三角网约束的立体影像密集匹配方法

文中总结了基于三角网约束的立体影像密集匹配方法。本次实验采用核线影像,首先在核线影像上使用SIFT算子匹配出一部分可靠的种子点,然后用这些种子点构建Delaunay三角网。该网络能够将所加密的点的位置范围作为一个约束,根据左右影像上同名三角网的位置、左影像上某一三角形重心位置、该三角形在右影像上的对应的三角形的重新坐标,以及左侧重心在右侧像方影像的核线,在核线约束与灰度相似性约束的两层限制下,完成点-点的匹配工作。本文采用Matlab程序实现对待匹配三角形重心的加密,运用核线约束方法,将点匹配的搜索区域由二维降到一维,不但能缩小搜索范围,提高工作效率,而且很大程度上降低了错误发生的概率,既能使得算法的运算速度得以提升,又能使其匹配精度得到较大的改善。     

基于约束满足神经网络的整体影像匹配

将影像匹配看作一个约束满足问题,并用约束满足社会网络来实现整体影像匹配,根据新松驰标号法对网络的结构和迭代方式进行了蛤 能够处理复杂地形条件下影像匹配中存在的“零匹配”和“多匹配”问题。实验表明,该匹配算法可快速,有效地处理复杂地形条件下的影像匹配问题。     

全自动影像匹配

影像匹配是人数字影像上识别相关影像,它是计算机视觉和数字摄影测量中的一个基本问题,本文介绍了结构影像匹配性,它不仅要利用影像灰度值和影像特征,而且要利用它们之间的相互关系,这种方法的目的是在不需要知道数字影像的任何先验信息的情况下,对相关特征进行全自动匹配。这种方法的适用性已在非测量影像上得到验证。     

基于Delaunay三角网表达的图像分割

由于图像的复杂性和模糊性进一步增强,传统的图像分割算法已经无法满足其对分割精度的要求。为了进一步提高图像分割的精度,本文提出了一种结合SIFT特征提取与Delaunay三角网表达的图像分割方法,该方法可以有效削弱噪声对图像分割结果的影响,与传统去噪滤波相比,平滑过程中模糊图像边缘的程度比较低,同时,运用超像素思想,将传统基于像素单元的分割方法运用到超像素上,对被三角网划分的子区域进行聚类,最后得出分割结果。与传统算法相比,本文算法在分割精度方面有显著提高。     

影像匹配算法模型

通过对数据摄影测量、心理物理学、计算机视觉领域的影像匹配理论探讨,尝试把没的匹配研究路线揉全中在一个算法模型中,从而将心理物理学、计算机视觉、数字摄影测量领域的影像匹配问题联系起来,并对数字摄影测量的影像匹配算法进行了讨论。     

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。     

影像匹配中金字塔数据结构比较与快速算法

分析了多种金字塔数据结构的生成方法 ,比较了不同方法在影像匹配中的优劣 ,并提出了一种影像金字塔生成的快速算法。     

Delaunay三角网支持下的空间场表达

不规则三角网TIN本质上属于基于场的空间数据模型,然而在GIS领域,通常将其局限于DTM数字地形模型的表达中,没有象规则栅格模型那样在平面实体及实体关系表达中发挥足够的作用。针对这一局限性,仿照规则格网的栅格数据模型,应用DELAUNAY三角网工具,建立一种面向平面空间场表达的形式化数据模型。应用三角形的3种基元:顶点、边、三角形面表达空间点、线、面目标,定义该模型上的3种操作:扩充、收缩与骨架化,并进一步推广到序惯操作与条件操作。在几个应用实例基础上,分析该模型在空间邻近关系表达上可发挥重要作用。     

影像匹配中几种相似性测度的分析

对基于灰度影像匹配中的几种相似性测度进行了研究，分析了每种测度的直观意义、限制条件以及改进措施，最后通过实验结果验证了上述结论。     

Delaunay三角网中任意约束线段嵌入算法研究

约束Delaunay三角网在地理信息系统、地学分析、表面对象重建、数字城市、虚拟现实等领域有着广泛的应用.约束线段嵌入是解决由Delaunay三角网转变为约束Delaunay三角网的一种有效的方法.本文重点研究约束线段嵌入Delaunay三角网的问题,通过分析约束线段与原三角网之间的关系,给出各种情况的约束线段的预处理方法,以迭代算法为基础,描述了任意约束线段嵌入Delaunay三角网的过程.     

结合改进特征算法和狄洛尼三角网的图像匹配方法

针对加速的具有鲁棒性特征算法导致匹配图像丢失颜色信息成分的问题,该文从图像匹配的效率和精度出发,提出了一种基于改进加速的具有鲁棒性特征算法和狄洛尼三角网的图像匹配方法。该方法在原有加速的具有鲁棒性特征算法的基础上,引入颜色不变量模型和狄洛尼三角网、三角形相似函数及摄影不变量等约束条件,有效保留了图像的颜色信息,减少特征点错误的匹配率。实验表明:本算法具有匹配速率高、提取的特征点多且分布均匀以及匹配率高等特点。     

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。     

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。     

结合马氏距离与梯度描述符的稠密匹配

针对稀疏匹配点无法满足三维重建工作需要及传统密集匹配算法面对明暗变换影像匹配无力等问题,本文提出了一种结合马氏距离与梯度描述符的密集匹配方案。该方案首先利用初始可靠同名点建立同名三角网;然后以各三角形的对应中点作为加密匹配基元,以描述符与马氏距离作为两种影响因素,建立得分计算公式;最后以超过该得分阈值者作为匹配点,遍历所有三角形,更新三角网重复上述步骤,直至没有新的匹配点产生。利用网络公开数据集进行验证,试验结果表明,本文提出的密集匹配方案较好地解决了传统算法面对明暗变换影像适应性较差的问题,同时对多种变换影像有着较好的适应性与稳定性。     

Rational function model-based image matching for digital elevation models

This paper presents an image matching technique for IKONOS satellite imagery based on rational function models (RFMs). This algorithm adopts the object-space approach and reduces the search space to within the confined line-shaped area called the piecewise matching line (PML). Also, the detailed procedure of generating 3D surface information using the RFM coefficients (RFCs) is introduced to illustrate an end-user's point of view. The final digital elevation model (DEM) generated using the proposed scheme shows a mean error of 2·2 m and rmse of 3·8 m compared with that from a 1:5000 scale digital map.     

一种高阶Delaunay三角网生成算法

Delaunay三角剖分是构建数字地形模型的有效方法,但是该方法可能产生人工大坝和局部极小问题,使得地形模型不能很好地反映原始地形的真实面貌。本文在Delaunay三角网的基础上引入了高阶Delaunay三角网,并给出了一种高阶Delaunay三角网生成算法。实验表明,高阶Delaunay三角网能够有效地减少地形的局部极小数量,是建立数字高程模型的一种新方法。因此,采用高阶Delaunay三角网建立的地形模型更接近于实际地形。     

基于约束Delaunay三角网的线、面群目标分布边界计算

群组目标的分布边界在空间方向关系判断、相似度计算以及地图自动综合等领域有着重要的应用,但目前的分布边界计算主要是针对空间点群目标,鲜有涉及空间线、面群目标。在约束Delaunay三角网的基础上,利用动态阈值"剥皮"法实现线、面群目标的分布边界计算。方法得到的分布边界多边形符合人们的空间认知习惯,能够较好地描述线、面群目标的空间形态和分布范围。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

大量约束边条件下Delaunay三角网的快速生成

讨论了建立约束Delaunay三角网算法的研究现状,采用“逐点插入法”和“多对角线交换算法”构成“两步法”,在此基础上,从建立高精度三角网模型的需求出发,研究以大数据量等高线为约束边进行Delaunay三角剖分的改进算法。针对“逐点插入法”,采用网格分块的方法对构网点集和已生成的三角网建立索引,提高了点的查询速度和点在三角网中的定位速度,提高了三角网的生成效率;针对“多对角线交换算法”,增加了一些特殊情况的处理,提高了算法的健壮性和交换速度。