一种新型遥感影像快速匹配算法

An iterative algorithm to calculate mutual correlation using hierarchical key points and the search space mark principle is proposed. An effective algorithm is designed to improve the matching speed. By hierarchical key point algorithm and mutual correlation coefficients of the matching images, the important points can be iteratively calculated in the images hierarchically, and the correlation coefficient can be obtained with satisfactory precision. Massive spots in the parameter space which are impossible to match can be removed by the search space mark principle. Two approximate continuities in the correlation image matching process, the image gray level distribution continuity and the correlation coefficient value in the parameter space continuity, are considered in the method. The experiments show that the new algorithm can greatly enhance matching speed and achieve accurate matching results.     

遥感影像松弛匹配算法研究

松弛匹配算法是遥感影像匹配中应用广泛的算法之一,它是一种并行和迭代的算法,在匹配过程中利用了周边像素的信息,能够有效地避免临近匹配结果不协调、不合理的现象。本文对松弛算法的原理进行阐述,从收敛速度和错误率两个指标出发,针对多种不同的松弛匹配算法进行比较研究,分析其性能及其应用。实验证明,收敛速度并不能作为算法优劣的唯一标准,松弛算法应该更多地利用影像的背景信息来消除局部的不确定性。     

FREAK和改进的RANSAC算法在影像匹配中的应用

针对倾斜摄影中包含多个视角的影像而使匹配速度较慢的问题,提出了一种Speeded up robust features(SURF)、Fast Retina Keypoint(FREAK)和改进的Random Sample Consensus(RANSAC)算法相结合的影像匹配算法。首先利用SURF算法提取出稳健的特征点,然后利用FREAK描述符对特征点进行描述,在影像匹配阶段首先进行预匹配,然后用改进的RANSAC算法剔除错误匹配点对。经实验比较分析后得出:该算法在效率和匹配精度上都有较好的鲁棒性。     

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。     

遥感影像匹配中的反定位误匹配剔除算法

图像匹配的准确率和精度一直是瓶颈问题,直接制约遥感影像的自动化处理。在简要分析现有典型误匹配剔除方法的基础上,提出了能够适应遥感影像自动化匹配与处理的REPRAM(Reverse Positioning Re-fining Algorithm in Matching)算法,给出了REPRAM排除法和优选法的原理和性能分析,在不需要相机的外参数、内参数以及控制点的情形下,相对分离了正确同名点与错误同名点之间的相互影响,尽量保留正确同名点,最大限度剔除错误同名点。大量遥感影像和航拍影像测试表明,算法的稳健性强,在初始匹配正确率为30%的情况下,在设定误差容限内,算法的可靠率仍能在99.5%以上。     

改进的SIFT双向匹配算法在异源影像匹配中的应用

针对不同传感器、不同时相、不同分辨率的异源遥感影像匹配困难的问题,引入尺度不变特征(Scale Invariant Feature Transform,SIFT)算法;针对传统SIFT匹配算法的不足,利用SIFT特征向量匹配对的唯一性约束改进传统SIFT算法的匹配策略,采用双向匹配以达到在匹配过程中准确寻找匹配点对的目的,提高影像匹配的正确率,实验证明,该方法适用于异源影像匹配。     

不同分辨率遥感影像获取均匀分布匹配点的匹配方法研究

基于SIFT算法提出一种适合于不同分辨率遥感影像并能获取均匀分布匹配结果的匹配方法,该方法首先将匹配区域进行分块,然后针对每个分块区域提取SIFT影像特征,在提取过程中,通过不同层级高斯影像塔和高斯差分影像的分级实现匹配点数量的控制,从而获取均匀分布的匹配点对。     

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。     

SIFT特征匹配在无人机低空遥感影像处理中的应用

无人机低空遥感成本低，方便快捷，但飞行姿态不确定，影像自动匹配程度低。本文将SIFT（Scak Invariant Feature Transform）特征应用于影像的自动相对定向，结合最小二乘法实现了影像的自动匹配。实验证明，该方法具有稳定、可靠、快速等特点，应用前景广阔。     

遗传算法与最小二乘法相结合的遥感图像子像素匹配

图像匹配在计算机视觉和数字摄影测量中都是一项十分重要的任务。为了加速匹配并为高精度子像素匹配提供稳健而相对精度的初值，本文提出了一种基于遗传算法（GA）和最小二乘法匹配（LSM）相结合的遥感图像子像素匹配算法。实验表明：基于遗传算法的匹配算法比序贯相似度度量（SSDA）和经典的平均绝对差（MAD）方法要快得多。以我们的实验数据为例，MAD与GA在相关计算总量上的比至少为36：1。本文从理论上证明了这一点。     

一种考虑云检测的遥感影像匹配方法

针对有云遥感影像间常规匹配效果不佳的问题,提出了一种考虑云检测的遥感影像匹配方法,主要包括有云区域的探测、特征点提取和相位匹配三个部分。通过对影像局部区域的高亮度像素的统计,在特征点提取时避开有云区域,最后通过物方空间的相位相关获取同名点对。实验表明本方法在包含大量云团的影像之间能够明显改善匹配效果。     

Matlab在遥感影像融合及其效果评价中的应用

随着多源遥感影像融合技术的飞速发展,融合方法也越来越完善,但是相应的融合效果评估还没有统一的标准和规则.主要通过Matlab编程,对2幅融合之后的影像的图像均值,平均梯度,标准差,熵与联合熵,相关系数进行综合的对比,从而比较各种融合方法的优劣.     

基于遗传优化的分段线性影像增强

影像增强对于弥补影像对比度和清晰度的退化是非常有效的.本文在分析几种典型影像增强技术优缺点的基础上提出了一种新的影像增强技术.该技术首先将传统的分段线性增强算子修改为带参数的算子,然后用遗传算法对这些参数进行自适应动态调节以获得满足问题需要的增强结果.试验验证了该思想的合理性和有效性.与传统的影像增强技术相比,该技术明显具有较高的自动化与智能化水平.     

高分辨率遥感影像滤波算法综述

高分辨率卫星影像空间分辨率高,地物结构纹理信息突出,常用于土地利用监测、自然灾害预报等领域,但其所含的背景噪声影响了影像识别和分析的有效性和可靠性,因此,选取合适的滤波方法消除各种噪声成为遥感影像处理的首要任务。在遥感技术发展的几十年中,研究者们针对各种噪声类型已发展了多种滤波方法。本文分析了高分辨率遥感影像噪声的特点,介绍了一些传统的滤波算法和近年来广泛应用的新型滤波方法,并深入探讨各种滤波器的性能及其优缺点,为今后选择合适的算法消除高分辨率遥感影像噪声提供参考,最后对遥感影像滤波方法的发展前景进行了展望。     

基于影像匹配的基础性地理国情监测遥感影像快速制作

随着各地第一次全国地理国情普查的陆续完成,地理国情监测与更新已进入常态化。遥感影像作为基础性地理国情监测的主要数据源,具有数据量大、范围广、影像类型多等特点,基于影像匹配等技术,使用PixelGrid-GEO光学卫星影像数据处理系统,可快速批量地制作遥感卫星影像,为基础性地理国情监测的顺利展开奠定了基础。     

一种改进的SURF及其在遥感影像匹配中的应用

从构造特征描述子入手,结合Haar-like特征提出了一种新的SURF特征描述符,并将其应用到遥感影像匹配中,新的描述符增加了对边和对角特征的描述。SURF匹配算法利用了积分图技术,匹配速度快,但是其特征的区分能力相对较弱。实验结果证明,此描述符的区分力优于原SURF描述子。     

利用自由形状线特征的遥感影像分级匹配方法

为较好地解决自由形状线特征匹配研究中线特征丰富信息的充分利用与有效描述这对矛盾,提出一种利用分级匹配策略的遥感影像匹配方法。为保证方法具有较高的匹配精度,从影像中检测亚像素边缘并进行有效的跟踪以得到连续性较好的自由形状线特征;再从中提取闭合线特征、线特征交点和角点等较稳定的特征作为共轭实体进行粗匹配,在确定各类特征的待选同名特征后,根据面积、角度等几何信息以及模型参数的分布特点逐步剔除误匹配,进而利用同名特征确定精匹配的初始参数;精匹配时对线特征中的亚像素边缘点加以利用,采用多层次二维迭代最邻近点(ICP)法依次利用由低到高采样率的边缘点进行匹配。试验结果表明,粗匹配选取的特征性能稳定,具有较高的匹配正确率和精度,能为精匹配提供较准确的初始参数,精匹配能达到与最小二乘影像匹配相当的亚像素级匹配精度,并且对具有较小仿射变形的影像也能实现稳定、准确的匹配。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。