一种改进的无人机影像拼接粗差剔除算法

利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。     

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。     

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。     

一种喀斯特地貌无人机遥感影像的快速匹配方法

针对喀斯特地貌地形起伏大、沟壑纵深、影像局部存在阴影,该地区无人机遥感影像匹配难度大,该文提出一种基于AKAZE特征和RANSAC算法的喀斯特地貌无人机遥感影像的快速匹配方法。该方法采用AKAZE特征检测算法提取喀斯特地貌无人机遥感影像的特征点,能够较为精简地描述出影像的特征,影像匹配时间缩短,匹配速度提高明显;由于预匹配存在错误点对,利用单应性矩阵的RANSAC算法进行精准匹配,剔除错误匹配点对,同时得到最优的单应性矩阵。实验结果表明,该方法的匹配耗时和匹配正确率较优于经典的SURF和BRISK算法,该匹配方法更适合于喀斯特地貌无人机遥感影像匹配。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势，本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点，然后利用SIFT描述符描述特征向量并获取特征点的主方向，最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析，试验结果表明：与常用匹配方法的匹配效果相比，本文的匹配方法继承了AKAZE算法的快速匹配能力，匹配总耗时介于AKAZE算法和SIFT算法之间，约为BRISK算法匹配耗时的20%；同时，该匹配方法继承了SIFT算法的多匹配点对性能，从整体匹配效果来看，本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

利用A-AKAZE算法进行喀斯特地区无人机影像匹配

喀斯特地区地形复杂，无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率，本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟；然后利用AKAZE算法对模拟影像进行特征点提取和描述，并获得原始影像的特征点和描述符；最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配，进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究，并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明，对喀斯特地区无人机影像匹配而言，与ASIFT算法相比，在保持相当匹配正确率的情况下，基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右，可以较大幅度地减少匹配总耗时；与AKAZE算法相比，基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数，本文算法优于AKAZE和ASIFT等常用算法，更适合于喀斯特地区的无人机影像匹配。     

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。     

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法。该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性（RANSAC）算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入LM算法对单适应矩阵进行优化;最后采用重叠过渡泊松融合算法对影像进行拼接融合,以实现影像的无缝拼接。试验结果表明,该方法在无人机遥感影像拼接方面具有优势,能够获得良好的拼接影像。     

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题，本文提出一种基于改进FAST的特征点提取，结合对立颜色特征的图像匹配算法。首先，利用改进FAST算法提取的角点作为特征点，结合改进的Opponent SIFT算法对特征点进行描述；然后，使用基于字符定位算法对提取的特征点对进行粗匹配，降低整体匹配过程中特征点对误匹配的风险。最后，为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题，运用向量场一致性替代RANSAC进行提纯，降低误匹配率。通过对比试验表明，改进算法匹配准确率均大于91%，且对差异变化具有较好的稳健性、适应性。     

POS辅助和核线约束的倾斜影像匹配方法

针对无人机倾斜影像匹配时,由于冗余数据量大、影像几何变形大和重复纹理导致基于SIFT特征点的无人机倾斜影像匹配效率和可靠性低的问题,本文提出一种基于POS辅助和核线约束的倾斜影像匹配方法。在该方法中,首先利用机载GNSS/IMU设备获取的影像POS数据计算影像间在物方的重叠区域,接着将物方重叠区投影至像方,根据两幅影像的像方重叠率筛选高可靠像对;其次采用SIFT-GPU算法对影像提取特征点,并根据POS数据估计像对间的核线关系;然后在核线约束下,以描述子间的欧氏距离为相似性测度,实现特征点的高效稳健匹配;最后采用RANSAC算法剔除误匹配。通过对两组倾斜影像做匹配试验验证了本文方法的可行性。     

一种改进的APAP影像匹配算法

针对无人机影像匹配时易出现影像重影、透视失真和耗时较长等问题，本文提出了一种改进的APAP算法。该算法首先利用SIFT算法选取特征点，通过改进RANSAC算法去除误匹配点；然后根据APAP算法对影像进行网格划分，求每个网格的单应性矩阵，并对单应性矩阵进行线性化；最后根据线性化的单应性矩阵进行影像匹配，单应性矩阵的线性化不仅对影像匹配时产生的重影现象有较好的削弱作用，而且能减少非重叠区域的透视失真。试验结果表明，本文方法在匹配效率和匹配效果方面效果显著。     

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;②设计了一种顾忌稳健性     

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。