直线特征标志子像素级定位方法的研究

在近景摄影测量中,常常需要对直线特征的标志进行定位,而标志定位的精度会影响到整个测量的精度。提出一种新的混合方法,即采用Hough变换对直线特征标志进行直线检测,得到直线初值;然后采用灰度矩边缘直线拟合定位法,对标志点中心进行子像素定位。在三维重建实验中采用所提出的灰度矩边缘直线拟合定位法和高精度直线定位法进行精度比较,实验证明经过Hough变换得到粗值的灰度矩边缘直线拟合定位法达到较高的定位精度,且计算更简单。     

二维控制场中控制点像点坐标亚像素定位的问题研究

分析了控制点标志的选择与设计,采用了图像处理、Hough变换、角点与直线高精度定位算子等方法,实现了中南大学近景摄影测量二维控制场1 350个人工标志点的自动识别和亚像素定位,仿真图检测平均精度达到±0.05 pixel。     

一种高分辨率光学卫星遥感影像直线匹配算法

高分辨率光学卫星遥感影像直线自动匹配算法的具体流程包括:进行影像尺度调整,对影像进行边缘提取,采用Hough变换提取直线;同时基于直线几何特征和灰度特征提取同名直线,利用Hough变换模型,将线转换为参数空间中的点,并建立转换模型;最后采用RANSAC算法剔除错误同名直线,以获取最终的匹配结果。实验结果表明,本文提出的算法能显著提高影像同名直线提取的数量和精度,特别是对异源影像具有抗噪能力强、鲁棒性好等特点。     

结合边缘编组的Hough变换直线提取

针对传统Hough变换用于直线检测存在的问题进行了细致的分析和归纳总结,在此基础上,提出一种结合边缘编组的Hough变换直线提取算法。该算法首先采用基于8邻域的边缘跟踪算法对Canny算子检测得到的边缘点进行编组;然后对每一个边缘组分别进行Hough变换,单独确定Hough变换原点和参数的取值范围。Hough变换过程中,采用迭代的"投票"方式,每次确定单一峰值点并删除对应像素。实验证明,该算法原理简单,能有效解决传统Hough变换存在的精度不高、计算复杂等问题。同时该算法具有较强的鲁棒性,可以有效处理不同类型的影像数据,适用于并行处理。     

一种遥感图像建筑物直线特征提取算法

随着遥感技术的不断发展,高效、快速的遥感影像处理成为人们不断研究的热点。作为内业处理的基础,人们对影像直线特征提取的重视不断加强。本次试验采用辽宁科技大学1：2000正射影像图,针对教学区内建筑物、绿化区和道路混合的特点,提出了一种自动识别并高效提取建筑物直线特征的算法。该算法将直线拟合和Hough变换进行结合,加入角度先验方法。试验结果表明：该算法的直线提取性能优于传统Hough变换,能很好地适应教学区域,对建筑物的识别能力、直线提取效率及精度有很大的提高。     

倒车辅助系统车位线识别方法研究

提出了一种用于倒车辅助系统的基于改进Hough变换的车位线识别方法。算法首先采用局部像素分布特征以剔除非直线的干扰像素,然后使用像素直方图自适应地选择与车位线边缘直线相适宜的梯度方向区间,减少参与Hough变换的像素点数的同时减少背景干扰直线边缘的影响,最后通过判断相邻边缘间的像素灰度关系,进一步确认车位线边缘,从而识别出图像中的车位线。相比于传统hough变换和基于梯度方向区间的改进随机Hough变换（Grad-RHT）,本文算法在保持与Grad-RHT运行效率相当的情况下,在各种干扰背景下都取得了更好的车位线边缘直线检测正确率,表现出较好的识别鲁棒性。     

基于Hough变换的航空影像建筑物半自动提取

针对Hough变换不能检测直线段的缺点,提出了一种改进的Hough变换用于影像中矩形建筑物的半自动提取。同传统Hough变换相比,改进的Hough变换充分利用了Hough变换的参数空间数据,将Hough变换的“投票”过程和直线段的检测过程融为一体,获得直线段的端点坐标。根据直线段的端点坐标消除虚假直线段的过连接,并根据直线段的角度、距离条件合并直线段。最后通过直线段上的若干点利用最小二乘法拟合出一条最佳直线,通过计算最佳直线的交点确定建筑物的角点坐标,完成影像中建筑物的半自动提取。实验结果表明:用改进的Hough变换算法提取出的航空影像中建筑物边缘结果是正确的,定位精度较高。     

高斯过程模型圆心定位算法

在对圆形目标进行图像处理以实现精密测量的各种任务中,圆心定位的精度直接决定了测量结果的精度。目前,成熟的圆心定位算法包括重心法、Hough变换法、高斯拟合法、圆拟合法以及椭圆拟合法等。这些常用算法各具优缺点,因此有不同的适用场景。本文提出了一种新的研究思路,利用高斯过程模型解决圆心定位的问题,并且提出了分别基于标准圆和椭圆方程的高斯过程圆心定位算法。实验结果表明,高斯过程标准圆中心定位算法与圆拟合算法的精度相当,而且在残缺圆的圆心定位中抗噪能力更好,精度更高;高斯过程椭圆中心定位算法比椭圆拟合法的抗噪能力更强,精度更高。     

基于矩和曲率保持的圆形标志精确量测

提出了一种基于矩和曲率保持(moment and curvature preserving,MCP)的椭圆边缘的子像素定位方法.该方法在初步确定椭圆参数后,通过计算给定区域的三阶灰度矩和局部边缘的曲率不变性确定椭圆的子像素边缘,然后利用直接最小二乘拟合法对椭圆中心精确定位.     

粒度Hough变换及其在遥感影像直线检测中的应用

在基于Hough变换的遥感影像直线检测的过程中引入粒度计算的概念,利用粒度计算具有多角度、多层次观察问题的能力,对遥感影像中的直线边缘特征进行不同粗细的粒度分析,建立粒度计算概念下的直线检测算法,实现对不同长短、粗细直线的识别。真实的IKONOS遥感影像机场跑道提取试验证明了该方法的有效性。     

基于线特征的鱼眼图像与地面激光雷达点云配准

地面激光扫描数据（LiDAR）与全景图像进行联合分析在虚拟场景建设、文化遗迹保护等方面有较高的应用价值。将全景图像在其视点与LiDAR点云对齐是开展两种数据联合分析的基础,但需要克服数据维度差异转换和特征匹配的困难。本文提出了基于线特征的半自动配准方法纠正图像,将鱼眼图像和LiDAR点云投影为透视成像的柱面全景图像,采用Hough变换提取图像直线特征,并利用修正迭代Hough变换方法,实现在鱼眼全景图像视点约束下与离散激光点云的三维对齐。试验表明,该方法能在较少的人工干预下实现二维到三维数据对齐。     

一种卫星遥感图像目标位置快速精校正的新方法

从遥感图像目标识别处理等应用特点出发,提出一种卫星图像目标位置精校正的新方法。直接在系统级几何校正的遥感图像上检测目标及其附近的地面控制点,然后进行异常控制点检测,最后利用正常控制点对目标地理位置实施精校正。同时提出一种基于局部区域最大团的异常控制点自动检测方法。实验结果表明,所述方法在保证目标定位精度的同时,可显著提高目标地理位置精校正的速度。     

基于预存储权值矩阵的多尺度Hough变换直线提取算法

针对Hough变换提取直线算法在速度、精度和影像大小三方面的局限,提出一种基于预存储权值矩阵的多尺度Hough变换算法。首先阐述对经典Hough变换的改进策略,对参数空间中ρ的分辨率和θ的分辨率的最佳取值也作了探讨,之后详细说明基于预存储权值矩阵的多尺度Hough变换直线提取算法。实验证明,本文提出的算法能显著提高实际影像处理的速度和直线提取的精度,特别是对比较大的影像具有计算量小、抗噪能力强等特点。     

基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中,需要两片点云具有良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,本文提出了一种基于特征点提取与配对的粗配准方法,以调整两片点云重叠部分的初始位置。首先,利用SIFT算法提取两片点云公共部分的特征点;其次,根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对;然后,利用法向量的夹角对特征点对进行提纯;最后,通过单位四元数法,求解出旋转及平移矩阵,完成粗配准。试验表明,本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置,在一定程度上避免配准时陷入局部最优的现象。     

基于凸包算法和抗差最小二乘法的激光扫描仪圆形标靶中心定位

针对激光扫描仪圆形平面标靶点云数据缺失或冗余时不易准确获取标靶中心的问题,提出一种稳健的中心定位算法。首先根据回光强度提取标靶点云数据;然后剔除标靶点云数据粗差点,拟合标靶的最佳平面;接着利用凸包算法提取标靶边缘点;最后利用抗差最小二乘求解标靶的中心坐标。实验表明,该算法定位精度能达到亚毫米级,可以有效解决标靶数据缺失或者冗余时标靶定位精度低的问题,提高标靶的中心定位的稳健性。     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

基于霍夫直线检测和区域生长的合成孔径声呐图像线目标提取

本文针对合成孔径声呐图像线目标提取过程中,由于线目标宽度（直径）小且图像受相干斑噪声影响严重而导致的提取困难的问题,提出了基于霍夫直线检测和区域生长的线目标提取算法。首先利用Otsu算法计算区域生长终止阈值,并对噪声进行初步抑制;然后在对图像进行霍夫直线粗检测的基础上,对检测结果进行不均匀分割,再进行细检测,得到区域生长种子点;最后利用区域生长对线目标进行还原。试验结果表明,该算法能准确地提取线目标;与传统区域生长对比,该算法选取的种子点数量提升了5.37倍,且线目标提取结果具有更好的连续性和完整性。