基于深度学习的异源立体影像对匹配方法

相对于同源影像立体匹配,基于无人机倾斜摄影与近景摄影获取的异源影像在空间特征、视场角及分辨率等方面均存在较大的差异,给影像匹配带来困难。本文利用基于单应性变换的卷积神经网络提取特征点,在匹配阶段采用交叉注意力机制的图神经网络进行特征点匹配。该方法较好地克服了异源影像间因存在较大视差和扭曲变换而导致的匹配效果较差的问题,并以河北省廊坊市大城县的马家祠堂为试验数据,对比传统SURF(加速稳定性征)算法与深度学习算法的匹配效果。结果表明,基于深度学习算法对存在大视角差异的异源影像的匹配率更高。     

基于卫片的非序列无人机影像快速概略拼接方法

针对非序列无人机影像,提出了一种基于卫星影像的无人机影像快速概略拼接方法。该算法首先利用改进的SURF算法提取特征点,然后利用最小欧氏距离寻找匹配点,最后结合模板匹配方法确定最终的正确匹配点。利用匹配点的尺度和方向信息计算无人机与卫星影像之间的相似变换参数,确定无人机影像的概略位置。试验结果表明,该算法拥有快速、准确和高适用性等优势,对卫星影像没有严格的时效限制,有一定的地形变化容错能力,能够满足快速概略拼接的要求,是一种可行的无人机影像概略拼接新方法。     

几何约束和改进SIFT的SAR影像和光学影像自动配准方法

提出一种基于几何约束和改进SIFT的SAR影像和光学影像自动配准方法。首先根据影像间的几何关系进行影像粗纠正,消除影像间旋转和分辨率差异;然后基于主方向改进的SIFT特征提取方法提取SIFT特征并利用其结构性信息引入结构相似性指数(SSIM)作为相似性测度获得初始匹配,经过视差空间和角度特征空间聚类优化得到稳定同名匹配;最后由随机抽样一致性算法(RANSAC)根据透视变换模型精化匹配结果获取变换模型参数。整个配准过程自动完成。本方法适用于差异较大的SAR影像与光学影像之间配准。     

渐进式多特征异源高分辨率卫星影像密级匹配方法研究

正异源高分辨率卫星影像匹配是高分辨率卫星影像处理的技术关键,也是实现三维重建、信息提取、变化监测等应用研究工作的技术基础。研究表明在地面覆盖相同的情况下,随着空间分辨率的提高,卫星影像数据量急剧增加,并由此产生了几何噪声增大、阴影变化影响、局部形变加剧、纹理相似性降低等异源高分辨率影像特有的问题。传统同(异)源遥感影像匹配方法多数着眼于低、     

利用A-AKAZE算法进行喀斯特地区无人机影像匹配

喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。     

异源多分辨率卫星影像匹配算法研究

以异源多分辨率遥感卫星影像为研究对象,对影像特征提取、特征描述、特征匹配及匹配提纯算法进行了较为深入的研究;并将不同的特征提取与匹配算法进行组合,通过试验对比得出了各种算法的适用性。在此基础上,设计了一套面向异源多分辨率卫星影像的匹配流程。     

基于轻小型无人机获取高光谱影像分类精度评定

小型高光谱成像仪搭载在无人机平台上,可以获取更高空间分辨率的影像数据,在无人机升限范围内可以获取多种分辨率的高光谱数据,相比于卫星影像,无人机获取的高光谱影像分辨率往往会高出很多。通过已有数据验证,并非分辨率越高就能取得越好的识别分类效果,高分辨率数据更容易造成错分、漏分等。无人机获取的不同高分辨率的数据在进行分类时分类精度存在差异,本文将通过对比两种不同分辨率的高光谱数据分类结果精度,计算出分类精度差异,为高分辨率的高光谱数据获取和处理提供参考。     

结合SURF算法和单应性矩阵的无人机影像匹配

针对无人机影像受拍摄条件影响或区域环境复杂造成的匹配效果不佳,局部区域甚至无法匹配的问题,基于SURF算法,利用多重约束条件改进算法对无人机影像进行了特征匹配。该匹配算法首先利用SURF算法检测影像特征点,利用FLANN快速搜索结合KNN算法筛选特征点,选出构造单应性矩阵的最优内点匹配对,然后利用基于单应性矩阵的RANSAC算法过滤掉错误匹配。试验结果表明:与基于SURF算法的单一约束条件的无人机影像匹配相比,多重约束条件的无人机影像匹配算法在匹配质量优化的同时能提高无人机影像匹配集数量,该算法在误匹配减少的前提下能获得更多准确的特征点。     

无人机影像与高分卫星影像融合方法研究

针对目前卫星影像数据有丰富的光谱信息但是空间信息不足,而无人机影像空间分辨率高但是光谱信息缺乏的问题,本文将高分二号卫星多光谱影像数据与无人机正射影像数据融合,得到高空间分辨率和光谱信息丰富的融合影像。通过实际数据分别利用PCA、HIS、高通滤波3种常用的图像融合方法进行高分二号卫星多光谱影像与无人机正射影像的融合实验,并通过定性和定量分析的方法从光谱信息保留的完好性和空间信息表达的分辨率2个方面对比分析了3种融合方法的融合效果。     

SRTM高程数据辅助的国产卫星长条带影像匹配

针对国产卫星数据特点及长条带影像匹配困难问题,提出了一种基于全球SRTM数据的影像匹配方法。本文探讨了长条带影像物理分块机制,并引入LBP/C算子实现了兴趣点的筛选。在全球SRTM数据的辅助下,采用投影轨迹法,建立了近似核线方程。沿核线方向,进行局部畸变改正,进而消除匹配窗口的几何变形与辐射差异,利用金字塔匹配策略,逐层进行相关匹配。最后,在原始层引入MPGC(Multi-photo Geometrically Constrained Matching)算法与RANSAC(Random Sample Consensus)算法,进行精化匹配,并剔除误匹配点。文中综合运用了小面元几何纠正法与基于控制网的匹配生长算法,从而提高了匹配点的精度与均匀性。本文方法可在并行环境下全自动实现不同分辨率、不同视角、不同时相的多轨道长条带影像匹配,获得高精度的同名点观测值。以天绘一号与资源三号卫星影像作为试验数据,与现有匹配算法进行对比结果表明该算法具有较好的鲁棒性,能够达到较高的匹配精度。     

面向无人机倾斜影像的高效SfM重建方案

针对无人机影像分辨率高、数据量大导致稀疏重建效率低的问题,提出了一种减少影像匹配对数量、提高外点剔除效率的算法。首先利用无人机飞控数据、相机安装角计算影像的粗略POS（positioning andorientation system）信息;然后基于拓扑连接分析设计了最大生成树算法（maximum spanning tree expansion,MST-Expansion）,最大程度地降低影像配对数;考虑到初始匹配的高外点率,设计了分层运动一致性约束（hierarchical motion consistency constraint,HMCC）算法,提高几何验证算法的效率。4组不同倾斜设备采集的无人机影像的实验结果说明,该方案能够在保证重建精度的前提下,实现无人机倾斜影像高效和稳健的稀疏重建。     

无人机遥感影像匹配中的优化SIFT-OCT算法

针对传统尺度不变特征转换(SIFT)算法在高分辨率影像中检测特征点数量多、匹配效率低、无法快速对无人机低空遥感影像进行特征匹配的问题,该文优化SIFT-OCT算法的特征检测、特征匹配方法,主动放弃第一组尺度空间进行特征检测,并采用影像分块的方法加快检测过程;在特征匹配阶段,提出相似性系数进行匹配点对二次筛选,利用随机抽样一致性(RANSAC)算法计算透视变换模型参数进行精匹配.选取同一无人机序列影像中的4组不同地物类型的影像进行对比验证实验,结果表明,优化SIFT-OCT算法极大地限制特征提取数量,提高影像匹配效率,适合无人机低空遥感影像匹配.     

改进AKAZE算法的泥石流区无人机影像特征匹配

针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。     

无人机影像与卫星影像配准的卷积神经网络方法

针对不依赖于位姿测量的无人机视频影像上目标绝对定位的问题,提出一种基于改进R2D2算法的无人机影像与参考卫星影像配准的方法。首先在R2D2网络生成128通道稠密特征图的基础上,进行双三次函数插值,以获得子像素级位置精度的关键点,并内插描述符;其次利用KD树快速最近邻特征搜索,结合快速采样一致性算法进行误匹配剔除,计算变换模型并对无人机影像进行纠正,完成配准;最后利用两个典型区域对算法进行了测试,并与SIFT和DELF算法进行了对比。实验结果表明,本文算法在正确匹配点数量和计算效率方面优于其他两种算法,对纹理、视角以及尺度差异也具有较好的适应性。     

基于拉普拉斯影像锐化的SIFT无人机影像匹配方法

受成像地区实际情况影响,目前无人机影像匹配精度有待提高。本文提出了一种基于拉普拉斯影像锐化的SIFT无人机影像匹配方法,该方法首先通过四邻域拉普拉斯滤波算子对基准与待匹配影像分别进行锐化,以增强影像细节特征;再通过SIFT算法对锐化后的两幅影像进行匹配。实验结果显示,本文方法具有一定的有效性和鲁棒性。     

一种喀斯特地貌无人机遥感影像的快速匹配方法

针对喀斯特地貌地形起伏大、沟壑纵深、影像局部存在阴影,该地区无人机遥感影像匹配难度大,该文提出一种基于AKAZE特征和RANSAC算法的喀斯特地貌无人机遥感影像的快速匹配方法。该方法采用AKAZE特征检测算法提取喀斯特地貌无人机遥感影像的特征点,能够较为精简地描述出影像的特征,影像匹配时间缩短,匹配速度提高明显;由于预匹配存在错误点对,利用单应性矩阵的RANSAC算法进行精准匹配,剔除错误匹配点对,同时得到最优的单应性矩阵。实验结果表明,该方法的匹配耗时和匹配正确率较优于经典的SURF和BRISK算法,该匹配方法更适合于喀斯特地貌无人机遥感影像匹配。     

无人机影像快速拼接改进

无人机摄影测量过程中具有相对航高较低,航行姿态不稳定,所获影像分辨率高,数量大等的特点,在影像拼接过程中涉及多张影像,其拼接误差会随拼接影像的数量增加而增大,其误差影响不容忽视。本文在对无人机影像拼接误差进行详细分析的基础上,在SIFT算法的基础上,通过确定合适的高斯核尺寸,采用分块匹配的策略,用L-M非线性最小二乘平差法在匹配过程中进行误匹配的剔除,实验结果表明,该方法对无人机影像的快速拼接效率和精度均有改进。     

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率.提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lueas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level 1级别的影像之间由于地形起伏所引起的变形.同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率.实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况.     

双模态脉冲耦合神经网络高分辨率光学卫星影像分割

针对应用PCNN分割高空间分辨率光学卫星影像存在的问题,提出一种双模态PCNN算法。利用北京地区QuickBird影像进行实验,结果表明,该算法能够弱化影像目标内部灰度变化信息对结果的影响,并能提取影像目标几何结构特征信息,为高空间分辨率光学卫星影像分割提供了一种新方法。     

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。