改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题,本文提出一种基于改进FAST的特征点提取,结合对立颜色特征的图像匹配算法。首先,利用改进FAST算法提取的角点作为特征点,结合改进的Opponent SIFT算法对特征点进行描述;然后,使用基于字符定位算法对提取的特征点对进行粗匹配,降低整体匹配过程中特征点对误匹配的风险。最后,为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题,运用向量场一致性替代RANSAC进行提纯,降低误匹配率。通过对比试验表明,改进算法匹配准确率均大于91%,且对差异变化具有较好的稳健性、适应性。     

图论算法的无人机影像匹配特征点粗差剔除

无人机影像匹配过程中,粗差是不可避免的,因此,获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除,该算法受抽样次数、误差阈值的影响,还会残存部分误匹配的特征点。利用图论原理,对SIFT算法提取的特征点进行预处理,通过构建特征点的能量函数剔除能量较低的特征点,可以提高匹配特征点的稳健性,减少特征点的粗差。本文提出了一种新的方法,将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFT-RANSAC算法,利用该算法可以提高特征点的稳健性,获取高精度的单应矩阵。采用两组无人机影像进行验证,本文提出的算法与单独利用图论剔除特征点的算法相比,粗差剔除率分别提高了5.31%和14.29%,说明该方法效果较好。     

基于尺度比及坐标偏移约束的图像特征点匹配方法

针对特征向量最近邻次近邻距离比值的特征点匹配算法中存在匹配点对少、误匹配的问题,本文从改善特征点匹配策略方面对其进行改进。首先运用Gabor核函数对图像进行滤波处理,并在滤波图像上提取SIFT特征点,得到参考图像与待匹配图像的初步转换关系及特征点的尺度比均值;然后对参考图像与待匹配图像进行SIFT特征匹配,将尺度比作为相似性测度,并结合坐标偏移阈值约束获取同名点对。相较于传统SIFT算法,实验表明该方法在获取更多的同名点对同时,能够有效减少误匹配,匹配精度也有显著提升。     

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。     

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。     

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。     

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。     

低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。     

多源遥感影像配准中的SIFT特征匹配改进

针对尺度不变特征变换算法应用于多源遥感影像配准时面临的低效率和误匹配问题,从特征点提取和特征点匹配两个方面对其进行改进。在特征点提取阶段,通过控制特征点数量和分布情况获取均匀分布的特征点;在特征点匹配阶段,采用特征点仿射变换粗匹配、精匹配和误匹配点剔除策略,由粗到精地获取准确的同名点。对多源遥感影像进行配准实验,结果表明,此方法在匹配效率及匹配性能上均优于原始SIFT算法,且配准精度更高。     

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。     

基于FAST和BRIEF的密度聚类图像匹配算法改进

FAST(Features From Accelerated Segment Test)特征检测算法是通过邻域像素比较来确定特征点,运算简单,同时采用BRIEF(Binary Robust Independent Elementary Features)算子进行二值化特征描述,可有效降低数据复杂度,提高匹配速度。因此,结合FAST和BRIEF算法,对截取的图像感兴趣区域(ROI)进行特征点提取,在减少数据量的基础上保证了图像特征点的快速获取与匹配;同时,利用机器学习中的密度聚类(DBSCAN),将暴力匹配特征点对的角度和距离作为二维数据样本集进行簇分类,优化改进匹配结果,有效提高匹配精度。通过实验比对改进结果与RANSAC(Random Sample Consensus)错误剔除算法,表明该方法提取速度快、匹配精度高。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

基于SIFT的多时相星载SAR图像特征点自动匹配

SAR图像配准是实现多时相图像监测的前提,但是由于SAR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现SAR图像的自动配准。本文在介绍旋转尺度不变特征(SIFT)提取特征点原理的基础上,利用SIFT方法对两个时相星载SAR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SIFT特征点进行多时相SAR图像自动匹配是基本可行的。     

PCA-SIFT 特征匹配算法研究

SIFT特征具有旋转、尺度和明暗变化的不变性,在图像匹配中得到广泛应用。针对SIFT特征匹配中耗时长、匹配点对少、准确率低的问题,提出PCA-SIFT特征匹配的方法。使用更加精简的方法构建特征点描述向量,通过预先构建的投影矩阵对描述向量进行主成分分析,降低描述向量的维度从而提高了特征匹配的速度,同时降维也对描述向量进行了去噪提纯,使得匹配更加准确。实验证明,利用PCA-SIFT特征进行匹配在降低匹配耗时的同时,增加了匹配点对,匹配准确率也得到提高。     

一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法

异源遥感影像匹配是高分影像处理中的重要环节与关键问题,但目前异源高分影像匹配精度有待提高。本文提出了一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法,首先利用尺度不变性特征变换（SIFT）对特征点进行提取,随后基于邻域投票对匹配特征点进行二次约束,最后区分出待剔除误差大的匹配点,进而确定精确匹配点。为了评价本文方法的精度,分别对建筑物、道路、水体进行匹配研究,试验证实该方法可以提高上述3种地类的匹配精度,相比传统的SIFT方法平均提高了66%,同时有效地保持了结果的尺度不变性。     

一种基于空间几何约束的图像面元配准算法

针对在图像匹配中,传统RANSAC算法在特征点提纯方面效率不高的问题,本文采用空间几何约束算法进行特征点提纯,得到初始匹配点集,再通过RANSAC算法进行特征点精确提纯。实验结果表明:该方法在保证较高精度和鲁棒性的前提下,能有效提高RANSAC算法的时间效率,提高图像的拼接精度和速度。