利用C_SURF配准的空基视频运动目标检测

针对传统的车辆检测算法的性能易受低空移动平台影响造成相机自运动以及外界的干扰等问题,提出了一种基于改进的C_SURF彩色特征稳像和光流法向量相结合的方法来解决低空视频中的运动车辆检测问题。通过图像稳像消除了相机的自运动和外界干扰问题,提高了运动车辆的检测性能。实验结果显示,该方法不仅在检测车辆方面可以获得更好的检测性能,在复杂的背景环境下也能有效地检测运动车辆。     

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。     

基于SURF的图像配准改进算法

针对传统的加速鲁棒性特征(speeded-up robust features,SURF)算法在图像配准中的应用现状,结合图像分块策略和相对距离理论,提出一种基于SURF的图像配准改进算法。通过图像分块策略改善提取特征点分布的均匀性;在SURF算法初匹配基础上,引用相对距离理论剔除异常匹配点,从而提高特征点匹配的精度和可靠性。选取覆盖重庆市沙坪坝实验区的Quick Bird卫星数据,以特征点正确匹配率和均方根误差RMSE为量化指标,对所提出的SURF改进算法的图像配准效果进行验证。实验结果表明,改进后的SURF算法的特征点正确匹配率达到88%以上,高于传统SURF算法的76%。通过相对距离剔除误匹配点后,最终配准结果的RMSE达到2.69个像元,符合图像配准的基本需求(RMSE在2个像元左右),具有一定的应用推广价值。     

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法.     

基于Harris和SURF的遥感图像匹配方法研究

针对多源遥感图像匹配正确率低的问题,本文首先采用点空间约束的Harris角点检测算法,得到分布比较均匀的角点;接着构建Voronoi图进行图像分块;然后应用分块SURF特征点检测和匹配得到仿射变换参数;再利用灰度积相关算法实现同名点搜索;最后辅以两点对空间约束剔除误匹配。实验结果表明,本文采用的基于Harris和SURF的方法在遥感图像匹配正确率和效率上优于SURF算法。     

多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法

SIFT、SURF、BRISK、ORB、FREAK等图像特征匹配算法具有不同的鲁棒性,本文利用Mikolajczyk和Schmid所提供的数据集,对这几种算法从匹配速度,应对图像旋转变换、模糊变换、光照变换、尺度变换、视角变换时表现出的鲁棒性等角度进行比较。本文采用的评价指标是两幅图像中成功匹配的特征点对数。经比较分析后发现,SURF和FREAK算法表现出的鲁棒性较为全面。     

场景判断增强SURF影像匹配算法

SURF特征匹配算法进行特征匹配操作时,会受到边缘线上大量相似点特征等因素的影响,特征匹配结果往往不会达到预期的效果,在纹理特征复杂的场景区域,其匹配精度会变得更低。为了实现在复杂场景中连续影像帧之间高质量的特征匹配,本文提出了一种基于场景判断的改进SURF影像匹配算法。该方法以GC-SURF特征匹配算法为基础,在初始匹配与几何对应匹配阶段增加了变换矩阵评估机制。首先,采用本文算法构建两帧影像间的变换关系模型,求解基础矩阵与单应矩阵;然后,通过变换矩阵评估策略,对上一步求得的基础矩阵与单应矩阵进行评估,判断影像场景的立体程度,根据场景立体程度选择相应的变换矩阵;最后,根据选择的变换矩阵进行后续几何对应匹配。对ICL-NUIM数据的综合试验表明,本文算法能够取得更高质量的匹配效果。     

基于NSCT和SURF的遥感图像匹配

SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。     

一种基于Harris-Sift引导LK光流约束的特征点匹配算法

提出了一种基于Harris-Sift特征点引导LK光流约束的图像匹配算法。算法首先检测图像的HarrisSift特征点,利用双向互匹配的最邻近搜索算法进行粗匹配;然后利用Ransac算法鲁棒估计两视图单应矩阵,利用单应矩阵引导LK光流法寻找局部最优匹配点,以获取更多更精确的匹配点;最后利用极线约束剔除外点。实验结果表明,该算法能够在降低外点概率的同时有效提高匹配点的数量,并能节省运算时间。     

一种改进SURF的视觉影像匹配算法

视觉影像经常存在纹理情况复杂和动态模糊等情况,严重降低了连续影像间各类特征的相似性,导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配,影响后续影像处理中各类信息的获取。针对上述情况,本文提出了一种改进SURF视觉影像匹配方法。该方法包括特征提取、初始匹配和对应匹配3个步骤。首先,利用SURF特征匹配方法提取足够且分布良好的特征点;其次,进行初始匹配,得到一些正确的匹配点对及影像对之间的初始投影变换关系;最后,采用几何对应匹配策略进行匹配传播,得到更可靠的匹配结果。通过图像对之间的几何关系,几何对应匹配能够发现比初始SURF算法更合适的匹配结果。对TUM数据综合试验表明,该算法简单快速,匹配精度高。     

Extraction and motion estimation of vehicles in single-pass airborne LiDAR data towards urban traffic analysis

Airborne LiDAR data are characterized by involving not only rich spatial but also temporal information. It is possible to extract vehicles with motion artifacts from single-pass airborne LiDAR data, based on which the motion state and velocity of vehicles can be identified and derived. In this paper, a complete strategy for urban traffic analysis using airborne LiDAR data is presented. An adaptive 3D segmentation method is presented to facilitate the task of vehicle extraction. The method features an ability to detect local arbitrary modes at multi scales, thereby making it particularly appropriate for partitioning complex point cloud data. Vehicle objects are then extracted by a binary classification using object-based features. Furthermore, the motion analysis for extracted vehicles is performed to distinguish between moving and stationary ones. Finally, the velocity is estimated for moving vehicles. The applicability and efficiency of the presented strategy is demonstrated and evaluated on three ALS datasets acquired for the propose of city mapping, where up to 87% of vehicles have been extracted and up to 83% of moving traffic can be recovered together with reasonable velocity estimates. It can be concluded that airborne LiDAR data can provide value-added products for traffic monitoring applications, including vehicle counts, location and velocity, along with traditional products such as building models, DEMs and vegetation models.     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

Matlab中图像边缘检测算法研究

边缘检测是图像识别的中心环节,快速、精确地提取图像物体的边缘信息一直是国内外研究的热点。本文介绍了Roberts算子、Prewitt算子、Sobel算子、LOG算子和Canny算子等经典边缘检测算子,对其性能和算法特点进行分析。运用Matlab进行算法的仿真,并对其检测结果进行分析和比较。得出Sobel算子、Prewitt算子检测斜向阶跃边缘效果较好,Roberts算子检测水平和垂直边缘效果较好,LOG算子和canny算子提取的边缘比较完整,位置比较准确,并能够检测出图像较细的边缘部分。为进一步研究图像边缘检测理论奠定了一定的基础。     

无人机影像辅助下的路桥病害智能检测

路桥表面病害状况评估是路桥养护的一项重要内容。目前病害检测主要基于移动测量车和目视判断,具有工作量大、获取危险度高的缺点,而低空飞行的六旋翼无人机能够拍摄到人工无法获取到的多角度路桥照片,在路桥检测方面具有巨大的优势。本文基于无人机影像开展路桥病害检测相关研究,提出了一种新的路桥病害检测方法。首先通过多部件形变模型模拟病害目标,并在无人机影像中全局搜索,检测出潜在路桥病害区域。试验表明,本文算法在复杂背景下能够有效检测病害,目标检测精度达80%,具有很高的效率和鲁棒性。     

空地数据链系统中图像自动剪切方法研究

在空地数据链路通信中，鉴于存在需要传输的各种机载图像传感器的数据量越来越大与已有的数据链带宽相对较小的矛盾，为了提高数据链路在战场环境中的图像传输效率，对于用CCD航空相机以中心投影方式获取的静态图像数据，要求远程快速高保真地进行信息传递，提出了一种机载自动数据缩减方案。该方案的关键步骤是图像的自动匹配与剪切，它的实现算法利用了航拍相邻图像间具有强逻辑相关性的特点，基于二维仿射变换模型，使用通过傅里叶-梅林变换计算得到的图像匹配参数，在没有检测到突现目标的情况下，对相邻图像中的场景重叠部分进行自动剪切操作。自动剪切及镶嵌的试验结果表明，本算法复杂度较低，鲁棒性和可操作性较强，能够有效地缩减下行链路中待传输的数据量，具有进一步实用化的潜力。     

基于SURF改进算法的红外序列影像快速配准的方法研究

提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。     

一种改进的户外移动增强现实三维注册方法

针对目前移动增强现实三维注册实时性不强和鲁棒性差的问题,提出一种基于改进加速鲁棒性特征（speed up robust features,SURF）算法和角点跟踪算法（Kanade-Lucas-Tomasi,KLT）的移动增强现实户外三维注册方法。该方法通过结合快速视网膜关键点（fast retina keypoint,FREAK）算法改进了SURF算法（简称SUFREAK）,提高算法描述子构建效率,并保持了算法的鲁棒性。利用视频帧间的相关性,采用KLT光流跟踪算法对户外场景的自然特征点进行跟踪预测,以提高三维注册的实时性。实验结果表明,在户外复杂环境条件下,改进SURF算法具有较高的实时性和鲁棒性,且基于改进SURF和KLT算法的移动增强现实三维注册具有良好的实时性和图像识别效率。     

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。