一种利用零交叉点理论的改进SIFT特征提取算法

提出了一种利用零交叉点特征提取的改进SIFT算子用于遥感影像的自动匹配.将图像几何特征引入到尺度空间探测中,获得了重复性更高、更稳定的特征.采用近景数码大旋角数码立体像对和低空航摄立体像对进行了算法测试.实验表明,改进后的SIFT算子应用于遥感影像自动匹配,在特征提取重复率、匹配正确点数、匹配正确率上均有明显提升.     

SIFT特征算子在低空遥感影像全自动匹配中的应用

低空遥感影像由于其飞行平台的不稳定性,影像间旋偏角和比例尺差异较大,因此常用的基于区域灰度的匹配方法很难获得令人满意的匹配结果,甚至无法进行匹配。本文针对低空遥感影像的特点,介绍了基于SIFT算子的特征匹配原理及其在低空遥感影像全自动匹配中的应用。试验结果表明,利用核线约束进行SIFT特征匹配,其速度和精度能够满足低空遥感影像的应用需求。     

一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法。首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准。实验结果表明:该算法比传统分块算法在遥感影像中得到的匹配点对精度更高,并且考虑到不同遥感影像配准场景的差异。     

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。     

基于非线性尺度空间的多源遥感影像匹配

针对遥感影像匹配中经典SIFT算法提取特征点时,高斯分解易造成边缘模糊和纹理细节信息丢失,从而使得边缘匹配稳定性差和误匹配点多的问题,文章引入最新的基于非线性尺度空间的KAZE算法并提出了限以空间约束的方法进行多源遥感影像匹配:通过特征点优选并进行特征匹配来计算几何变换模型,并对匹配点的搜索空间进行约束来提高匹配速度和精度,最后通过均方根误差迭代剔除误配点。实验结果表明KAZE算法提取特征点比SIFT稳定性高,易于后期误配点剔除;限以空间约束的匹配策略优于传统匹配策略;对于细节及纹理模糊的影像,KAZE算法相比SIFT算法有独特的优势。     

多源遥感影像配准中的SIFT特征匹配改进

针对尺度不变特征变换算法应用于多源遥感影像配准时面临的低效率和误匹配问题,从特征点提取和特征点匹配两个方面对其进行改进。在特征点提取阶段,通过控制特征点数量和分布情况获取均匀分布的特征点;在特征点匹配阶段,采用特征点仿射变换粗匹配、精匹配和误匹配点剔除策略,由粗到精地获取准确的同名点。对多源遥感影像进行配准实验,结果表明,此方法在匹配效率及匹配性能上均优于原始SIFT算法,且配准精度更高。     

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.     

图像特征点提取及匹配技术研究

图像特征点提取和图像匹配技术是图像处理领域中的重要技术,同时是多种图像处理及应用的基础。本文主要研究利用Forstner算子、Moravec算子、Harris算子、SIFT算子对近景影像和航空影像进行特征点提取;接着,采用基于SIFT的匹配来确定匹配同名像点,利用核线约束匹配的搜索范围,约束范围内的特征点;接着,采用灰度相似性约束和双向一致性约束对匹配结果进行检核;最后,得出特征提取和特征匹配的结果。基于本文研究的特征点影像提取及匹配方法,分别选取一组近景影像和数码航空影像进行实验,实验结果证明了本文方法的可靠性和高效性。     

基于邻域投票和Harris-SIFT特征的低空遥感影像匹配

文中提出一种基于邻域投票和改进的Harris-SIFT特征的低空遥感影像匹配方法。首先用NMS算法提取多尺度的Harris-SIFT特征并对其进行方向描述,然后根据最近邻与次近邻特征点距离之比确定初始匹配点对,最后通过近邻域选择投票的方法剔除候选点中的虚假匹配点,进而实现低空遥感影像的配准。实验表明该算法在获得充足匹配点且保证匹配精度的同时,明显提高影像匹配的效率。     

改进尺度不变特征变换的遥感影像配准

当遥感影像强度映射差异较大或发生非刚性变换时,该类方法会导致不理想的配准效果.针对此问题,该文提出了一种结合改进的SIFT和LPM算法的遥感影像配准方法.在SIFT算法的基础上引入Scharr滤波器进行空间极值检测并计算高斯尺度空间的梯度幅值;在构建特征描述符时使用梯度位置方向直方图算子提取特征向量;在特征匹配阶段通过设定阈值进行初始匹配并生成预设匹配集,利用LPM算法剔除预设匹配关系集中的错误匹配关系.实验结果表明,较之已有的遥感影像配准方法,本算法可以得到更高的匹配精度和更理想的配准效果.     

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。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

The Remote Sensing Image Matching Algorithm Based on the Normalized Cross-Correlation and SIFT

SIFT (scale invariant feature transform) is one of the most robust and widely used image matching algorithms based on local features. However, its computational complexity is high. In order to reduce the matching time, an improved feature matching algorithm is proposed in this paper under the premise of stable registration accuracy. This paper proposed a normalized cross-correlation with SIFT combination of remote sensing image matching algorithm. The basic idea of the algorithm is performing the space geometry transformation of the input image with reference to the base image. Then the normalized cross-correlation captures the relevant part of the remote sensing images. By this way, we can reduce the matching range. So some unnecessary calculations are properly omitted. By utilizing the SIFT algorithm, we match the preprocessed remote sensing images, and get the registration points. This can shorten the matching time and improve the matching accuracy. Its robustness is increased correspondingly. The experimental results show that the proposed Normalized cross-correlation plus SIFT algorithm is more rapid than the standard SIFT algorithm while the performance is favorably compared to the standard SIFT algorithm when matching among structured scene images. The experiment results confirm the feasibility of our methods.     

一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法

异源遥感影像匹配是高分影像处理中的重要环节与关键问题,但目前异源高分影像匹配精度有待提高。本文提出了一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法,首先利用尺度不变性特征变换（SIFT）对特征点进行提取,随后基于邻域投票对匹配特征点进行二次约束,最后区分出待剔除误差大的匹配点,进而确定精确匹配点。为了评价本文方法的精度,分别对建筑物、道路、水体进行匹配研究,试验证实该方法可以提高上述3种地类的匹配精度,相比传统的SIFT方法平均提高了66%,同时有效地保持了结果的尺度不变性。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

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。     

利用差分GNSS获取高精度无人机影像外方位线元素

目前,微小型无人机遥感系统定位精度低,需要布设大量地面控制点,才能满足空三和测图精度要求,为提高无人机遥感系统影像的后期处理效率,文中研究利用差分GNSS模块,结合后差分算法提高POS数据精度,并通过位置标定、相机时间延迟改正等关键技术方法开展研究,最终获得高精度相机曝光时刻的位置信息,以此为基础,集成一套基于差分GNSS的无人机遥感系统。通过实验,最终实现以少量地面控制点获取高精度无人机影像外方位线元素,提高无人机影像后期处理效率,具有一定工程应用价值。     

一种基于改进SIFT算法的遥感影像配准方法

本文首先分析了传统SIFT算法在遥感影像配准应用中存在的不足,从特征点匹配精度上进行了改进。通过分析SIFT特征点匹配的主要误差来源,逐步消除可能误差,提取尽可能多且精准的匹配点对。接下来利用该匹配点对作为配准用控制点对,分别对不同时相、不同分辨率遥感影像进行仿射变换和小面元微分纠正配准。最后与传统SIFT算法进行比较,试验结果表明本文算法具有更高的匹配精度。     

无人机航摄影像的RANSAC自动定向方法研究

针对无人机在区域范围拍摄的低空遥感影像数量多,且相邻影像间存在旋转、尺度变化大等导致的立体定向困难问题,本文提出一种适用于无人机影像自动相对定向及模型连接的流程。即利用SURF算法对区域无人机影像进行特征提取后,连续相对定向及模型连接过程使用结合相对定向模型的RANSAC算法去除错匹配点,并针对RANSAC算法选取样本匹配点对容易陷入局部最优问题进行改进,提高了结果精度。