加权约束代价聚合的立体匹配算法

针对动态规划立体匹配算法存在的条纹瑕疵问题,提出了一种加权约束代价聚合的立体匹配算法。首先利用图像灰度与梯度信息联合计算匹配代价,并进行引导图像滤波;再通过四方向加权代价聚合的方式进行视差优化,得到最终视差图。标准测试数据实验结果证明,该算法能很好地改善传统动态规划算法的条纹瑕疵现象,且视差精度优于多数局部算法和动态规划改进算法,提高了立体匹配的精度。     

改进边缘能量聚集的半全局匹配算法

针对传统半全局算法匹配时间长和视差突变处易存在误匹配的问题,提出了一种改进边缘能量聚集的半全局匹配算法。在半全局匹配算法的基础上,引入金字塔分层策略,通过对图像降采样进行加速匹配,降低匹配算法的复杂度,减少内存的消耗。利用Canny算子获得分层图像的边缘信息,匹配时根据边缘信息改进边缘处的代价聚合并构建自适应窗口减小视差搜索域,获得正确率更高的视差图。结果表明,该算法可将明显提高匹配速率,降低运算复杂度,提高正确率。     

结合颜色信息的 Census变换半全局立体匹配算法

针对传统单一Census变换未充分利用影像信息且精度不高的问题,该文提出了一种结合颜色信息的Census变换半全局立体匹配算法。该算法联合像素点间RGB颜色绝对差值与其Census变换值的匹配代价计算方法,采用八方向半全局视差获取方法获得初始稠密视差图。为进一步提高匹配精度,利用左右一致性交叉检测确定初始视差图中不稳定视差;采用基于均值偏移图像分割的视差优化算法对视差图中不稳定视差进行优化,获得最终视差图。选取4组middlebury立体图片库经典立体像对进行视差获取实验并检测。结果表明,本算法能够获得较高精度且可靠视差图,且在遮挡、视差不连续处的视差精度明显优于单一Census变换立体匹配算法及一些改进半全局立体匹配算法。     

分区域快速高精度立体匹配方法

针对传统高精度立体匹配策略时间复杂度较高的问题,提出了一种分区域快速立体匹配方法。该方法首先建立加密的Delaunay三角网并计算网点视差。将结合梯度和灰度信息的零均值归一化互相关函数ZNCC作为匹配度量,采用视差邻域区间的二分法对加密三角网的顶点视差值进行亚像素级精化。在加密三角网中,利用视差边缘区域内视差值变化幅度较大的特性,提取出三角网中的边缘三角形。并连接各边缘三角形中视差最大的角点以获得视差边缘,同时对视差边缘进行邻域膨胀得到视差传播区域,其余区域视为视差平滑区域。在全局匹配区域内,选取待匹配点固定范围内代价最小的网点视差作为视差结果,由此获得全局的初始视差值。最后,利用初始视差值对视差传播区域内的像素构造初始视差平面,并进行平面传播和法向量优化以获取区域内的最优视差。结合视差传播区域和平滑区域的视差值,最终得到全局的视差结果;通过对Middlebury dataset中的图像实验对比分析,得出该方法在nonocc和disc指标平均值方面都具有更高的匹配精度,实现了快速的高精度匹配。     

改进半全局匹配的高分卫星影像DSM提取方法

传统半全局匹配算法在提取高分卫星立体像对DSM时,匹配结果受正则化参数的影响较大,且在阴影、低纹理、重复纹理和视差跳变等难以匹配区域存在较多的视差空洞。针对上述问题,该文提出了一种改进半全局匹配的高分卫星影像DSM提取方法:在代价聚合过程中根据当前层金字塔影像的视差搜索范围和代价矩阵自动确定正则化参数以增强匹配结果的稳定性,同时构建金字塔聚合以提高匹配点的数量;在此基础上,利用基于快速双边算子的优化策略优化视差图以填充视差空洞。结果表明:本文方法生成的DSM在建筑物边缘更为精细,同时能够较好地恢复难以匹配区域的高程值,且具有更高的精度水平。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

基于区域增长自适应窗口的Census变换立体匹配方法

针对Census变换立体匹配算法中计算匹配代价时采用规则矩形窗口,导致适应性不强的问题,提出一种基于区域增长自适应窗口的Census变换立体匹配方法。首先,以待匹配点为中心,分别沿x轴正方向和负方向增长窗口,若新增像素点与待匹配点灰度差超过阈值或臂长超过阈值,则停止增长,然后以同样的策略增长y轴上的点;其次,利用汉明距离计算匹配代价;然后,在代价聚合阶段采用同样策略获取聚合窗口;最后,利用Middleburry网站提供的标准测试图像对进行实验分析,实验结果表明其算法较常规Census变换算法,匹配精度更高。     

高分辨率遥感影像DSM的改进半全局匹配生成方法

提出一种基于改进半全局匹配算法的高分辨率遥感影像数字表面模型（digital surface model,DSM）生成方法。首先利用影像间连接点几何约束关系对有理函数模型进行系统误差补偿,在补偿模型的基础上对影像进行分块,利用投影轨迹法逐块得到核线影像对;在密集匹配阶段,对影像建立金字塔后逐层进行半全局匹配,匹配过程中引入顾及影像纹理信息的视差图膨胀腐蚀算法约束每一层视差搜索范围,增加了视差图边缘处的有效像素数,同时减少了算法所需的内存开销和计算时间;在视差图后处理阶段,利用加权中值滤波算法保护了视差图的边缘信息;最后基于前方交会获取DSM。选取WorldView 3和资源三号立体影像进行试验,结果表明,本文方法获取的DSM精度在高程方向上接近于1.5倍GSD,并且较好地保持了地物的边缘特性,在计算效率和内存开销方面也具有较好的平衡。     

多尺度边缘动态规划立体匹配算法

目前大多数立体匹配方法都是基于像素处理,而以面向对象的方式进行立体匹配则更加符合人类视觉习惯。该文提出一种面向对象的多尺度递进的立体匹配算法,实现由粗到细的快速立体匹配。首先对参考图进行粗分割获取目标对象,然后针对目标区域采用边缘线动态规划的方法获取视差,再根据精度需求进一步判断该目标是否需要细分以获取更加精细的视差,最后得到有效的视差图。实验证明,这种方法以目标区域为对象避免了从像素级逐一运算,不仅使处理速度加快,而且还能保持有效精度。     

基于边缘的多尺度立体匹配算法

提出了一种面向对象的多尺度递进的立体匹配算法,实现了由粗到细的快速立体匹配。首先对参考图进行粗分割获取目标对象,针对目标区域采用边缘线动态规划的方法获取视差,根据精度需求进一步判断该目标是否需要细分以获取更加精细的视差,得到有效的视差图。实验结果表明此方法快速有效。     

多尺度引导滤波对多光谱遥感影像分类精度的影响

由于地物的复杂多样性,准确识别其分类精度对遥感数据处理具有重要意义。为提高多光谱遥感数据的分类精度,本文以Landsat 8数据为基础,提出不同尺度引导滤波特征融合NDVI与NDBI的方法,进行多光谱遥感图像的分类。首先,提取多光谱数据第一主成分作为引导图像,原图像为输入图像,依次提取滤波半径为2、4、6、8的引导滤波特征集;然后,将不同滤波半径的引导滤波特征集与图像NDVI与NDBI特征进行融合,采用支持向量机的方法进行监督分类,以此探究不同尺度的引导滤波对多光谱遥感影像分类精度的影响。试验结果表明：(1)引导滤波在去除噪声的同时能够较好地保留图像的边缘特征;(2)引导滤波可以提高多光谱遥感影像的分类精度,不同大小引导滤波半径图像在分类方面与原图像相比,较其分类精度均有不同程度的提升,最高总体精度达99.776 3%,Kappa系数为0.997 1;(3)不同尺度的引导滤波会得到不同的分类结果,当滤波半径R=2时,图像的分类精度最高。     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。     

均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

基于动恣规划的整体影像匹配

影像匹配是数字摄影测量工作的基础。考虑到多条核线上的匹配点，本文提出了一种基于动态规划的整体影像匹配方法，构造了一种新的立体匹配模型，并将该模型转化成为简单的一维动态规划模型，采用对角线的方法划分阶段，用视差较和相关系数来构造阶段的代价函数，从而得到了基于动态规划的整体最优匹配结果。     

深度融合网结合条件随机场的遥感图像语义分割

为了充分利用遥感图像中丰富的细节信息和上下文信息,提高图像语义分割精度,提出一种深度融合网结合条件随机场模型的遥感图像语义分割方法。方法在全卷积神经网络框架中增加反卷积融合结构,搭建深度融合DFN (Deep Fusion Networks)网络,通过深层网络自动获取多尺度特征,避免人工设计和选择特征,提高模型的泛化能力;同时借助反卷积融合结构,利用多尺度信息,将浅层细节信息和深层语义信息相融合,提高模型的处理精度。由全连接条件随机场引入空间上下文信息,更好地定位边界,得到最终的语义分割结果。在遥感图像数据集上的实验结果显示:(1)随着不同尺度细节信息的融入,结果的边缘轮廓越精确、接近标签图像;(2)增加了空间上下文信息后,语义分割结果边缘更细化、准确,精度更高。实验表明,该方法可以有效提高遥感图像语义分割的精度,改善结果的过平滑现象。     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

基于动态规划的整体影像匹配

影像匹配是数字摄影测量工作的基础，考虑到多条核线上的匹配点，本文提出了一种基于动态规划的整体影像匹配方法，构造了一种新的立体匹配模型，并将该模型转化成为简单的一维动态规划模型，采用对角线的方法划分阶段，用视差较和相关系数来构造阶段的代价函数，从而得到了基于动态规划的整体最优匹配结果。     

一种利用级联滤波和松弛法的SAR图像配准方法

提出了一种利用级联滤波和松弛法的SAR图像配准方法。首先利用基于Beltrami流的偏微分方程与增强Lee滤波的级联滤波算法去除SAR图像噪声,然后对滤波后的参考图像提取边缘,对边缘特征点采用松弛法特征匹配,同时应用金字塔分级匹配策略由粗到精增加匹配的正确性。实验证明,本方法具有较高的配准精度。     

基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法.     

融合多类特征的海岸带特殊纹理影像全自动配准

针对海岸带特殊纹理影像存在地物单一、纹理匮乏或重复等问题,该文提出一种融合多类特征的海岸带立体影像全自动配准方法。该算法分为3个阶段:①提取尺度不变特征变换(SIFT)关键点,采用欧氏距离比率获得初始匹配,并进一步采用归一互相关匹配(NCC)和随机抽样一致性算法剔除误匹配,继而估计影像间的单应矩阵;②利用改进的Forstner算子对左影像提取均匀分布的角点特征,并利用单应矩阵和NCC匹配进行同名点匹配;③基于上述多类特征的精匹配结果,计算影像间投影变换模型,实现影像的配准。最后,为验证该文算法的有效性,选取3组存在较大尺度、旋转及视角变化的海岸带特殊纹理影像进行综合对比试验,结果表明该文算法可实现全自动配准,并且在匹配点数量、配准精度以及匹配点空间分布等方面具有优势。