共查询到19条相似文献,搜索用时 125 毫秒
1.
由于纹理缺乏地区影像缺少鲜明特征,特征重复性严重,使得单纯的基于特征的匹配算法很难获得唯一性较强的特征描述符,导致同名点误匹配的比率大大增加。AKAZE算法以非线性尺度空间为基础,较好地顾及了影像的纹理结构及细节信息,对纹理缺乏地区的影像匹配具有一定的应用价值。基于频域的Fourier-Mellin相位相关技术,通过对影像的频域及对极数变换,计算互功率谱可获得影像间的旋转、尺度和平移参数。因此,本文通过Fourier-Mellin变换计算影像间的几何关系,对AKAZE算法检测出的特征点进行了匹配范围的约束,初步解决了纹理缺乏地区的影像匹配问题。试验结果表明,该方法可以提高匹配的正确率及同名点对数。 相似文献
2.
SIFT特征匹配技术在自动相对定向中的应用 总被引:2,自引:1,他引:1
提出了一种利用尺度不变特征变换(SIFT:Scale invariant Feature Transform)特征匹配技术应用于遥感影像自动相对定向的方法,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化均保持不变,对视角变换、仿射变换、噪声均有一定程度的稳定性。文中给出了较为详细的理论分析和实验分析,结合小波变换建立影像金字塔采用分频道相关提高影像匹配的速度,利用最小二乘匹配方法提高了匹配的精度,取得了较好的实验结果。 相似文献
3.
无人机影像匹配中尺度不变特征应用改进 总被引:2,自引:1,他引:1
针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。 相似文献
4.
针对SAR影像受相干斑噪声影响严重,难以直接利用灰度信息对特征直线进行匹配的问题,该文提出了一种基于空间结构信息的特征直线匹配方法。该方法首先根据影像间粗投影变换模型所提供的几何约束,将直线映射至同一坐标系下;然后基于直线双重距离进行匹配。为提高正确率,提出了旋转角一致性检核算法剔除误匹配。最后根据直线的空间特性对匹配直线对进行优化,获得"一对一"的匹配。对多组真实SAR影像进行实验,实验结果表明:该文提出的算法匹配直线对数量多,正确率高,稳定性好,优于L-P算法。 相似文献
5.
针对重复纹理区低空影像匹配中存在的多义性易造成同名点过少或匹配失败等问题,利用相位相关法计算了像对中两影像傅立叶变换复共轭的互功率谱,预测同名点在平移、旋转和尺度上的遍历范围,并以尺度遍历范围自适应估计Harris-Laplace尺度空间和检测角点,然后通过相关系数法和核线约束匹配同名点。实验验证了该方法对于重复纹理区低空影像匹配的可靠性和实用性,可获得数量足够且分布均匀的同名点。 相似文献
6.
针对喀斯特地貌地形起伏大、沟壑纵深、影像局部存在阴影,该地区无人机遥感影像匹配难度大,该文提出一种基于AKAZE特征和RANSAC算法的喀斯特地貌无人机遥感影像的快速匹配方法。该方法采用AKAZE特征检测算法提取喀斯特地貌无人机遥感影像的特征点,能够较为精简地描述出影像的特征,影像匹配时间缩短,匹配速度提高明显;由于预匹配存在错误点对,利用单应性矩阵的RANSAC算法进行精准匹配,剔除错误匹配点对,同时得到最优的单应性矩阵。实验结果表明,该方法的匹配耗时和匹配正确率较优于经典的SURF和BRISK算法,该匹配方法更适合于喀斯特地貌无人机遥感影像匹配。 相似文献
7.
Hu不变矩对多源影像进行匹配时,无法对抗大幅度旋转和灰度差异,而且计算量较大无法快速匹配。本文结合多源影像之间的区别和联系,针对Hu不变矩的适用性和计算过程,从匹配窗口设计、影像预处理、亮度因子、计算过程等4个方面进行改进。实验结果表明,改进后的Hu不变矩匹配方法可以抵抗大幅度影像旋转和灰度差异,而且提高了匹配准确度和速度。 相似文献
8.
针对倾斜影像匹配正确率低、匹配时间较长等问题,该文提出一种注意力机制优化的倾斜影像局部特征匹配算法。该算法以尺度不变特征变换(SIFT)特征为基础,通过特征点优选及深度学习匹配策略提高匹配正确率及效率。构建尺度空间进行SIFT特征点检测并确定主方向;根据地物反射光谱特性构建可见光植被指数,引入语义信息约束剔除不稳定特征点,并基于特征点邻域梯度统计值计算特征点描述向量;采用基于深度学习的注意力机制图匹配算法进行特征匹配,通过注意力机制图神经网络聚合特征点空间及上下文信息,再求解聚合后特征向量的最优部分分配矩阵,并基于阈值确定匹配点。利用不同类型无人机航空倾斜影像进行实验对比,结果表明,该文算法比现有算法匹配正确率有较大提升,匹配耗时明显降低。 相似文献
9.
针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。 相似文献
10.
11.
12.
数字地形模型自动获取的一种新方案——辐射法 总被引:1,自引:0,他引:1
利用数字影像自动提取数字地形模型(DTM)的关键是影像匹配。匹配算法有基于特征的相关匹配和基于影像区域匹配两类,前者利用某种抽象的“特征”(一般为线段或点),而后者直接比较像素。但要同时满足DTM的精度,密度、可靠性和速度等要求,单纯引用某种特定的相关方法是不能有效地解决生产实际问题的。本文在分析现有几种典型方法的基础上,提出了基于特征点的辐射法,从而较为合理地兼顾了精度、密度、可靠性以及速度等指标。在AST 386微机上,无任何加速处理器,运行速度达到每秒1~3点,精度为子像素精度。 相似文献
13.
14.
15.
一种基于星形的星图识别算法 总被引:2,自引:0,他引:2
针对卫星自主定姿问题,提出了一种基于星形的星图识别算法.该算法直接以星对角距为匹配特征,先确定影像中亮星为中心星,并以此星与相邻星像点构建辐射状星图,统计所有满足星对角距匹配条件的导航星出现次数,次数最多的即为中心星所对应的导航星.实验表明,该算法构造的导航星表容量小,抗星等干扰,与多边形角距匹配算法相比,具有匹配速度快、识别率高、可靠性好的特点. 相似文献
16.
FAST(Features From Accelerated Segment Test)特征检测算法是通过邻域像素比较来确定特征点,运算简单,同时采用BRIEF(Binary Robust Independent Elementary Features)算子进行二值化特征描述,可有效降低数据复杂度,提高匹配速度。因此,结合FAST和BRIEF算法,对截取的图像感兴趣区域(ROI)进行特征点提取,在减少数据量的基础上保证了图像特征点的快速获取与匹配;同时,利用机器学习中的密度聚类(DBSCAN),将暴力匹配特征点对的角度和距离作为二维数据样本集进行簇分类,优化改进匹配结果,有效提高匹配精度。通过实验比对改进结果与RANSAC(Random Sample Consensus)错误剔除算法,表明该方法提取速度快、匹配精度高。 相似文献
17.
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。 相似文献
18.
一种基于小波分析的旋转不变图像快速匹配方法 总被引:2,自引:1,他引:2
提出了一种基于小波分解的具有旋转不变特性的三级特征图像快速匹配方法,利用小波分解的高频分量得到图像边缘,进而提取具有旋转不变特性的边缘特征;小波分解的低频分量则用于提取同样具有旋转不变性的图像尺度共生矩阵特征.前一个特征反映了图像边缘间的空间关系,后者则体现了图像灰度间的空间关系,利用这两类特征构成一个三级决策树对图像进行搜索,以查找搜索图中是否包含样本图,对满足匹配条件的若干候选子图,给出具有最大相似特性的一个,实验结果表明,较之于传统的模板匹配方法,该方法具有快速,高精度,抗干扰能力强等优点. 相似文献
19.
提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。 相似文献