相位相关辅助的重复纹理区域特征跟踪匹配

在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及三维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。     

多层平面单应约束车载街景影像匹配算法研究

车载街景影像匹配中含有较多难以剔除的误匹配,建议采用一种多层平面单应约束的车载街景影像匹配方法进行剔除。车载街景影像的拍摄对象主要为多层次的建筑物立面,物方平面在立体像对中的投影满足单应约束,所以建筑物立面在影像中满足多层平面单应约束。采用Harris算法提取角点特征,采用SIFT算子描述并用邻近距离比约束匹配获取初始同名点。首先,采用核线约束初步剔除误匹配;然后,结合RANSAC估计立体像对间的多层平面单应删除外点。该方法可删除纹理重复造成的误匹配,提高立体像对间匹配的正确率。     

对沿街立面纹理快速重建问题的研究

由于建筑立面纹理通常包括多张影像,因此为了生成完整的立面纹理,需要对多张影像进行拼接。由于车载影像的几何变形很大,所以现有的拼接软件对其拼接的效果均不理想。因此,提出在对车载影像进行自动几何纠正的基础上,结合同名点以及影像直线信息对序列影像进行自动拼接的方法,实验证明是行之有效的。     

基于KLT算法的车载序列影像匹配方法

将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。     

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。     

基于车载序列影像的建筑立面纹理的快速重建

提出了一种基于车载序列影像的建筑立面纹理快速重建的方法。首先进行影像预处理,包括畸变差改正、树木遮挡去除等,然后对影像进行自动纠正,在此基础上,自动选择拼接点对影像进行拼接。实验证明了本文方法的有效性。     

多视激光点云数据融合与三维建模方法研究

基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。     

SURF与归一化互相关测度相结合的SAR影像匹配方法研究

合成孔径雷达(SAR)匹配是SAR影像处理的重要环节,但由于SAR影像的特殊成像机理,导致SAR影像在匹配时会出现精度、成功率都较低等问题。特别是山地区域,SAR影像富含纹理信息稀少,影像间几何畸变和辐射变形严重,导致特征点提取困难,匹配精度低。鉴于此,本文提出了采用SURF算法和归一化互相关测度相结合的方法,该方法能够快速获得大量匹配点对,实现SAR影像高效的自动化匹配。首先,应用SURF算法获取影像特征点约束匹配搜索范围;然后,采用归一化互相关和测度筛选提取到的匹配点对;最后,利用双向一致性约束剔除错误匹配点对。本文选取地形复杂区域SAR影像数据进行匹配实验,结果表明,该方法能够获得高精度、特征稳定且分布均匀的匹配点对,可以有效地避免几何变形对SAR影像匹配的影响。     

基于立体像对与SFS相结合的三维重建研究

为解决立体视觉中非边缘区域及阴影区域匹配误差较大、非重叠区域无法重建三维等问题,将单幅影像三维重建技术(Shape From Shading,简称SFS)和立体视觉结合起来。利用SFS重建的深度信息作为特征点匹配的相似性测度以提高特征点匹配精度,对影像采用分区重建的方式,特征点采用立体视觉方式获取高度值,非特征点区域采用FSM-SFS方法进行三维重建。实验证明,深度匹配可避免透视收缩造成的匹配失效问题,提高特征点匹配精度,可有效解决立体视觉中对于光滑及缺乏纹理的区域重建困难的问题。     

重复结构检测的建筑物立面影像纹理分割

针对检测影像重复结构的算法需要大量迭代计算、效率不高等问题,该文结合相位相关和灰度相关算法,实现了建筑物立面影像纹理重复结构的检测,在此基础上,利用灰度梯度信息进一步分割立面纹理结构。相位相关通过在频域检测立面两区域影像傅里叶变换的相移来确定其在空间域对应的近似偏移量,实现重复纹理结构的粗定位。基于灰度相关的相关系数用来检测两区域影像的灰度相似性以精确确定重复纹理结构。纹理结构的分割则是根据纹理边缘梯度特点,在水平和竖直方向定位纹理结构单元的分割线。实验证明,该算法结合了立面影像纹理相似区域粗定位和精检测,有效提高了立面影像纹理重复结构检测及分割的效率。     

一种POS数据辅助多视角倾斜航空影像匹配方法

提出一种利用POS辅助多视角倾斜影像匹配的算法。首先,利用POS数据对倾斜影像进行近似核线纠正;然后,用SIFTGPU算法对纠正影像进行特征匹配,根据匹配结果计算出两张影像的水平和垂直方向视差进而求得其近似重叠区域;将重叠区域进行分块特征匹配,采用比值提纯法、视差约束和RANSAC算法等约束条件剔除误匹配;最后,将匹配结果通过POS数据反算回到原始影像上。试验结果表明,将POS数据应用到多视角倾斜影像匹配中,可快速获得比常规影像匹配方法数量更多、分布更均匀的匹配点。     

POS数据辅助的航空影像变化检测方法研究

提出了一种利用机裁定位定向系统（POS）数据辅助航空影像进行影像匹配和变化检测的方法。首先利用带POS数据的老影像解求新影像的外方位元素，然后在老立体影像上提取特征点，根据前方交会和共线条件方程得到新影像上同名点的近似位置，再与新影像进行匹配，寻找匹配不好的点作为变化区域的初始位置。以此为基础选择精检测窗口，进行边缘提取和跟踪，并进行链码匹配，最终确定发生变化的区域。试验证实，本文方法是可行的。     

多源高分辨率遥感影像自动匹配算法

提出一种基于同名直线约束的多源高分辨率遥感影像自动匹配方法。对影像建立高斯滤波模型去噪,然后进行边缘检测,在边缘影像上进行Hough变换,通过端点检测的方法来获取直线;通过粗匹配参数进行同名直线粗匹配,应用梯度模型对同名直线进行精匹配;对影像提取特征点,特征点经过同名直线约束后,在对应影像上利用同名直线约束建立匹配范围。采用最小欧式距离准则在给定范围内提取初始同名点;利用RANSAC算法剔除错误同名点对,以获取最终的匹配结果。实验结果表明,与传统的SIFT匹配算法比较,方法具有可靠性好、提取同名点数量多的优点。     

一种改进的户外移动增强现实三维注册方法

针对目前移动增强现实三维注册实时性不强和鲁棒性差的问题，提出一种基于改进加速鲁棒性特征（speed up robust features，SURF）算法和角点跟踪算法（Kanade-Lucas-Tomasi，KLT）的移动增强现实户外三维注册方法。该方法通过结合快速视网膜关键点（fast retina keypoint，FREAK）算法改进了SURF算法（简称SUFREAK），提高算法描述子构建效率，并保持了算法的鲁棒性。利用视频帧间的相关性，采用KLT光流跟踪算法对户外场景的自然特征点进行跟踪预测，以提高三维注册的实时性。实验结果表明，在户外复杂环境条件下，改进SURF算法具有较高的实时性和鲁棒性，且基于改进SURF和KLT算法的移动增强现实三维注册具有良好的实时性和图像识别效率。     

机载激光雷达点云与定位定姿系统数据辅助的航空影像自动匹配方法

本文针对LiDAR点云和POS数据辅助航空影像的连接点自动匹配,设计了用于相关系数匹配的最佳匹配点位快速搜索算法;提出一种基于虚拟地面控制点的相机安置角误差自动检校方法,在此基础上自适应确定影像匹配搜索范围。试验结果表明,本文提出的最佳匹配点位快速搜索算法可在保证匹配正确性的情况下节省约25%的匹配耗时;相机安置角误差补偿方法能够有效地提高由POS数据计算的影像外方位元素的精度,从而明显改善同名点匹配时的点位预测精度;本文算法能处理多分辨率、多视角的交叉飞行航空影像,获得高精度的匹配结果。     

一种改进的多源遥感影像SIFT算法匹配策略

传统SIFT算法在遥感影像中相似性场景大量存在的情况下呈现出匹配效率低的问题。文中提出对传统SIFT算法匹配策略进行改进,其步骤包括:首先在初匹配阶段,利用建立金字塔影像匹配的方式确定影像间的几何关系模型;其次,利用该几何关系模型对初始影像进行约束匹配;最后利用RANSAC模型剔除误匹配点。通过相似性场景影像匹配实验可以表明,与传统SIFT算法相比,本方法具有明显的匹配效率和精度优势。     

应用Hessian-Affine的遥感图像配准实验

针对存在云雾遮挡、仿射变形的遥感影像,本文提出应用Hessian-Affine与最大信息熵,检测并筛选仿射不变特征,同时选刺同名点估计初始变换参数,对每一个待匹配点预测出一定圆域约束内的对应匹配点集,利用NCC相关系数迭代确定圆域内真同名点,得到初始匹配点集,然后利用均方根误差(RMSE)迭代剔除误匹配,直至完成最佳仿射变换参数估计。结果表明:该算法对发生仿射畸变、气候复杂区域的影像配准表现出较好稳健性和定位精度。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

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。