基于影象相关及色调匹配的航空影象数字镶嵌方法

对相邻影像几何拼接误差及色调差异的处理，是航空影象镶嵌中的关键问题。本文提出基于影象相关及色调与反差匹配的高质量数字镶嵌方法。通过采用影象相关技术获得匹配点的精确数据，建立相邻影象几何扭曲模型，以改正其几何拼接误差；用影象直方图匹配原理解决拼接时相邻影象色调差异；同时按赂量测度最小原则选取镶嵌接缝点，以避免拼接时产生的人为边界是效应。     

基于二进小波变换的遥感影像镶嵌方法

提出了一种新的影像镶嵌方法，通过与经典的直方图色调匹配方法实验结果比较，证明该方法克服了相邻影像中局部灰度差异大的问题，保证了接缝邻域处的图像清晰度和光滑度两个方面的要求。     

基于特征点引导的多视影像择优匹配方法

从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。     

基于多重测度的影像匹配方法

通过研究相关函数、协方差函数、相关系数、差平方和、差绝对值和、互信息等六种测度的匹配效果,比较六种测度的优缺点,选取匹配效率高、可靠性强的匹配方法。同时,为了提高匹配可靠性,本文探索了一种基于相关系数和互信息的联合匹配测度。     

基于二进小波变换的遥感影像镶嵌方法

提出了一种新的影像镶嵌方法。通过与经典的直方图色调匹配方法实验结果比较,证明该方法克服了相邻影像中局部灰度差异大的问题,保证了接缝邻域处的图像清晰度和光滑度两个方面的要求。     

基于面特征的整体影像匹配方法

影像相邻像素之间具有很强的相关性.利用其相关性获取最佳影像匹配结果,是提高匹配可靠性、增强匹配成功率的重要途径.以偏振片选择光线的方向性理论为基础,提出整体匹配方法.该方法利用二值化影像,对重叠区域影像逐像素作逻辑运算,寻找极值位置.确定最佳匹配结果.两组匹配试验结果表明,该整体匹配方法鲁棒性强,能够成功匹配缺少点特征影像.     

点云拼接中标志自动匹配方法

基于人工标志的公共点法是中远程地面三维激光扫描仪常用的点云拼接方法。目前,该方法还是手动或半自动,人工交互较多。本文对公共点自动拼接中的标志匹配进行了研究,提出一种基于欧式变换不变量的匹配方法。该方法不需借助编码等其他辅助手段,匹配效率高,非常适合扫描标志的匹配。     

基于特征点的影像匹配方法探讨

基于特征点的图像匹配方法是高精度、快速有效和适用性广的匹配算法,它包括特征提取和特征匹配2个步骤。本文在对这一问题进行研究分析的基础上,对相关文献进行综述,介绍并分析了几种典型特征点提取算子的原理和优缺点,为不同应用目的的特征点提取方法选取提供借鉴;特征匹配方面总结了基于特征点匹配的常用方法,就SIFT这一热点做了详细介绍,并进行了实验;最后对匹配中有待进一步研究的问题给出了意见。     

基于SGM的多分辨率影像匹配方法

分析了SGM影像匹配算法的基本思想及其不足,给出了半全局影像匹配算法的基本模型;在此基础上,对该SGM算法模型进行了多分辨率扩展,设计了一种多分辨率半全局影像匹配方法 P-SGM,并讨论了该方法的实现步骤及其技术细节;利用实际影像数据进行了P-SGM影像匹配实验。实验结果表明,该方法能够完成大场景、大幅面遥感影像的密集匹配工作,获取实验区密集匹配点云;并具有较高的匹配性能和匹配精度。     

一种基于自由形状线特征的影像匹配方法

与点特征相比,高级别的特征,特别是自由形状线特征包含了更丰富的信息,这对于其后的影像解译和表面重建等处理是更为有利的.深入研究自由形状线特征描述、匹配实体选取、相似性测度的确定等自由形状线特征匹配的关键问题,提出一种基于自由形状线特征的影像匹配方法.实验证明该方法对于自由形状线特征的匹配是可行的.     

一种基于三角网约束的立体影像线特征多级匹配方法

针对直线匹配可靠性问题,提出了一种基于三角网约束的立体影像线特征多级匹配方法。首先采用SURF算法匹配一部分可靠的种子点,利用这些种子点约束其邻域内的直线匹配;然后,将这些种子点构建三角网,利用三角网约束直线匹配的搜索范围,进行三角网约束下的线-线匹配;再次,在三角网的约束下,进行线-面匹配。为了提高直线匹配相似性测度的可区分性,提出了基于移动窗口的自适应直线相关方法,不仅在表面非连续区域能取得可靠匹配,在纹理缺乏区域也能取得可靠匹配结果。利用具有典型纹理特征的近景影像和航空影像进行了试验分析,结果表明,本方法能获取可靠的直线匹配结果。     

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。     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息,对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

基于流形学习的航空影像匹配方法研究

提出了一种基于流形学习的航空影像匹配方法。该方法利用同一幅影像中特征点之间的空间结构和不同影像中特征点之间的相似性作为特征点映射的约束条件,利用流形学习方法对影像的特征点进行映射,将所有影像的特征点映射到同一空间后采用最小距离方法进行特征点的匹配。利用实际的航空影像进行实验,与SIFT方法、SVD-LLE方法进行综合分析,结果表明本文方法在匹配性能方面具有明显的优越性,并且能够同时获得多幅影像之间的匹配关系。     

顾及几何特征相似性的多源等高线匹配方法

已有的多源等高线匹配方法主要基于等高线拓扑关系构建以及基于空间欧氏距离的相似性度量,缺少对等高线几何形态相似性的考虑,在等高线密集区域、图幅边界区域以及地形变化剧烈区域易产生误匹配情况。为此,本文提出一种基于几何特征相似性的由粗匹配到精匹配的多源等高线匹配策略。提出顾及局部特性的基于节点曲率以及法向量与横坐标轴夹角的混合特征描述测度,将等高线点序列转化为几何形态特征描述序列,引入最长公共子序列算法,量化计算多源等高线数据之间的相似程度,并依据相似度实现同名等高线匹配。利用模拟数据和真实数据对本文方法的可靠性和运行效率进行验证,试验证明,本文提出的匹配策略顾及了等高线空间位置特征和几何形态特征,能够保证较高的匹配精度和运行效率,并具有较好的适用范围。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

基于多源数据的拼接型房屋三维重建方法研究

提出了结合房屋矢量数据、航空影像和点云数据的拼接型房屋(由平顶房、人字型和四坡型房屋组成)自动三维重建算法。算法重点研究了基于点云数据和影像特征提取的拼接型房屋屋脊线检测,并利用其对拼接型房屋组成的模型进行拆分;对于人字型和四坡型房屋组成模型,结合矢量数据和屋脊线,利用几何约束条件自动寻找房屋组成模型的屋檐线,从而获得拼接型房屋组成模型的完整分割;最后通过点云数据的屋顶平面解算其组成房屋模型的参数,最终实现整个拼接型房屋的三维重建。实验数据证明,该方法能较好地实现拼接型房屋的几何模型自动重建。     

基于图论的遥感影像误匹配点自动探测方法

提出一种基于图论的卫星遥感影像误匹配点自动剔除方法。首先以稀疏匹配点为节点分别构建左右影像的完全图;然后利用每个节点所对应三角形的相似度之和为属性值构建导出图;最后通过搜索导出图中属性值最小的节点定位误匹配点。在剔除单个误匹配点的基础上,采用重新构建完全图-导出图-定位误匹配点的循环搜索策略,达到自动探测并剔除多个误匹配点的目的。实验表明,该方法无需建立匹配点间的映射模型,仅利用三角形的相似关系就可以定位误匹配点,与广泛使用的随机抽样一致性粗差探测方法相比,对误匹配点具有更高的识别率和更低的误判率。