结合马氏距离与梯度描述符的稠密匹配

针对稀疏匹配点无法满足三维重建工作需要及传统密集匹配算法面对明暗变换影像匹配无力等问题,本文提出了一种结合马氏距离与梯度描述符的密集匹配方案。该方案首先利用初始可靠同名点建立同名三角网;然后以各三角形的对应中点作为加密匹配基元,以描述符与马氏距离作为两种影响因素,建立得分计算公式;最后以超过该得分阈值者作为匹配点,遍历所有三角形,更新三角网重复上述步骤,直至没有新的匹配点产生。利用网络公开数据集进行验证,试验结果表明,本文提出的密集匹配方案较好地解决了传统算法面对明暗变换影像适应性较差的问题,同时对多种变换影像有着较好的适应性与稳定性。     

三角网约束的立体影像密集匹配方法

文中总结了基于三角网约束的立体影像密集匹配方法。本次实验采用核线影像,首先在核线影像上使用SIFT算子匹配出一部分可靠的种子点,然后用这些种子点构建Delaunay三角网。该网络能够将所加密的点的位置范围作为一个约束,根据左右影像上同名三角网的位置、左影像上某一三角形重心位置、该三角形在右影像上的对应的三角形的重新坐标,以及左侧重心在右侧像方影像的核线,在核线约束与灰度相似性约束的两层限制下,完成点-点的匹配工作。本文采用Matlab程序实现对待匹配三角形重心的加密,运用核线约束方法,将点匹配的搜索区域由二维降到一维,不但能缩小搜索范围,提高工作效率,而且很大程度上降低了错误发生的概率,既能使得算法的运算速度得以提升,又能使其匹配精度得到较大的改善。     

局部仿射变换的自适应窗口立体影像匹配算法

针对现有固定窗口相关匹配方式难以适用纹理断裂、深度不一、纹理匮乏等近景影像匹配问题,该文提出一种结合局部仿射变换的自适应窗口匹配算法。以ASIFT特征点作为匹配基元:①利用同名三角网局部仿射变换确定匹配搜索区域;②利用Canny边缘点约束确定候选点自适应相关窗口,对应的建立参考点相关窗口;③建立顾及窗口尺寸的灰度差异相似性测度函数,将小于阈值的最小函数值对应的候选点作为匹配同名点;④采用RANSAC方法对匹配结果进行检核剔除错误匹配。选择3组典型特征的近景影像进行匹配实验,该文算法均能获得可靠的匹配结果,验证该算法的鲁棒性。通过与不同窗口、不同算法进行对比分析,本算法能有效减少窗口内像素点深度不一致引起的错误匹配,且在增加匹配点数量的同时提高匹配精度和可靠性。     

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。     

基于无人机图像的密集匹配方法研究

本文提出了一种基于FAST算法的无人机图像密集匹配,使用FAST算法提取两图像的特征点,并使用归一化互相关算法实现两特征点点集的匹配,然后根据初匹配的结果采用RANSAC算法鲁棒地估算出基本矩阵和单应矩阵;采用极线约束和单应约束通过归一化互相关关系稳健匹配出所有点。实验表明,该密集匹配方法结果令人满意。     

利用改进的DCCD和SIFT描述符的影像匹配方法

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。     

结合线对几何特征及单线描述符约束的直线匹配算法

针对单直线几何属性的弱稳定性及“非一对一”匹配结果难以检核问题,提出一种结合线对几何特征及单线描述符约束的直线匹配算法。所提算法将邻域内满足一定几何条件约束的两直线构建线对,作为一个整体进行匹配。匹配过程中首先利用线对中两直线交点的核线约束匹配候选范围,然后逐一采用线对内角度、线段间距离比、线对邻域辐射信息三种属性特征对匹配候选进行筛选,最后根据三角形区域灰度相似性确定最终匹配对。检核过程中首先根据直线与核线夹角及直线斜率建立同名线对中单直线的对应关系,然后每组同名线对分裂得到两组同名直线,在此基础上对应地建立两直线梯度描述符并计算两直线描述符间的相似性,最后结合共线几何和描述符相似性对匹配结果进行检核,剔除错误匹配,并对结果中的共线直线进行合并,得到一对一的同名直线。选取典型纹理特征的航空影像和不同变换类型的近景影像进行参数分析及直线匹配实验,实验结果表明,所提算法匹配正确率较高,在纹理相似、视角变化、旋转变化、尺度变化、光照变化的复杂场景下匹配正确率均高于95%,具有较好的鲁棒性,且可有效解决因直线断裂等原因造成的复杂匹配关系难以检核问题。     

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。     

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。     

基于CMVS/PMVS多视角密集匹配方法的研究与实现

使用CMVS\PMVS密集匹配方法,不需要任何诸如可视壳、深度图、包围盒等先验知识.输入SFM点集,先通过CMVS对影像进行聚簇,以减少数据量,再由基于贴片模型的PMVS方案通过匹配、膨胀、过滤三个步骤,在局部光度一致性和全局可见性约束下完成密集匹配.整个过程中算法能自动剔除外点与障碍物,最终输出结果为覆盖整个重建目标表面的小型矩形贴片集.CMVS\PMVS密集匹配方法适用于对无序影像和室外场景的三维重建.实验结果表明:使用CMVS\PMVS密集方法得到的三维点云非常密集,具有很高的实用价值.     

一种顾及纹理特征的自适应密集匹配方法

针对半全局立体匹配(SGM)算法对于弱纹理区域误匹配率较高的问题,该文提出了一种顾及纹理特征的 自适应密集匹配方法,也是SGM算法与该文提出的一种跳过噪声点的区域增长 自适应窗口匹配算法的结合.首先,以某一待匹配点为中心构建一个一定大小的初始窗口.其次,计算窗口内其余各点与待匹配点灰度差的绝对值之和,根据该值的大小判断...     

区域生长的半全局密集匹配算法

针对传统的半全局匹配算法在处理视差变化大、遮挡严重的城市航空影像时,存在匹配精度下降、匹配效率低下的问题,提出了一种基于区域生长的半全局密集匹配方法。采用区域生长算法获取影像的初始视差,并从初始匹配点中挑选可靠的点作为视差控制点;利用区域生长获取的视差图,限制各个方向动态规划的过程以加速最优路径的搜索;通过视差控制点对动态规划的路径进行修正,避免错误匹配代价的传播。基于城区无人机影像的实验结果表明,所提算法不仅可以提高匹配结果正确率,还能使耗费的内存和时间都不到原算法的50%。     

直线特征的多层次仿射不变匹配方法研究

针对直线两侧表面视差非连续、影像几何变形大等问题,提出了一种直线特征的多层次、仿射不变匹配方法。首先利用核线几何、相对方位、重叠距离、长度比等约束条件确定候选直线,根据仿射不变参数纠正直线支撑窗口并计算两侧邻域灰度加权相似性,得到线特征两侧表面视差连续情况下的直线匹配结果,并利用左右双向一致性检验剔除错误匹配;然后对未匹配直线采用顾及线特征两侧表面视差不连续的单侧邻域灰度加权相似性准则和双向一致性检验得到最终匹配结果。不同纹理类型的倾斜立体影像数据验证了方法的有效性,为倾斜立体影像直线特征匹配提供了一种可行的思路。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。     

多视密集匹配并行传播GPU-PatchMatch算法

针对多视密集匹配的效率较低的问题,提出了GPU-PatchMatch多视密集匹配算法。该算法使用GPU提高PatchMatch的计算效率;同时充分利用稀疏场景信息,对深度信息进行规则初始化;为提高传播效率,使用了金字塔红黑板并行传播深度信息。最后在DTU、Strecha和Vaihigen数据集上进行了试验,并与常用的多视密集匹配算法进行对比。试验结果表明,本文算法在重建效率上有较大提高,与CPU算法(PMVS、MVE、OpenMVS)相比有7倍以上提升,与GPU算法相比也有2.5倍以上提升,表明本文算法的有效性。     

A points of interest matching method using a multivariate weighting function with gradient descent optimization

Volunteered geographic information contains abundant valuable data, which can be applied to various spatiotemporal geographical analyses. While the useful information may be distributed in different, low‐quality data sources, this issue can be solved by data integration. Generally, the primary task of integration is data matching. Unfortunately, due to the complexity and irregularities of multi‐source data, existing studies have found it difficult to efficiently establish the correspondence between different sources. Therefore, we present a multi‐stage method to match multi‐source data using points of interest. A spatial filter is constructed to obtain candidate sets for geographical entities. The weights of non‐spatial characteristics are examined by a machine learning‐related algorithm with artificially labeled random samples. A case study on Fuzhou reveals that an average of 95% of instances are accurately matched. Thus, our study provides a novel solution for researchers who are engaged in data mining and related work to accurately match multi‐source data via knowledge obtained by the idea and methods of machine learning.