基于多通道影像的最小二乘匹配算法

随着摄影以及信息存储和通信技术的提高,人们从影像中获取的信息量得到很大的提升。本文提出了一种基于多通道影像的最小二乘匹配算法,利用影像中获取的多通道信息构建最小二乘误差方程进行匹配计算,并采用某大学校区影像数据进行试验验证。结果表明,基于多通道的最小二乘匹配算法扩大了影像匹配窗口内像素的信息量,提高了影像匹配的精度和稳定性。     

基于空间约束的神经网络影像匹配

提出了一种可充分利用影像灰度信息和特征信息的基于视差变权空间连续性约束的整体影像匹配方法,并将其映射到Ｈｏｐｆｉｅｌｄ网络,利用神经网络所固有的大规模并行处理能力,可以高速、可靠、高精度地完成影像匹配,并大大提高了复杂地形条件下影像匹配的可靠性。实验证明该算法具有一定的实用性。     

基于提升小波的影像变换与匹配

从第二代小波即小波提升方法出发,研究了一种反对称小波的影像变换算法、导出了其更新函数,并与线性提升算法进行了比较,结果表明,该算法不仅具有在位计算的特性,而且能够更好地突出影像边缘特征,为影像匹配提供了丰富的信息。在实时影像匹配中,同时采用了低频信息和高频分量,构成了多窗口匹配算法,试验证明,该算法能够提高匹配的效率和可靠性。     

利用多层动态窗口影像匹配方法进行自动相对定向

介绍了一种方便实用的影像匹配方法─—多层动态窗口影像匹配法，并将其应用于自动相对定向中，得到了比较满意的结果。该匹配方法利用金字塔格网、动态窗口匹配以及最小二乘影像匹配，无需任何有关像片方位的验前知识以及物方空间的任何信息，具有很高的匹配成功率。     

神经网络学习与灰度信息结合的跨视角影像线特征匹配算法

跨视角影像几何形变大,同名线段单侧邻域易产生明显差异,传统线特征匹配算法难以获得可靠线对。为此,本文提出了一种针对跨视角影像的神经网络学习与灰度信息结合的线特征匹配算法。首先,获取影像的像素级方向梯度直方图特征,并结合神经网络融合影像灰度信息形成特征描述格网;然后,在线段上提取离散点,根据离散点单侧特征描述格网信息计算点的单侧描述,采用深度学习方法聚合点单侧描述符形成线的单侧抽象表达;最后,利用已知同名点约束匹配区域进行分组匹配,通过比较线对拓扑一致性进行匹配结果核验,得到最终匹配线对。选取多组具有代表性的异源跨视角影像公开数据进行线匹配试验,并与主流线匹配算法进行对比分析。结果表明,本文算法能够针对内容差异明显的异源跨视角影像,获取分布均匀且正确率较高的匹配线对,实现跨视角影像线特征的稳健匹配。     

利用物体结构信息进行影像线特征关系匹配

针对影像线特征匹配的复杂性,给出了根据物体结构信息,将影像匹配问题转化为确定图同构问题的匹配策略。首先,利用影像特征提取获得的点、线特征建立描述物体结构信息的关系表,通过对左右不同影像的图形进行区域分割获得候选面特征,利用矢量数据拓扑关系的自动建立算法得出左右影像关联图的弧段-多边形拓扑文件。然后,根据基匹配及拓扑关系表,利用图深度遍历的方法进行匹配传递,按面、线、点的顺序完成不同影像间对应物体同名线的匹配。由于关系表的一致性表明了物体构成特征要素的一致性,可使整个影像的匹配搜索范围变小,从而提高影像匹配的准确性与匹配速度。     

一种综合利用像方和物方信息的多影像匹配方法

提出一种综合利用像方和物方信息的多影像匹配方法.首先对各原始影像采用3×3像元平均法生成4层金字塔影像,并在最高层金字塔影像中计算各搜索影像与基准影像的初始视差;然后从第3层金字塔影像开始进行基准影像与各搜索影像的匹配,并对各立体像对的匹配结果进行物方融合,剔除部分误匹配点,获得较精确的物方空间信息,以用于下一层金字塔影像的匹配.此过程融入带几何约束条件的相关系数法匹配和整体松弛法匹配策略;最后通过对某地区一组大重叠度数码航空影像的匹配试验,证实该方法的有效性.通过检测所生成的DSM精度,表明相对于传统的双片影像匹配方法,多影像的匹配可以有效剔除误匹配点并显著提高影像匹配的成功率.     

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。     

基于物方几何约束的多视匹配算法研究

影像匹配是航空影像数据自动空三处理的关键技术之一。为充分利用三线阵影像信息及纹理信息,文中针对ADS40影像采用一种利用像方和物方信息进行约束的多视匹配方法,此算法能同时处理3张及3张以上的影像,大大加快匹配效率,为自动空三提供有效的连接点及为提取DSM提供高精度密集匹配点。     

多基线机载合成孔径雷达影像匹配的SANCC法

为了有效利用合成孔径雷达(synthetic aperture radar,SAR)多基线影像的几何信息和辐射信息,提高匹配精度,提出了一种适用于多基线SAR幅度影像的自适应归一化互相关系数和(sum of adaptive normalized cross-correlation,SANCC)影像匹配方法。该方法首先利用SAR成像参数、平台参数和物方高程范围构建匹配方向线;然后引入Gestalt原理的接近性和相似性原则对窗口内的像素加权,计算获得沿匹配方向线的SANCC值;最后采用winner-take-all(WTA)优化策略获取多基线影像的匹配结果和物方三维信息。利用国产机载SAR系统获取的多基线影像进行匹配试验,结果表明与常规的相关匹配方法相比,该方法可以获得更为密集、精确的匹配点,有效减少了由重复纹理造成的误匹配,并能较好地解决由纹理匮乏导致的匹配难题。     

一种利用影像匹配的城区三维景观图生成途径

提出了一种基于影像匹配的城区三维景观图生成方法,它首先利用神经网络影像匹配得出城区的密集视差表面,再利用基于模板匹配的半自动建筑物提取方法获得建筑物的关量数据和高程,进而得出城区三维数字模型,从而获得真实的城区三维透视景观图。     

高分辨率遥感影像DSM的改进半全局匹配生成方法

提出一种基于改进半全局匹配算法的高分辨率遥感影像数字表面模型（digital surface model,DSM）生成方法。首先利用影像间连接点几何约束关系对有理函数模型进行系统误差补偿,在补偿模型的基础上对影像进行分块,利用投影轨迹法逐块得到核线影像对;在密集匹配阶段,对影像建立金字塔后逐层进行半全局匹配,匹配过程中引入顾及影像纹理信息的视差图膨胀腐蚀算法约束每一层视差搜索范围,增加了视差图边缘处的有效像素数,同时减少了算法所需的内存开销和计算时间;在视差图后处理阶段,利用加权中值滤波算法保护了视差图的边缘信息;最后基于前方交会获取DSM。选取WorldView 3和资源三号立体影像进行试验,结果表明,本文方法获取的DSM精度在高程方向上接近于1.5倍GSD,并且较好地保持了地物的边缘特性,在计算效率和内存开销方面也具有较好的平衡。     

基于Hopfield神经网络模型的遥感影像分类算法

针对遥感影像的分类特点，提出了一种基于Hopfield神经网络模型的遥感影像分娄算法。首先阐述了Hopfield神经网络的结构及其工怍原理，分析了Hopfield神经网络优化规则；然后在Hopfield神经网络通用模型基础上，实现了Hopfield神经网络的算法。实验结果表明，这种分类器具有较高的精度与效率，分类结果优于最大似然分类法。     

基于Radon和树型小波变换的遥感影像居民地提取

针对频域变换的旋转不变纹理特征,提出Radon变换结合树型小波变换的纹理特征提取方法。以Radon变换处理影像将影像纹理的旋转转化成平移信息,对变换后的影像进行非完全树型小波变换。此时可以将能量作为旋转不变纹理特征,但得到的小波系数所携带信息较少,所以本文采用小波系数直方图作为纹理特征。采用此方法对居民地进行提取,实验结果表明利用该方法能得到比较有效稳定的旋转不变纹理特征,并且对不同的中小比例尺遥感影像都有较好的适应性。     

半全局约束下的多基线立体影像MVLL匹配方法

多视铅垂线轨迹法（multi-view vertical line locus,MVLL）能够以物方地面铅垂线为几何约束,匹配获取物方空间点的最佳高程,是一种实用的多基线立体影像匹配方法。针对MVLL匹配方法中的物方空间点独立匹配、缺少整体性约束问题,将物方空间局部光滑特性应用至匹配过程,提出了一种半全局约束下的多基线立体影像MVLL匹配方法。首先,将物方空间点沿地面铅垂线上的准确高程搜索,等效至像方空间沿核线方向上的准确视差搜索;其次,采用MVLL匹配方法计算物方空间点在多张影像上的等效像方匹配测度;然后,采用半全局匹配法（semi-global matching, SGM）对匹配测度进行多路径聚合分析,得到物方空间局部光滑约束下的等效视差图;最后,将等效视差图转化为物方空间点匹配高程,并对多基线立体影像进行多分辨率匹配处理,实现整体最优条件下的MVLL匹配。采用多类型地形特征与局部区域影像进行匹配实验与对比分析,实验结果表明,所提方法能够对多类型地形特征的物方空间匹配测度进行优化,获取更加可靠的匹配结果,具有更高的影像匹配性能。     

A spatial–temporal Hopfield neural network approach for super-resolution land cover mapping with multi-temporal different resolution remotely sensed images

The mixed pixel problem affects the extraction of land cover information from remotely sensed images. Super-resolution mapping (SRM) can produce land cover maps with a finer spatial resolution than the remotely sensed images, and reduce the mixed pixel problem to some extent. Traditional SRMs solely adopt a single coarse-resolution image as input. Uncertainty always exists in resultant fine-resolution land cover maps, due to the lack of information about detailed land cover spatial patterns. The development of remote sensing technology has enabled the storage of a great amount of fine spatial resolution remotely sensed images. These data can provide fine-resolution land cover spatial information and are promising in reducing the SRM uncertainty. This paper presents a spatial–temporal Hopfield neural network (STHNN) based SRM, by employing both a current coarse-resolution image and a previous fine-resolution land cover map as input. STHNN considers the spatial information, as well as the temporal information of sub-pixel pairs by distinguishing the unchanged, decreased and increased land cover fractions in each coarse-resolution pixel, and uses different rules in labeling these sub-pixels. The proposed STHNN method was tested using synthetic images with different class fraction errors and real Landsat images, by comparing with pixel-based classification method and several popular SRM methods including pixel-swapping algorithm, Hopfield neural network based method and sub-pixel land cover change mapping method. Results show that STHNN outperforms pixel-based classification method, pixel-swapping algorithm and Hopfield neural network based model in most cases. The weight parameters of different STHNN spatial constraints, temporal constraints and fraction constraint have important functions in the STHNN performance. The heterogeneity degree of the previous map and the fraction images errors affect the STHNN accuracy, and can be served as guidances of selecting the optimal STHNN weight parameters.     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用，但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变，在特征点提取过程中产生大量冗余点，增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法，该方法的核心思想是在配准过程中识别冗余点，同时最大化可用内点数量。所识别的冗余点当作控制点，用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验，其中平均配准精度可达80.38%，并且本文方法在所有的情况下都优于5种当前流行算法。     

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。     

顾及拓扑关系的立体影像直线特征可靠匹配算法

针对单直线匹配过程中缺乏考虑邻近直线特征之间关系,纹理断裂处单一直线描述符的弱可靠性,提出了一种顾及拓扑关系的立体影像直线特征可靠匹配算法。该算法首先根据直线间距离、角度等基本拓扑关系对参考影像、搜索影像上提取的直线进行编组;然后将编组得到的直线组作为匹配基元,充分利用直线特征组内的拓扑关系,依次采用核线约束、单应矩阵约束、象限约束、不规则三角形区域灰度相关约束对其进行匹配;最后将同名直线组分裂为两对同名单直线、并对分裂后的结果进行整合、拟合、检核等后处理,得到"一对一"的同名直线。选取典型纹理特征的航空影像和近景影像进行参数分析及直线匹配试验,结果表明,本文算法能获取可靠的直线匹配结果。     

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。