利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

一种改进的无人机影像拼接粗差剔除算法

利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。     

剔除无人机影像BRISK特征误匹配点对算法

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。     

一种基于改进的SIFT特征点算法的无人机影像快速匹配研究

由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该算法对无人机影像进行特征点的提取,并采用最小二乘算法进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。     

一种喀斯特地貌无人机遥感影像的快速匹配方法

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。     

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。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题,提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点,研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤,并结合试验分析验证了该方法的有效性。     

遥感影像匹配中的反定位误匹配剔除算法

图像匹配的准确率和精度一直是瓶颈问题,直接制约遥感影像的自动化处理。在简要分析现有典型误匹配剔除方法的基础上,提出了能够适应遥感影像自动化匹配与处理的REPRAM(Reverse Positioning Re-fining Algorithm in Matching)算法,给出了REPRAM排除法和优选法的原理和性能分析,在不需要相机的外参数、内参数以及控制点的情形下,相对分离了正确同名点与错误同名点之间的相互影响,尽量保留正确同名点,最大限度剔除错误同名点。大量遥感影像和航拍影像测试表明,算法的稳健性强,在初始匹配正确率为30%的情况下,在设定误差容限内,算法的可靠率仍能在99.5%以上。     

无人机遥感影像匹配中的优化SIFT-OCT算法

针对传统尺度不变特征转换(SIFT)算法在高分辨率影像中检测特征点数量多、匹配效率低、无法快速对无人机低空遥感影像进行特征匹配的问题,该文优化SIFT-OCT算法的特征检测、特征匹配方法,主动放弃第一组尺度空间进行特征检测,并采用影像分块的方法加快检测过程;在特征匹配阶段,提出相似性系数进行匹配点对二次筛选,利用随机抽样一致性(RANSAC)算法计算透视变换模型参数进行精匹配.选取同一无人机序列影像中的4组不同地物类型的影像进行对比验证实验,结果表明,优化SIFT-OCT算法极大地限制特征提取数量,提高影像匹配效率,适合无人机低空遥感影像匹配.     

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

移动高程平面约束的多视影像特征点匹配

针对影像匹配中由于重复纹理和遮挡导致的不确定性问题,提出移动高程平面约束的多视影像特征点匹配方法。该方法将多视影像上提取的特征点投影到不同高程的物方格网平面,利用平面上格网单元来约束候选同名特征点,对多视影像进行选择性匹配,避免部分影像遮挡对匹配的影响。实验选取UCX(UltraCamX)数字航空影像进行匹配,取得可靠的匹配结果,从而验证了本文方法的有效性。     

无人机影像匹配中尺度不变特征应用改进

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。     

利用A-AKAZE算法进行喀斯特地区无人机影像匹配

喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。     

基于本质矩阵的无人机影像精确匹配

无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节,常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMed S算法比其他稳健方法更严格,"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型,同时利用ORB算法提取速度快的特点,构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究,并与其他常规算法进行比较。试验结果表明,本文算法保留的匹配点数数量多,分布较均匀,适用于多种场景,是一种有效、快速精准的影像匹配算法。     

基于特征点的影像匹配方法探讨

基于特征点的图像匹配方法是高精度、快速有效和适用性广的匹配算法,它包括特征提取和特征匹配2个步骤。本文在对这一问题进行研究分析的基础上,对相关文献进行综述,介绍并分析了几种典型特征点提取算子的原理和优缺点,为不同应用目的的特征点提取方法选取提供借鉴;特征匹配方面总结了基于特征点匹配的常用方法,就SIFT这一热点做了详细介绍,并进行了实验;最后对匹配中有待进一步研究的问题给出了意见。     

一种改进的APAP影像匹配算法

针对无人机影像匹配时易出现影像重影、透视失真和耗时较长等问题,本文提出了一种改进的APAP算法。该算法首先利用SIFT算法选取特征点,通过改进RANSAC算法去除误匹配点;然后根据APAP算法对影像进行网格划分,求每个网格的单应性矩阵,并对单应性矩阵进行线性化;最后根据线性化的单应性矩阵进行影像匹配,单应性矩阵的线性化不仅对影像匹配时产生的重影现象有较好的削弱作用,而且能减少非重叠区域的透视失真。试验结果表明,本文方法在匹配效率和匹配效果方面效果显著。