基于深度学习的航空遥感影像密集匹配

本文探讨了深度学习在航空影像密集匹配中的性能,并与经典方法进行了比较,对模型泛化能力进行了评估。首先,实现了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3种代表性卷积神经元网络在航空立体像对上的训练和测试,并与传统方法SGM(semi-global matching)和商业软件SURE进行了比较。其次,利用直接迁移学习方法,评估了各模型在不同数据集间的泛化能力。最后,利用预训练模型和少量目标数据集样本,评估了模型微调的效果。试验包含3套航空影像、2套开源街景影像。试验表明:①与传统的遥感影像密集匹配方法相比,目前深度学习方法略有优势;②GC-Net与MC-CNN表现了良好的泛化能力,在开源数据集上训练的模型可以直接应用于遥感影像,且3PE(3-pixel-error)精度没有明显下降;③在训练样本不足时,利用预训练模型做初值并进行参数微调可以得到比直接训练更好的结果。     

双目影像密集匹配方法的回顾与展望

以摄影测量为应用背景,综述了双目影像密集匹配方法。首先借助图表对局部密集匹配与全局密集匹配两类方法进行了简明的比较,指出各类方法的优缺点以及面临的主要挑战;然后分析了密集匹配中难以处理的建筑物遮挡问题,将航摄影像中普遍存在的建筑物遮挡现象分为5种类型,阐述了现有遮挡检测与填充算法的针对性,为解决密集匹配中的空洞问题提供技术思路;最后展望了双目影像密集匹配的发展趋势。以期帮助读者全面了解传统双目影像密集匹配技术,对基于深度学习的密集匹配研究有所裨益。     

一种基于深度图改进的分块密集匹配方法

倾斜摄影建模往往需要几百张甚至上万张图像,通常需要分块密集匹配重建。然而,常用的分块密集匹配方法只能对每个块单独建模,块间的重复图像会多次参与匹配计算,导致计算冗余、耗时长。因此,本文提出了一种改进的分块密集匹配方法,避免块间重复图像的冗余计算。首先,利用图像关联算法为场景中的每张图像计算邻域图像集合,同时初始化图像的重建状态对象;然后,对整个场景进行空间立体自动聚类完成分块,并抽取子块重建时所需的匹配对图像;最后,根据图像的重建状态对象估计、过滤深度图及深度图融合生成密集点云。试验结果表明,该方法在倾斜影像三维重建时,效率显著提升。     

航摄影像密集匹配的研究进展与展望

给出了航摄影像密集匹配的总体流程,依据是否显式使用光滑假设将密集匹配方法分为局部最优密集匹配和全局最优密集匹配两类,深入探讨了两种方法的关键技术,指出了从理论、技术、普适性和实用性方面值得关注的问题,期望能对相关研究有所裨益。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

基于相位均匀卷积的LiDAR深度图与航空影像高效匹配方法

多源影像匹配主要受到非线性强度差异、对比度差异及局部区域结构特征不显著等问题的干扰,而机载激光雷达（light detection and ranging,LiDAR）深度图与航空影像由于纹理特征之间的显著差异导致部分结构特征缺失更为严重,所造成的相位极值突变进一步增加了匹配难度。因此,提出一种基于相位均匀卷积描述子的方法来实现LiDAR深度图与航空影像之间的高效匹配。在影像特征匹配阶段,首先对相位一致性模型进行扩展,构造相位均匀能量卷积方程,求解得到均匀卷积序列与相位最大标签图,建立一种相位均匀能量卷积直方图（histogram of phase mean energy convolution,HPMEC）;然后采用最近邻匹配算法完成初始匹配,并利用快速边缘化样本共识进行粗差剔除;最后基于线程池并行策略,通过划分重叠格网对影像进行分块匹配。将多组具有不同地物覆盖类型的LiDAR深度图与航空影像作为数据集,分别与位置尺度方向-尺度不变特征转换（position scale orientation-scale invariant feature transform,PSO-SIFT）、L...     

基于向量匹配的稀疏深度图生成算法

在基于序列影像获取三维空间数据的方法中,需要提取影像中每个像素的三维值,但由此得到的三维数据用在三维地理信息系统(3DGIS)建模时需要进行大量简化,同时当影像中存在非特征区域时,易产生大量的错误匹配.提出一种基于向量的匹配算法,将图像看成是一个连续的三维曲面,主要以特征区域匹配为核心,通过计算每个曲面点处的法向量,再...     

顾及纹理特征的航空影像自适应密集匹配方法

半全局匹配实质是在视差连续性假设下的离散优化方法。为克服视差断裂带影响,依赖一组参数控制视差不一致性。若参数过小,在平面内难以保证视差连续性,产生明显噪声,导致凹凸不平现象;若参数过大,将致使物体表面过于平滑,难以保留视差断裂等重要特征。为克服上述问题,本文提出了一种顾及纹理特征的自适应密集匹配方法:首先,检测影像纹理特征并定量表达纹理丰富性程度;其次,依据纹理丰富程度与视差差异存在正相关的规则知识,实现匹配参数依据纹理信息的自适应选择;最后,采用上述参数进行自适应的半全局匹配。通过ISPRS基准数据集和国产SWDC-5获取的倾斜影像进行试验分析证明,本文方法能够有效减少低纹理区域匹配噪声,同时更有效保留边缘特征。     

直接检测平顶房屋影像遮蔽的协同匹配算法

提出了一种检测平顶房屋影像遮蔽现象的匹配地。为了提取密集视差格网，本算法采有了Marr和Poggio提出的影像匹配的唯一性和连续性的条件，即视差格网应有唯一的值并且在各处连续变化，这些约束在表示视差空间的3维数组中表示出发，在表示视差空间的3维数组中的每个匹配值对应左图像中的一个像素和与另一影像相对应的视差值。用迭代算法解决匹配的寻优问题。应用唯一性和连续性约束，直接检测影像遮蔽区域，为了验证该算法的有效性，用航片进行了实验。     

影像密集匹配技术辅助三维激光扫描仪对点云的提取

地面三维激光扫描仪根据现场地物分布自由设站扫描,基本能完成扫描区域点云数据的获取,但在一些遮挡物较多、地域狭小或设站困难、信号反射较弱的区域,常规扫描受到限制,采集的点云容易出现数据漏洞。通过一个小型边坡扫描为例,扫描同时使用常规数码相机进行辅助拍照,经过影像密集匹配计算后,提取出相应区域的点云数据,配合地面扫描仪完成对遮挡区域点云的获取。     

利用网络图进行高分辨率航空多视影像密集匹配

提出了一种基于网络图的高分辨率航空多视影像密集匹配算法。首先利用影像间的重叠关系和方向确定候选立体像对并构建网络图;在立体像对密集匹配阶段,引入导向中值滤波采用由粗到精的改进半全局匹配(SGM)算法进行双向视差图生成;最后基于所有立体像对构建的网络图完成多视影像间的密集点云生成及融合。试验选取了ISPRS的Vaihingen航空影像和ISPRS/EuroSDR项目的苏黎世倾斜下视影像进行试验,结果表明:本文算法对高分辨率多视影像密集匹配是有效可行的,无论在匹配完整性、效率、精度上都能获取较好的结果,重建的密集点云平均反投影误差的中误差可以达到亚像素级精度,实际精度可以达到1.5倍GSD,并且在建筑物、植被、水体等视差不连续、弱纹理或重复纹理区域也取得了较好的匹配结果。     

时间序列影像特征点提取与匹配算法研究

首先利用Harris算子分别从序列影像中提取运动目标的特征点,然后通过局部信息熵与Walsh变换有机结合来实现序列影像前后帧中运动目标同名特征点的匹配。实验证明了本文算法的可行性。     

基于改进ASIFT算法倾斜影像匹配研究

传统ASIFT算法在匹配时效率低,根据影像匹配相关知识及倾斜影像的特点,本文提出一种对原始影像进行一次逆仿射变换,将倾斜影像恢复到近似的正摄影像的改进ASIFT算法,使影像匹配时精度和效率上得到了明显的提高。改进算法在试验中与传统ASIFT算法匹配效果在精度上更好,且匹配效率有大幅度提高。     

基于MPI的高效半全局约束密集匹配方法

灾害现场的地形地物高效三维重建是快速获取灾情信息的关键技术之一,也是正射影像纠正的先决条件。无人机等低空轻型遥感系统能快速获取高分辨率和高重叠度影像,因此在灾害应急响应中被广泛关注。利用大范围低空影像进行灾害现场快速三维重建依赖于高效的密集匹配方法。文中提出一种基于MPI(Message Passing Interface)的高效半全局约束密集匹配方法,既克服传统的影像匹配方法难以充分利用影像重叠度高的困难,也能在短时间内快速处理大量影像获取灾害现场的三维信息,适应面向灾害应急响应的效率要求。     

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KLT算法的车载序列影像匹配方法

将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。