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。     

近景影像三角网内插点密集匹配方法

针对目前密集匹配中依据种子点寻找新特征点存在计算复杂的问题,该文提出一种近景影像Delaunay三角网内插点密集匹配方法。该方法首先采用尺度不变特征变换算子匹配特征点,通过随机抽样一致性算法对特征点进行优化,以获取高精度同名点;依据同名点构建Delaunay三角网,在同名相似三角形内,以内插重心点作为匹配基元,并对内插点进行色彩信息相似性约束和极线约束,剔除粗差提高匹配结果精度;在匹配传播过程中,新特征点不断插入三角网中,对三角网进行动态更新,用于约束后续匹配。该方法能够避免繁琐计算,同时具有较高的可靠性,适用于不同类型的近景影像数据。     

影像匹配粗差的局部矢量面元剔除方法

提出了一套适用于影像匹配粗差的剔除方法。首先消除匹配像对间的系统性差异;然后通过构建匹配同名点的三角网结构,实现匹配结果的局部面元分割;在局部面元上进行矢量统计,引入针对局部敏感的矢量描述子指标,根据误差分布满足正态分布规律的假设设定合理的阈值,并最终实现影像匹配粗差的快速剔除。多组数据的实验验证了所提方法的可行性。该方法已成功应用于卫星影像与低空影像的自动化处理系统。     

渐进式异源光学卫星影像SIFT匹配方法

针对异源光学卫星影像SIFT算法匹配率低的问题,论文基于SIFT匹配方法,以特征点相对主方向、相对尺度为约束条件提取初始匹配点,并利用初始匹配点构建Delaunay三角网,采用点扩散方式来获取局部几何约束模型,基于特征点主方向约束、特征向量欧氏距离及局部RANSAC误差剔除方法渐进式地实现了对异源光学卫星影像的高精度匹配。与其它匹配算法对比实验结果表明,在异源影像存在较大尺度、旋转差异的情况下,论文算法具有匹配数量大、精度高的优势。     

异源高分辨率遥感影像的三维重建

针对在实际应用中难以获得同源高分辨率遥感影像,利用同源高分辨率影像实现高精度、自动化的三维重建仍存在一定困难的现状,该文提出一种利用异源高分辨率遥感影像进行三维重建的方法。采用尺度不变特征变换算法对影像进行匹配以获取同名点,并使用随机抽样一致性算法剔除低精度匹配点;然后利用获取的同名点构建Delaunay三角网;接着根据有理函数反解模型和投影射线联合定位算法解算各个同名点的三维坐标;最后基于Delaunay三角网内插技术求取地物点的高程值,并基于OpenGL技术实现三维显示。试验结果表明,利用该方法可以实现异源高分辨率遥感影像的三维重建,精度上能够满足生产需求。     

SIFT遥感影像快速配准方法

针对SIFT算法存在内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后再作分块影像匹配,在匹配过程中根据局部熵过滤掉冗余特征点,并使其均匀分布于影像,以实现精确配准。对错误匹配点先利用相关系数初步剔除错误点,再利用极线约束对错误匹配点进行精细剔除,最后将RANSAC算法应用于剩下的匹配点,进一步提高匹配精确度。     

顾及Gestalt邻近与简化原则的平面点集形状重建

针对经典Delaunay三角网平面点集形状重构方法存在的经验参数确定和容易出现不符合实际情况的碎洞问题,提出了一种顾及Gestalt邻近与简化原则的Delaunay三角网平面点集形状重构的算法SRGT。首先根据邻近性原则,采用双极差粗差探测技术来识别和定位Delaunay三角网中的极长边,逐步细化三角网中的内外边界;然后基于简化性原则,将形状重构的碎洞优化转化为粗差探测问题,并利用3σ粗差探测原则来实现碎洞的剔除。采用模拟与真实数据验证了本文算法的有效性。与4种经典算法（α-shape、χ-shape、边长比约束法以及∂RGG）进行对照试验,表明本文算法的优越性。模拟数据表明SRGT在面状点集为均匀或随机分布时,无须设置先验参数即可有效提取复杂形状的内外边界,并且L²误差范数值明显低于其余4种方法。真实案例的试验结果也表明本文算法在工程实践中具有良好应用效果。     

结合局部单应矩阵的ZY-3遥感影像稠密匹配

针对现有的特征点匹配结果的密集度无法满足于三维重建的需求问题,本文提出了一种结合局部单应矩阵的资源三号遥感影像稠密匹配方法。首先,采用ASIFT算法对资源三号遥感影像进行特征点匹配,通过随机抽样一致性(RANSAC)算法对初始的匹配结果进行优化,提高ASIFT匹配结果的精度;其次,以优化后ASIFT匹配结果作为匹配基元,构建Delaunay三角网,利用Delaunay三角网间的同名三角单元的单应矩阵关系对已有匹配结果进行加密;最后,通过灰度相似性和最小二乘双重约束提高加密特征点的精度,从而达到精匹配的目的。实验选取ZY-3遥感影像作为实验数据,实验表明,本文算法具有较好的可靠性与鲁棒性,能获得比ASIFT匹配多6倍的同名点。     

光流特征聚类的车载全景序列影像匹配方法

提出一种光流特征聚类的车载全景序列影像匹配方法.采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除.通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差.     

Delaunay三角网的鄱阳湖水陆地形数据整合研究

针对如何提高水域的综合开发管理能力,实现水陆一体化地形整合的问题,该文在原有DEM格网数据整合的基础上,提出利用基于约束边Delaunay三角网方法进行水陆地形数据整合的方法,即利用迭代交换法实现约束线的嵌入,从而构建约束Delaunay三角网。以鄱阳湖为研究区域,以DEM格网数据和鄱阳湖岸线矢量数据为数据源,利用约束Delaunay三角网方法,创建基于岸线的Delaunay三角网,实现水陆地形无缝整合。实验结果表明,与利用DEM规则格网数据拼接方法进行比较分析,得出在岸线约束条件下构建的Delaunay三角网能更好地表达边缘处地形数据的整合,平滑效果较好。     

多基准点和基准方向的面阵与线阵影像匹配方法

针对面阵影像与线阵影像之间存在的尺度、旋转等几何差异所导致的难以高效获得稳定可靠匹配点问题,该文提出了一种稳健的面阵影像与线阵影像匹配方法。算法分为3个阶段:(1)对影像进行尺度、旋转预处理,消除影像间的尺度和旋转差异;(2)用Harris算子提取特征点,进行逐层金字塔匹配,在最底层影像上进行最小二乘匹配获取精匹配点,利用随机抽样一致算法获取准确性较高的匹配点;(3)对准确性较高的匹配点分区,构建4块匹配区域,根据每块区域的匹配点计算重心,以此4块区域的重心作为匹配基准点和基准方向,重约束初始匹配结果。通过多组面阵影像与线阵影像数据实验结果,验证了该方法的可行性和有效性,可为后续空中三角测量及相关应用提供可靠的匹配点。     

利用自动匹配与三角剖分进行遥感图像几何精校正

在研究传统几何精校正方法的基础上,提出了一种高精度的基于自动同名点匹配和三角剖分技术的几何精校正方法,该方法是通过基准底图对待校正图像进行几何精校正的。首先利用FAST (Features from Accelerated Segment Test)算子在基准底图上快速提取均匀分布的候选特征点,通过图像自身携带的地理定位信息确定初始同名点对;经平移误差消除、互相关双向匹配、RANSAC(Random Sample Consensus)粗差剔除、二元三点插值等步骤获取稳定可靠的亚像元级同名点对;最后根据亚像元级同名点对构建Delaunay三角网进行图像变换和重采样处理。以Landsat卫星ETM为基准底图对环境卫星CCD数据进行几何精校正试验,本算法几何精校正精度较传统的方法得到了很大提高。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

基于影像匹配的自发地理信息道路精度评价与改善

针对无矢量参考数据自发地理信息道路精度难以评价的问题,提出了一种基于影像匹配的道路精度评价方法。首先提取影像与自发地理信息中的道路交叉口作为控制点,并将对应的交叉口进行匹配,以同名控制点的均方根误差作为自发地理信息的道路精度;然后以两组控制点分别构建Delaunay三角网,利用两组控制点的对应关系对每个三角网进行仿射变换,从而实现对自发地理信息道路的几何纠正,以提高其精度。最后以郑州市的Open Street Map道路数据进行试验,结果表明本文算法能够有效提高自发地理信息的道路精度。     

局部单应约束的高精度图像自动配准方法

提出一种基于SIFT特征的抗差图像匹配算法。算法分为两个阶段:①初始匹配,综合利用SIFT特征匹配方法和基于SIFT特征尺度和方位信息的自适应归一化互相关(normalized cross correlation,NCC)方法建立初始相关,并基于几何关系一致性检测剔除误匹配;②匹配传播,在初始相关的基础上,利用自适应NCC和局部单应约束进行匹配传播,迭代产生更多的匹配点并采用几何关系一致性检测剔除可能的误匹配。初始单应采用最小二乘匹配方法估计得到,并采用自适应NCC为其提供良好的初始值。与现有的基于SIFT特征的图像配准方法相比,算法在抗几何变形和配准精度等方面具有优越性。     

局部结构约束下的宽基线影像直线特征匹配

针对宽基线影像视角变化导致现有直线特征匹配方法难以获得可靠匹配结果的问题，本文在局部结构约束下提出了一种对影像视角变化具有较强稳健性的直线特征匹配方法。首先，对影像进行直线特征提取并按照一定的规则进行特征编组；其次，基于直线特征几何结构关系构建视角不变特征区域，计算其特征描述符并进行相似性度量，获取直线特征初始匹配结果；然后，利用初始匹配结果中的直线特征区域顶点坐标关系构建约束条件剔除错误匹配；最后，设计直线特征扩展匹配算法，提高直线特征匹配率。试验结果表明，与传统直线特征匹配算法相比，本文方法在有显著视角变化的宽基线影像之间能够获得更多的同名直线特征和更高的匹配正确率。     

倾斜影像自适应初始物方面元优化匹配算法

采用基于物方面元的最小二乘影像匹配方法匹配倾斜影像时,常出现深度不连续或高差较大区域影像连接点度数低或空三点过少问题。针对此问题,本文提出一种基于自适应初始物方面元的倾斜影像匹配算法。算法利用倾斜影像已有的初始内外方位元素及匹配过程中产生的物点信息,采用多片前方交会和物方差分的方法自适应计算物方面元的高程及法向量方向角初值,进而解决采用物方面元最小二乘影像匹配方法匹配地物高差较大区域的倾斜影像时,因初值不准导致在像方匹配同名点困难的问题。分别采用本文算法和物方面元初始状态为水平面元的最小二乘影像匹配方法对两组倾斜影像进行对比匹配验证。试验结果证明了本文算法的有效性。     

基于深度卷积特征的影像关系表创建方法

在从运动恢复结构（structure from motion,SfM）的过程中,无序影像间的匹配非常耗时,一方面受制于特征匹配本身,另一方面受制于大量的图像间匹配,其计算复杂度为O（n²）。为减少匹配次数,本文提出基于深度卷积特征（deep convolution feature,DCF）的影像关系表创建方法。首先利用在ImageNet上训练好的VGG-16卷积神经网络提取影像的卷积层特征图,然后对特征图进行和池化操作,最后将该向量归一化,作为图像的特征。通过向量点乘,计算数据集中的每张影像和其余所有影像的相似度,选取相似度最大的10张影像作为影像的潜在匹配像对,并由此构建影像关系表。结果表明,本文提出的DCF能够有效的创建影像关系表,找出潜在匹配像对。在Urban和South Building数据集上,基于DCF创建的关系表匹配的SfM重建的结果和穷举匹配的重建结果基本一致,但匹配次数分别减少97.4%和92.1%。同时基于DCF创建的关系表优于主流ORB-SLAM2系统中的DBoW3创建的关系表。