利用局部仿射不变及核线约束的近景影像直线特征匹配

针对近景影像中直线因遮挡、提取算法等带来的匹配问题,提出了一种基于局部仿射不变及核线约束的直线特征匹配方法。该方法在对立体近景影像进行同名点匹配及直线特征提取的基础上,首先利用直线特征与邻域内以同名点为端点的虚拟直线段的相交仿射不变性进行候选同名直线的搜索,再借助核线约束确定目标直线与候选同名直线的重叠部分,然后通过直线特征的角度及支撑域灰度的综合相似性测度进行匹配,得到正确的同名直线。利用该方法对不同几何变换下的近景影像进行实验,结果表明,本方法具有较好的可靠性和准确性。     

位姿信息的小型无人机影像拼接方法

针对传统影像拼接方法需要控制点的问题,该文提出一种基于位姿信息的小型无人机影像拼接方法。首先从机载GPS和惯性导航单元获取无人机拍摄的位置姿态参数,利用Harris算法提取特征点,采用SIFT描述方法计算特征向量,通过近似最近邻算法和PROSAC算法对匹配的同名点对精化。然后根据同名点对像平面坐标和航拍时的位置姿态信息,计算影像之间的变换矩阵,通过最小二乘原理平差计算以提高变换矩阵精度。最后利用变换矩阵实现无人机多幅影像的拼接,得到兴趣区域全景图。实验结果验证了该方法在拼接效果方面具有优势。     

基于Ly特征提取算子的高精度配准方法

本文探讨了一种基于Ly特征提取算子的遥感影像的高精度配准方法。该方法利用Ly算子快速提取特征点,同时采用抑制局部非最大的格网技术控制特征点均匀分布,在少量准确控制点的基础上,以相关系数测度及两个影像灰度值差的绝对值和测度相结合的多重判据为匹配准则,采用松弛法匹配策略整体匹配得到同名点。并通过实验证明了该方法特征提取速度快,基于Ly算子得到的配准点可靠,配准精度高。     

基于小波变换的半方差函数影像匹配方法

基于小波变换的半方差函数影像匹配方法,该方法在小波变换的基础上,根据小波方差计算出影像特征最多的分解层,在该层上进行初匹配得到候选同名点。利用半方差函数匹配方法对同名点进行精细匹配,既节省了时间又达到了精确匹配的目的,为影像匹配提供一种新方法。     

卫星影像像控点的自动转点方法研究

针对以往多源影像中人工选取同名点费时费力并且精度低,本文首先利用SIFT特征匹配得到的同名像点作初值进行仿射变换,生成变换后影像,然后对基准影像与变换后影像进行相关系数匹配并利用双向匹配删除误匹配点,最后通过仿射逆变换得到原始影像上的同名像点位置。利用此方法对资源三号影像后视影像和实践九号全色影像进行试验,实验证明,结果明显优于在原始影像上直接进行相关系数匹配,可以很好地代替人工选点工作,大大减小了人工选取同名点的工作量。     

对沿街立面纹理快速重建问题的研究

由于建筑立面纹理通常包括多张影像,因此为了生成完整的立面纹理,需要对多张影像进行拼接。由于车载影像的几何变形很大,所以现有的拼接软件对其拼接的效果均不理想。因此,提出在对车载影像进行自动几何纠正的基础上,结合同名点以及影像直线信息对序列影像进行自动拼接的方法,实验证明是行之有效的。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

一种解决水域航摄影像的拼接方法

摄影测量技术是直接获取地表信息最重要的手段,影像拼接是把多幅小范围影像合并为大视场影像图的过程.但目前影像拼接图的生产多依靠特征点匹配的方式,对影像的纹理和重叠有一定要求,致使水域区的影像因纹理匮乏,常出现无法拼接的现象.针对以上问题,提出一种依靠影像位姿参数的影像快速拼接技术,摆脱对特征点的依赖,重点对影像的几何校正、相邻影像配准与多幅影像拼接等重要环节进行分析研究.实验结果表明,本文方法有效保障了水域影像的顺利拼接,并且省去了特征点匹配的复杂工序,拼接效率得到了极大提升.     

POS辅助下的车载序列影像匹配

针对车载序列影像中所包含的具有大量重复纹理的建筑立面区域给现有匹配方法带来的误匹配率高、匹配点不足等不适应性问题,提出了一种联合POS辅助及KLT（Kanade-Lucas-Tomasi）角点特征跟踪的新匹配方法。通过充分利用POS信息所能够建立的局部近似建筑立面分层平面及DEM信息,获取KLT跟踪算法中所需的初始位移信息,并将建筑立面及路面区域进行分开追踪匹配,以保证匹配点的良好分布特性,最后利用RANSAC结合核线约束进行误差剔除得到最终匹配结果。试验证明本文方法能够有效解决车载序列影像中重复纹理区域的匹配问题,可高效获取分布均匀、数量充足的匹配特征点,为后期空中三角测量提供更稳健的同名约束条件。