达到亚像素级配准精确度。提出了一种将相关匹配和最大谱图像配准相结合的配准新方法。在相关匹配进行粗配准的情况下，通过插值所选控制点的值，并采用最大谱图像配准方法以亚像素单元进行精配准，其配准精确度达到亚像素级。实验结果证实了所提出方法的有效性。     

干涉雷达在DEM测量中的精度影响及处理方法

干涉合成孔径雷达 (INSAR)为数字高程模型 (DEM)测量提供了一种新的手段。它具有同时获取三维信息、测量范围广、空间和高程分辨率高等优点。文中首先扼要介绍了干涉雷达的原理 ,然后重点讨论几个影响测量精度的因素及其处理方法 ,如相关、运动补偿、配准、相位展开等。     

纸地图增强现实对准技术研究

纸地图在认知地理环境过程中具有不可替代的作用,经过增强现实技术改造,将会在立体化、动态性和交互性等方面发生质的飞跃。探讨了纸地图增强现实研究的特点,设计了一种可行的增强现实流程;结合纸地图图形特征,研究了基于视频处理方法的纸地图增强现实对准技术,提出了利用地图标识库实现自适应处理标识信息的方法流程;对纸地图增强现实对准的关键问题进行了论述,并进行了设计实践,构建了纸地图增强现实原型系统。     

InSAR复影像配准方法与实践

利用合成孔径雷达干涉测量技术获取地表三维信息的研究，受到世界各国的广泛关注。高精度复影像配准是InSAR数据处理的关键步骤，其结果直接影响生成干涉相位的质量，进而影响获取数字高程模型的精度。本文采用相干系数法进行粗配准，采用基于相干系数拟合的方法进行精配准，可以实现复影像数据的高精度配准。经机载和星载数据的试验验证，该方法有效可行且运算效率高，具有实用性。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。