局部点、线仿射不变性约束的近景影像直线段匹配

针对直线匹配过程中存在直线提取断裂、影像尺度不一、纹理断裂处灰度相似性约束可靠性弱的问题,本文提出了一种基于局部点、线仿射不变性约束的直线段匹配算法。该算法首先利用SIFT匹配得到的同名点构建参考影像、搜索影像同名三角网,并采用三角网约束直线匹配的搜索范围获得初始候选直线;然后利用方向约束对候选直线进行二次筛选,滤掉明显的错误候选直线;最后分别建立参考直线与候选直线的支持区域,搜索并确定位于直线支持区域内的匹配点并以直线为基准对其进行区域划分,并根据点、线仿射不变性原理分区域约束确定同名直线。通过选取网上公开影像数据库中典型影像对进行直线匹配实验,结果表明本文算法具有较好的鲁棒性,并能获取可靠的直线匹配结果。     

SIFT与粗差剔除算法相结合的机载SAR影像匹配研究

SAR影像匹配是SAR数据处理的重要环节,但是,SAR影像匹配成功率、正确率及精度较低。通过SAR影像匹配,建立SAR匹配像对,对雷达立体观察和立体测量有重要的意义。在机载SAR影像匹配中,应用SIFT 算法,获得较稳定的特征,并结合2D单应变换的RANSAC算法剔除误匹配点对;选取三组不同类别的机载SAR影像数据,利用SIFT 和粗差剔除相结合的算法,通过VC++和OpenCV编程,提取出特征稳定且均匀分布的同名点对,完成机载SAR影像匹配实验。结果表明,对于含有人工建筑物的机载SAR影像,SIFT 算法可有效地提取大量稳定的匹配点对,其正确率高;对于含有自然植被的机载SAR影像,SIFT 算法可有效地提取较多稳定的匹配点对,其正确率较高;由于SIFT 算法实质上是基于局部灰度匹配的算法,对于纹理信息缺乏的机载SAR影像,只可提取少量稳定的匹配点对,其正确率相对前两者较低。总体而言,在机载SAR影像中SIFT 算法能够提取到稳定的匹配点对,并结合基于2D单应变换的RANSAC算法,可有效剔除误匹配点对,提高匹配正确率及精度。     

面向倾斜摄影的深度学习航空影像匹配方法

针对传统方法和深度学习匹配方法在倾斜影像上获取匹配点少、复现率低以及精度不高等问题,本文提出一种面向倾斜摄影的深度学习航空影像匹配方法。首先,利用POS信息计算影像重叠区域,并对倾斜影像进行透视变换改正,减弱几何变形对匹配过程的影响;其次,在变换后的重叠区域影像上利用训练的多尺度特征点检测网络推理其对应的高斯热力图,在高斯热力图尺度空间检测极值点作为稳定特征点,基于自监督主方向检测网络获取特征点主方向;接着,在特征点描述阶段,结合网络学习得到的特征点位置和主方向获取尺度旋转不变GeoDesc基础描述子,并考虑图像的几何、视觉上下文信息对描述子进行增强处理;最后,通过双向比值提纯法获取初始匹配点,利用RANSAC和图约束方法剔除误匹配后获得最终匹配点结果。使用ISPRS提供的2组典型区域倾斜影像进行匹配实验,结果表明,相比于SIFT、ASIFT、SuperPoint、GeoDesc及ContextDesc等算法,本文方法能够在大视角变化和纹理信息贫乏的倾斜影像对上获取更多均匀分布的匹配点,同时复现率也要优于其他方法。     

多特征结合的倾斜无人机影像匹配方法

针对无人机倾斜影像存在匹配困难问题,提出融合多种特征优势的无人机影像匹配算法。首先,提取MSER(Maximally Stable Extremal Regions)局部特征稳定区域,并用SIFT(Scale Invariant Feature Transform)描述子对特征进行描述;其次,利用K-D树的搜索策略进行特征点的快速检索,采用NND算法获取初始的粗匹配点对,根据结果计算影像间的仿射变换关系;最后,对SIFT特征点进行约束NCC匹配,利用RANSAC算法剔除外点,完成最终的影像匹配。实验结果表明,该算法对存在较大倾斜角度的无人机影像效果较好,在匹配正确率和仿射不变性两方面都优于SIFT算法。     

一种基于图像特征点信息的误匹配点剔除改进算法

误匹配点剔除是基于特征点图像匹配过程的重要一步,关系到图像匹配的精确度。在特征点匹配求精方面,改进基于特征点信息的误匹配点剔除算法,通过自适应特征点邻域半径得到的邻域特征点数量及位置信息进行逐步求精,克服原算法不能处理尺度变换的情形。实验结果表明,该算法简单高效,剔除误匹配点对能力较强,具有尺度、旋转不变性,同时,该算法具有较好的鲁棒性,正确性。能基本满足图像匹配的精度要求。     

多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题,提出深度特征融合匹配算法(Feature Fusion Matching Algorithm, FFM)。(1)通过构建特征图金字塔网络提取影像深度特征,使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合,解决多源影像同名特征难以表征的问题并提高特征向量的定位精度;(2)对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息,通过计算特征向量间的相似性得分得到初次匹配结果,针对特征稀疏区域,提出滑动窗口自适应得分阈值检测算法来提升匹配效果;(3)将匹配结果映射至亚像素级特征图,在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果,提高匹配点对的准确性;(4)使用PROSAC算法对匹配结果进行提纯,有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像,将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比,结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹...     

基于直线间几何属性特征相似性约束的组直线匹配算法

当影像中存在多个相同或相近的直线特征时,仅利用单直线特征间的相似性进行匹配容易导致算法失效,因此本文提出基于直线间几何属性特征相似性约束的组直线匹配算法。该算法利用直线间的拓扑关系分别对2幅影像上提取的直线进行编组得到特征直线组,并将其作为匹配基元;然后利用核线约束确定候选同名直线组的搜索范围,精简了候选直线组的数量;依据直线间几何属性特征向量的仿射不变性建立直线组的匹配关系,将仿射不变量交比作为基础几何不变性测度,并延伸设计仿射相似度参数,计算出目标直线组与每个候选直线组的仿射相似度或一般相似度,确定2种相似度下总体相似度值最大的特征直线组为其同名直线组,最后将同名直线组分裂为2对同名单直线,对分裂后的结果进行整合可以显著降低冗余匹配,得到“一对一”的匹配单直线。为了验证算法的可靠性,实验选取网上公开的5组典型近景影像进行测试,通过与其他匹配算法的对比分析,结果表明该算法应对影像间存在的视角、旋转和尺度变换等复杂条件均取得了较高的匹配精度,匹配正确率最高有14.5%的提升,且阈值的选择对匹配结果影响微弱,验证了基于直线间几何属性特征相似性约束的组直线算法鲁棒性和匹配稳定性较强。     

结合网状描述符和单应约束的近景影像直线匹配

针对现有立体影像直线匹配方法中的线描述子只依赖局部灰度特征导致可靠性较弱的问题,本文提出了一种结合网状描述符和单应约束的直线匹配方法。① 利用线特征检测算法（Line Segment Detector, LSD）提取参考影像及搜索影像中的直线段;② 根据角度约束和核线约束确定候选直线,缩小直线搜索范围,并计算参考直线与候选直线的重叠部分以确保端点一致;③ 利用直线段固定邻域内的同名点对构建网状描述符,选择3组不同的同名点对分别计算直线相似值,取其中最大值作为直线段的最终相似度从而确定同名直线对;④ 将未搜索到同名点对的直线段利用单应性矩阵映射至搜索影像,并根据3个判别准则得到最终的匹配结果。为了验证算法的有效性及鲁棒性,本文选取国际公开的标准测试数据集中5组近景影像进行实验,并与现有3种具有代表性的算法进行对比。结果显示本文算法的准确度及有效性均优于对比的3种算法,在匹配准确率与运行效率上最高有16.1%与49倍的提升,对于不同条件下的影像均能取得良好的直线匹配结果。     

一种基于面阵摆扫式航空影像的特征匹配方法

特征匹配是面阵摆扫式航空影像处理的关键步骤,针对传统特征匹配方法在面阵摆扫式航空影像匹配时存在匹配点数量少,分布不匀均的问题,本文提出一种基于自适应亮度空间的特征匹配方法。首先根据影像POS（Postion Oriental System）信息求解待匹配影像间变换关系进行影像校正,在校正后的影像上构建自适应亮度空间,使用ORB算子和BEBLID算法在亮度空间上获取特征点和二进制特征描述符,然后基于汉明距离获取初始匹配点,使用RANSAC算法剔除粗差,最后将匹配点变换到原始影像上得到最终匹配结果。本文选取6组具有视角差异及亮度变化的面阵摆扫式航空影像进行实验,将本文算法与SIFT、SURF、ORB、ORB+BEBLID、ASIFT等匹配方法进行比较,结果表明：本文算法通过建立影像间变换关系,构建自适应亮度空间,使得算法提取的特征点数量增加1.5倍,获取匹配点数量是其他算法的3倍以上,且匹配点分布更加均匀,匹配效率高于其他算法,验证了本文算法在具有亮度变化及视角差异的面阵摆扫式航空影像上匹配的有效性。     

基于几何匹配的地名匹配更新技术研究

地名在地理信息数据库中所处的地位就犹如眼睛在人体的地位,相当重要,它为用户准确地查找、判读、分析地理数据发挥着极其重要的作用。文中将研究几何地理数据匹配的方法引入,从不同的地理要素类型(点、线、面)着手,对地名信息自动匹配算法与方法进行拓展研究,为地名一致性处理及自动匹配技术的实现奠定了理论基础。文末总结分析了算法的优缺点以及进一步研究的问题。     

面向D-TIN并行构建的动态条带数据划分方法与实验分析

 数据划分是并行算法设计的重要步骤,其结果的均衡性与高效性是提高并行算法性能的重要前提。对于集聚分布的点集数据,传统的D-TIN(Delaunay Triangulation)并行算法尚未给出划分结果均衡、划分效率高效的理想解决方案。针对上述问题,本文在传统D-TIN并行算法规则条带划分方法的基础上,提出采用动态条带实现针对集聚分布点集数据的均衡、高效划分方法。首先,获取点集的最小外接矩形,并使用规则矩形条带按照同一方向进行点集粗分,然后,按顺序进行相邻条带的合并,必要时需动态调整合并区域边界以达到满足负载均衡的要求。为了提高划分效率,尽量减少边界移动次数,采用了对半移动的规则进行边界的动态调整。为了验证动态条带划分方法的适用性,本文使用人工模拟点集数据,进行加速比测试,使用实验区域真实数据进行D-TIN并行构建效率的统计,实验证明,采用该数据划分方法可以获得更高、更稳定的并行加速比,并且数据分布形态和数据规模对加速比的影响较小,进行D-TIN构建可以获得更好的执行效率,并且加速效果更加明显。     

一种快速生成平面Delaunay三角网的横向扩张法

目前已有多种基于平面上离散点集构造Delaunay三角网的算法,其中三角网扩张法、逐点插入法的平均时间复杂度为O(n²),分治算法和其他分块合并算法能使平均时间复杂度接近线性,但增加了算法的复杂性,从而使浮点计算误差错误发生的机率增大。本文作者提出了一种新算法:将用于构网的离散点集先按横坐标从小到大排序,在空间上表现为从左到右排列;然后先以点序列中的前三个点作为初始三角网,每次将剩余点集中最左边的点联入三角网,最终得到一个三角剖分,再用LOP法优化三角剖分。该算法的优势是具有快速的三角剖分过程,使整体的平均时间复杂度为O(n),并且构网效率高,算法简单。     

基于Dense SIFT特征的无人机影像快速拼接方法

特征匹配是无人机影像拼接过程的关键步骤,针对传统的特征匹配方法在影像拼接过程中获取匹配点少、特征点分布不均匀、匹配耗时长等问题,本文提出一种基于Dense SIFT特征的无人机影像快速拼接算法。首先,利用影像POS信息构建连接矩阵以引导匹配过程;然后在降采样影像上进行影像分块,利用Dense SIFT算子获取初始匹配点,并采用两次NCC方法分别实现降采样影像和原始影像上匹配点的精化;最后,基于共线方程将影像投影至物方面上,完成影像的快速拼接。本文选取2组无人机影像进行拼接实验,将本文算法与SIFT和SURF匹配拼接方法进行对比,结果表明：在影像特征点匹配方面,本文方法获取匹配点数量是SIFT和SURF算法的5倍以上,且匹配点分布更加均匀;在影像拼接结果方面,本文方法不仅能够较快完成影像拼接,而且有效避免了拼接影像中的“重影”现象,保证了较好的拼接质量。     

一种有效的离散数据场等值线生成方法

给出了一种有效的离散数据三角形网格等值线生成算法，首先在Delaunay三角剖分算法中引入了闭合点概念，通过在三角形网格生成过程中动态删除闭合点，减少搜索点集大小，提高了原来三角形剖分算法的速度；其次在三角形网格等值线生成算法中提出了凸边和凸边三角形的概念，通过建立凸边链表和凸边三角形链表，并以凸边进行等值线跟踪，简化了三角形网格等值线搜索算法，提高了等值线生成效率。最后在气象天气图离散站点数据基础上给出了详细测试数据，并给出了天气图等值线绘制效果图。     

面向地表上、下集成的二维/三维单纯形剖分算法实验

对地上实体、地形表面和地下实体的集成建模是国内外研究的热点。本文以单纯复形理论,提出了一种以约束Delaunay三角网为纽带,用边界表示模型-不规则三角网-四面体格网的集成空间数据模型,对地上实体、地表和地下空间对象进行无缝集成。用边界表示模型表达地面上复杂的对象,用不规则三角网表达地形,用四面体格网表示地质体对象。对传统的逐点插入法构建约束Delaunay三角网算法进行改进,生成约束Delaunay三角网,对地上实体和地表进行集成。其对不同的地层数据分别进行Delaunay三角剖分,构成四面体剖分的上下边界,构建上、下地层之间的侧边界,形成空腔,进而对空腔进行四面体剖分,形成分层表达的地质体对象。同时设计了一个原型系统,对算法进行验证,展示了其实验结果。