线面特征约束的跨源点云配准方法

随着三维传感器和三维重建技术的发展,跨源点云的配准融合成为了一个研究热点。传统的配准方法使用单一特征作为配准基元,会存在空间几何约束弱的问题。为了高精度融合跨源点云数据,充分表达场景中的立面信息,本文提出一种基于线面特征约束的跨源点云配准方法。通过RANSAC算法提取跨源点云中的同名线、面特征;利用四元数法描述空间变换参数,将线特征作为配准的约束条件,构建空间变换目标函数,估算变换相关参数完成粗配准,解决尺度差异性;在粗配准的基础上将面特征作为约束条件,求解旋转矩阵和平移参数完成精配准。以面特征代替点特征作为配准基元能避免从海量的点云数据中选取公共点,减少由人为选择的偶然误差,避免了误差的积累,进一步提高配准精度。最终使用影像匹配点云与激光雷达点云数据进行实验,结果为：在小区域单建筑、多建筑和大区域建筑群中RMSE值分别为0.364 7、0.032 0和0.614 6,且同名面之间的夹角最大不超过1.5°,最小不到0.1°,夹角角度均值在1°范围内。结果表明本文方法对具有尺度差异的跨源点云具有较好的配准效果。     

一种基于点特征的高精度图像配准方法

提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集特征点,利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像,再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用性。     

同名矢量地图要素形状配准的算法与应用

地图配准是GIS领域的一个基础问题,本文结合矢量地图要素的形状特点,提出了一种可对存在仿射变换关系的两个同名矢量地图要素,进行自动精确配准的算法。首先,该算法综合利用地图要素的几何矩以及仿射变换的有关性质定理解算仿射变换参数,实现两个要素的粗配准;然后,以粗配准结果作为初值,通过一种改进的PLICP算法进行迭代配准,从而实现待配准地图要素的精配准。实验结果表明:本文算法可对存在仿射变换的同名要素进行自动精确配准,且具有一定的抗噪能力,以配准结果为基础,还可以准确地从同名要素上自动识别和匹配同名特征点。     

基于SAC-IA和NDT融合的点云配准方法

提出一种基于采样一致性初始配准（SAC-IA）和正态分布变换（NDT）配准融合的点云配准方法。首先计算出待配准点云和目标点云的快速点特征直方图(FPFH）特征;然后依据该特征,利用SAC-IA算法求出初始转换矩阵,完成初始配准;最后在初始配准的基础上,利用NDT算法对两片点云进行精配准。实验结果表明,该方法的配准精度显著优越于ICP算法,且配准效率也有所提升。     

机载InSAR图像配准算法比较研究

复图像配准的关键是选择合适的匹配测度函数,但匹配测度函数对不同地形的适应性有待于研究。本文首先介绍了复相关系数法、实相关系数法、频谱极大值法和平均波动函数法的原理和机载双天线In SAR数据的配准流程,然后分别对比分析4种测度函数在机载In SAR山地和平地数据的精度和可靠性。实验结果表明,复相关系数法和频谱极大值法分别在山地和平地区域获得稳健、高精度的配准结果     

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。     

基于LTS稳健初值的选权迭代法在SAR图像配准中应用研究

分析SAR图像配准联系点偏移量粗差对配准精度的影响,采用基于LTS（least trimmed squares）稳健初值的选权迭代法剔除偏移量粗差。以南通地区ENVISAT ASAR数据为例,选取干涉图条纹质量和相干系数总体分布作为评价指标,对该粗差剔除方法进行实验。结果表明,该算法能有效去除偏移量粗差,消除偏移量粗差对配准精度的影响,提高SAR配准的精度。     

改进的基于累加投影图匹配的点云配准算法

针对大规模点云数据配准拼接中存在的运算耗时长、结果精度低等问题,提出了一种改进的基于累加投影图匹配的点云自动配准算法,该算法首先将三维点云累加投影到二维平面,之后利用尺度不变特征变换算法匹配累加投影图得到匹配点对。在此基础上,根据匹配点对与三维点云数据之间的关系得到三维点云块,最后利用迭代最近点算法匹配三维点云块得到配准结果。实验表明,与Super4PCS算法和基于累加投影图线特征匹配算法相比,本文算法在车载和固定站点云数据配准中都能得到有效的结果,针对大规模点云的处理速度能够提高20倍以上,且能将配准精度提高到0.1 m以内。     

基于特征空间匹配的激光雷达点云配准算法

针对传统基于特征的粗配准效率低、误匹配较多的不足,提出一种基于特征空间匹配的配准方法。利用简化的PointNet模型实现特征空间的提取,以优化的点云PPF信息作为输入,根据提取的特征空间向量计算欧氏距离以筛选匹配点,通过RANSAC剔除误匹配点对完成粗配准,利用ICP实现精配准。实验结果表明,本文算法相比FPFH和SHOT算法与ICP结合可有效提升配准效率,且配准结果的均方根误差较小。     

基于点面关系构建的线基元点云配准算法

针对传统的点特征点云配准算法不能解决缺失同名点的配准问题,从点在平面上的几何关系出发,利用具有较强几何约束能力的直线特征,推导出基于单位四元数表征的无需同名直线端点完全对应的点云配准模型。结果表明,该模型不仅能够同步求解配准参数,还适用于大旋转角的配准问题,同时降低了配准模型对参数初值的要求,增强了配准模型的稳定性和实用性。     

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...     

结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。     

基于小波变换的SAR图像噪声滤除方法

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量,降低图像的可判读性。常用的空间自适应滤波方法在滤除噪声的同时,损失了图像中的大量边缘细节信息。介绍了一种基于小波变换的SAR图像噪声消除方法,充分考虑噪声的统计特征,并把小波变换与空间滤波两者有机结合起来。通过滤波实验与其它滤波方法的对比。表明此小波滤波方法能更有效地消除SAR图像中的斑点噪声,而且能有效地保持图像中的纹理细节和边缘信息．     

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。     

基于DEM的SAR影像几何定位参数校正方法

针对大范围无地面控制的SAR影像几何纠正,利用在一定时间和空间范围内SAR系统几何定位参数误差具有一定稳定性的特点,提出基于DEM的几何定位参数校正方法。该方法首先基于DEM进行影像模拟生成模拟SAR影像;然后在模拟SAR影像上提取特征点,针对特征点将模拟SAR影像和原始SAR影像进行匹配,得到特征点在原始SAR影像上的同名特征点,再结合DEM进行模拟影像间接定位获取特征点的地理坐标,以此作为几何定位参数校正的参考点;进而根据严密SAR几何构像模型构建几何定位参数校正模型,解算几何定位参数校正值;最后,利用几何参数校正值改正区域内其他SAR影像几何定位参数,提高区域内SAR影像几何定位精度。以高分三号影像进行试验,使用本文方法获取一景影像的几何定位参数校正值,对同一轨道内的和不同轨道的其他SAR影像进行参数校正,并对参数校正前后的几何定位精度进行评价。结果显示,同一轨道内的影像定位精度由66.0 m提高到9.7 m,不同轨道的影像定位精度由65.0 m提高到13.5 m,表明本文方法能够显著提高SAR影像几何定位精度。     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达(SAR)影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

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。