图像匹配的物体空间关系推理表达

物体空间关系指的是物体在欧氏空间中的邻近关系,根据图像中包含物体的邻近关系解决图像匹配的问题。本文首先基于对比机制训练物体块特征提取网络,构建物体块深度特征,该特征可以有效匹配不同图像中的相同物体块;其次,基于已有的先验图像数据推理表达图像中物体的空间邻近关系,构建场景物体空间邻近图;进而基于该空间邻近图计算场景图像对的空间邻近度,完成图像空间关系匹配。试验表明不匹配图像间的空间邻近度一般为0,而匹配图像间的空间邻近度一般大于0,本文空间关系匹配涉及多个物体间的相互关系,具有更强的稳健性,其匹配效果明显优于对比试验中的其他方法,可以高效稳定地完成图像匹配任务。     

多景近景摄影测量的特征匹配

提出一种多景近景摄影测量图像特征点匹配算法,并在该算法的基础上形成构建近景图的图像匹配算法。此算法采用Harris角点提取算子等进行特征点提取,可为其分配特征描述符,并且比较各特征提取算子之间的精度。在进行相邻图片的特征比对时,提出一种特征索引算法,提高搜索效率。     

基于SURF特征提取和Brute-Force搜索的图像匹配算法

针对传统图像匹配算法面临的特征提取的信息较少,匹配成功率不高以及匹配速率较低等问题,提出基于SURF特征提取和Brute-Force搜索的图像匹配算法。利用SURF算法中的Hessian矩阵来获取图像中鲁棒性较好的突变点,并使用不同尺寸的滤波器同时处理尺寸空间多层图像的突变点,以此来提高匹配速率,最后采用Brute-Force搜索算法对图像特征点进行最佳匹配,以此来提高匹配成功率。实验表明,该算法在图像匹配效果和匹配效率方面都表现良好。     

基于多层反卷积网络的SAR图像分类

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。     

局部自相似性与MRF网络模型的超分重建算法

针对局部自相似性重建方法的块效应问题,以及MRF网络模型方法外部训练库数据不相关性产生的图像重建误差问题,提出了一种结合局部自相似性和MRF网络模型的超分辨率重建方法。首先,利用图像局部自相似特性,引入自身冗余信息构建高分训练库,然后建立低分与高分训练库映射的MRF网络模型,通过置信传播算法求解MRF模型重建高分图像。以仿真和真实卫星图像进行超分实验,结果表明本文方法能够改善图像的细节,较好地去除了块效应,提高了地物边缘的清晰度。     

特征提取和特征匹配改进方法的研究

在分析了几种常用的特征提取和图像匹配算法的基础上,针对影像上纹理特征稀少、影像对比度不明显的问题,提出先用高斯差分方法突出图像特征,再用Harris特征点提取算法进行特征提取的方法;针对如同建筑物等相似特征较多的情况,利用双向特征匹配、经过斜率约束得到的结果计算视差,再进行图像匹配,可以将特征匹配限制在相关的小范围内,由此得到的同名点对比较可靠,并且提高了效率。实验证明该算法适合特征稀少不明显区域、建筑物等相似特征较多的图像匹配,具有一定的实际意义。     

一种基于链码的线特征提取方法

文章针对目前线特征提取算法中不规则曲线不能得到有效逼近的问题,提出一种基于链码的线特征提取方法.它采用V0到V7的顺序对边缘二值图像进行链码跟踪,然后通过距离判断去逼近物体的边缘线特征.实验结果表明,该算法不仅可以高效准确提取出物体的直线边缘,而且能用直线段精确地逼近不规则物体的边界.     

利用残差通道注意力网络的高光谱图像分类

残差网络能够有效地解决卷积神经网络出现的梯度消失问题,应用于高光谱图像分类取得了良好的效果,但简单地堆积残差单元并不能很好地提高模型性能。通道注意力机制能够有区别地处理卷积层输出的特征图,更好地利用对分类有用的特征通道。为了充分利用残差网络及通道注意力机制的特征提取能力,设计适用于高光谱图像分类的残差通道注意力网络。在残差单元中结合卷积层和通道注意力机制,实现对特征通道的重新调整,并在模型中实现局部残差学习和全局残差学习,促进信息传递,增强模型稳定性。实验结果表明,该方法用于Indian Pines数据和University of Pavia数据能够分别取得98.78%和99.22%的分类精度,在有限数量训练样本的情况下,能够达到较高的分类精度。     

基于改进Hausdorff距离的图像配准方法

针对多尺度遥感图像灰度差异大的特点,利用特征集形状进行配准,提出了一种改进的Hausdorff距离及相应的图像匹配算法。首先采用基于尺度不变特征转换(scale-invariant feature transform,SIFT)的特征提取方法,提取多尺度图像间的尺度不变特征;然后利用Hausdorff距离作为适应度函数,通过遗传算法(genetic algorithm,GA)寻求图像间的几何变换参数;最后将待配准图像经过几何变换以及重采样与参考图像匹配,实现多尺度遥感图像的配准。实验结果表明,改进的Hausdorff距离算法与传统的Hausdorff相比,具有较高的配准精度和较快的配准速度,且稳定性和抗噪性更高,更适合用于图像配准。     

一种大尺寸遥感图像基于内容检索的纹理特征提取算法

针对50万像素以上的大尺寸遥感图像基于内容检索的需要,通过将大尺寸图像按照区域类别分块,用灰度共生矩阵法对各子块提取出纹理特征,并利用类似Hu的不变矩的方法对各子块纹理信息进行统计,从而提取出与大尺寸图像中各纹理的空间位置相关的一组纹理特征值。该方法对传统的共生矩阵法进行了改进,使其适用于大尺寸图像多区域类别的纹理特征提取,可用于大尺寸遥感图像的基于内容的检索和初分类研究。     

一种热红外与可见光影像深度特征匹配方法

针对无人机热红外影像与光学卫星影像的匹配难题,提出一种基于异源地标数据集学习的深度局部特征匹配方法。首先,利用生成对抗网络学习热红外与可见光影像的灰度分布规律,并进一步合成用于特征提取模型训练的热红外影像地标数据集;然后,联合残差网络和注意力机制模型,从数据集中学习深度不变特征;最后,经过对不变特征的匹配、提纯等处理,获得像对的正确匹配点。试验测试了该方法的性能,并与KAZE、特征检测描述网络和深度局部特征模型进行了对比。结果表明,提出的方法对灰度、纹理、重叠率以及几何变化具有较强的适应性,且匹配效率较高,可为无人机视觉导航提供支撑。     

半全局约束下的多基线立体影像MVLL匹配方法

多视铅垂线轨迹法（multi-view vertical line locus,MVLL）能够以物方地面铅垂线为几何约束,匹配获取物方空间点的最佳高程,是一种实用的多基线立体影像匹配方法。针对MVLL匹配方法中的物方空间点独立匹配、缺少整体性约束问题,将物方空间局部光滑特性应用至匹配过程,提出了一种半全局约束下的多基线立体影像MVLL匹配方法。首先,将物方空间点沿地面铅垂线上的准确高程搜索,等效至像方空间沿核线方向上的准确视差搜索;其次,采用MVLL匹配方法计算物方空间点在多张影像上的等效像方匹配测度;然后,采用半全局匹配法（semi-global matching, SGM）对匹配测度进行多路径聚合分析,得到物方空间局部光滑约束下的等效视差图;最后,将等效视差图转化为物方空间点匹配高程,并对多基线立体影像进行多分辨率匹配处理,实现整体最优条件下的MVLL匹配。采用多类型地形特征与局部区域影像进行匹配实验与对比分析,实验结果表明,所提方法能够对多类型地形特征的物方空间匹配测度进行优化,获取更加可靠的匹配结果,具有更高的影像匹配性能。     

联合对数极坐标描述与位置尺度特征的无人机影像匹配算法

针对无人机（unmanned aerial vehicle, UAV）影像提取的同名点数量较少,从而影响影像间位姿信息的计算,导致影像拼接错位、平差解算不严密甚至失败等问题,提出了一种联合对数极坐标描述与位置尺度特征的匹配算法。首先,建立高斯多尺度影像集合进行特征点提取;其次,采用对数极坐标进行描述子构建,建立适合UAV影像特征的描述子;然后,通过位置和尺度约束的距离匹配函数进行特征匹配;最后,通过模式搜索和快速样本共识方法剔除粗差后完成同名点提取。将四旋翼UAV获取的影像作为实验数据,与SIFT(scale invariant feature transform)算法和SAR-SIFT（synthetic aperture radar-SIFT）算法进行了影像匹配的对比实验。结果表明,所提算法可以较好地提取UAV影像的同名点对。     

MS-VSCN:用于影像匹配的多尺度视觉相似度比较网络

影像匹配在多种计算机视觉任务中起着重要的作用.提出一种用于影像匹配的多尺度视觉相似度比较网络.该网络基于孪生网络结构进行构建,将普通卷积与空洞卷积进行融合,使得卷积神经网络在多个尺度上提取到的视觉特征实现互补.首先,网络的输入由两幅待匹配的影像组成,使用权值共享的两个网络分支分别提取两幅影像的深度特征;其次,在网络中与...     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

图像特征点提取及匹配技术研究

图像特征点提取和图像匹配技术是图像处理领域中的重要技术,同时是多种图像处理及应用的基础。本文主要研究利用Forstner算子、Moravec算子、Harris算子、SIFT算子对近景影像和航空影像进行特征点提取;接着,采用基于SIFT的匹配来确定匹配同名像点,利用核线约束匹配的搜索范围,约束范围内的特征点;接着,采用灰度相似性约束和双向一致性约束对匹配结果进行检核;最后,得出特征提取和特征匹配的结果。基于本文研究的特征点影像提取及匹配方法,分别选取一组近景影像和数码航空影像进行实验,实验结果证明了本文方法的可靠性和高效性。     

利用物体结构信息进行影像线特征关系匹配

针对影像线特征匹配的复杂性,给出了根据物体结构信息,将影像匹配问题转化为确定图同构问题的匹配策略。首先,利用影像特征提取获得的点、线特征建立描述物体结构信息的关系表,通过对左右不同影像的图形进行区域分割获得候选面特征,利用矢量数据拓扑关系的自动建立算法得出左右影像关联图的弧段-多边形拓扑文件。然后,根据基匹配及拓扑关系表,利用图深度遍历的方法进行匹配传递,按面、线、点的顺序完成不同影像间对应物体同名线的匹配。由于关系表的一致性表明了物体构成特征要素的一致性,可使整个影像的匹配搜索范围变小,从而提高影像匹配的准确性与匹配速度。     

一种面向无人机绝对定位的卫星基准影像检索方法

针对全球导航卫星系统（global navigation satellite system,GNSS）拒止环境下大范围无人机视觉绝对定位问题,提出了一种聚合深度学习特征的卫星基准影像检索方法。首先,利用预训练的深度学习模型提取无人机与卫星基准影像的局部卷积特征;然后,对局部特征描述符进行聚合,生成影像全局表达;最后,利用影像全局特征进行相似性检索,并采用检索结果精匹配重排序的后处理方法,进一步提高检索准确率。设计了一个新的面向无人机绝对定位的卫星基准影像数据集并进行实验,结果表明,使用所提方法检索无人机影像适配区域的卫星基准影像的准确率达76.07%,可为后续基于视觉的无人机绝对定位提供参考。