基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

基于SURF改进算法的红外序列影像快速配准的方法研究

提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。     

一种改进SURF的视觉影像匹配算法

视觉影像经常存在纹理情况复杂和动态模糊等情况,严重降低了连续影像间各类特征的相似性,导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配,影响后续影像处理中各类信息的获取.针对上述情况,本文提出了一种改进SURF视觉影像匹配方法.该方法包括特征提取、初始匹配和对应匹配3个步骤.首先,利用SURF特征匹配方法提取足够...     

一种适合航空影像的直线匹配方法

针对航空影像中高程变化对视差影响较大,而传统的单应矩阵与几何约束未考虑视差影响的问题,该文提出了一种适合航空影像的直线匹配方法。首先采用尺度不变特征变换(SIFT)算法进行特征匹配,并计算立体影像间的基础矩阵,通过核线纠正消除其上下视差;然后计算影像间的单应矩阵,并对Hough变换提取的直线段进行变换,最终通过直线段间的端点距离作为约束条件实现了直线匹配。采用多组航空影像开展了实验,结果表明:针对航空影像中高程变化较大的区域,提出的方法可以减少视差的影响,匹配效果优于传统单应矩阵与几何约束的方法,且匹配可靠性高。     

DEM辅助下的倾斜航摄影像匹配方法

在倾斜航空摄影测量中,倾斜影像间由于视角差异较大,具有较大几何变形,而具备仿射尺度不变性的ASIFT算法存在效率较低的问题,提出一种DEM辅助下的倾斜航摄影像匹配方法。该方法通过利用影像的粗略外方位元素和测区的DEM数据,首先对倾斜影像进行仿射变换来减弱几何变形;然后通过SIFT特征匹配算法来获取同名点对,并使用RANSAC剔除误匹配;最后将同名点对根据单应矩阵反算回原影像,以基础矩阵估计法剔除误匹配,获得最终匹配点对。通过对多组数据进行实验,结果表明,该算法的计算效率较高,获得的匹配点对在数量和分布情况上也更为理想。     

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。     

改进MSAC估计F与H矩阵在匹配点中的提纯

针对立体影像匹配中误匹配问题,通常通过某种约束来剔除误匹配。在多视图几何中,多采用基本矩阵和单应矩阵约束同名像点的位置。本文采用改进的稳健MSAC算法估计基本矩阵与单应矩阵,分别对不同地物类型的影像进行误匹配剔除。试验结果表明:(1)改进后的MSAC算法性能优于原算法;(2)单应矩阵适合于平坦地区影像,且其约束力高于基本矩阵;而基本矩阵则适合于任意立体影像。     

抗视差的宽基线弱纹理影像自动拼接算法EI北大核心CSCD

针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。     

一种改进的透视不变匹配算法

针对透视尺度不变特征PSIFT匹配算法穷举采样带来模拟影像冗余、海量特征匹配造成计算效率低下等问题,提出一种改进的PSIFT算法。首先对待匹配影像进行透视模拟重采样,在模拟影像上提取SIFT特征并匹配,计算初始近似单应矩阵;然后利用近似单应矩阵对待匹配影像进行单应变换以消除部分透视变形,再次提取特征和匹配,并采用随机抽样一致(RANSAC)方法提纯粗匹配。实验结果表明,该算法计算效率高,对视角变化鲁棒,与PSIFT相比,匹配正确率是其2~5倍,计算速度快5~9倍。     

一种快速的无人机影像无缝拼接方法

本文针对传统的低空无人机影像拼接处理速度慢和几何精度低的问题,提出了一种快速的无人机影像无缝拼接方法:对输入的原始影像按一定尺度进行降采样,在降采样的影像上进行SURF特征提取和匹配,利用RANSAC方法估计初始的相对单应矩阵,然后用Levenberg-Marquardt方法精化单应矩阵,计算出初始的绝对单应矩阵后利用稀疏光束法平差估计出精确的单应矩阵,通过降采样影像与原始影像的单应关系传递单应矩阵到原始影像级,最后进行影像合成,形成整体拼接图。实验结果表明该方法可以有效地提高拼接速度,解决拼接错位问题。     

SURF与归一化互相关测度相结合的SAR影像匹配方法研究

合成孔径雷达(SAR)匹配是SAR影像处理的重要环节,但由于SAR影像的特殊成像机理,导致SAR影像在匹配时会出现精度、成功率都较低等问题。特别是山地区域,SAR影像富含纹理信息稀少,影像间几何畸变和辐射变形严重,导致特征点提取困难,匹配精度低。鉴于此,本文提出了采用SURF算法和归一化互相关测度相结合的方法,该方法能够快速获得大量匹配点对,实现SAR影像高效的自动化匹配。首先,应用SURF算法获取影像特征点约束匹配搜索范围;然后,采用归一化互相关和测度筛选提取到的匹配点对;最后,利用双向一致性约束剔除错误匹配点对。本文选取地形复杂区域SAR影像数据进行匹配实验,结果表明,该方法能够获得高精度、特征稳定且分布均匀的匹配点对,可以有效地避免几何变形对SAR影像匹配的影响。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

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。     

近景影像的直线分层匹配北大核心CSCD

针对近景影像直线匹配过程中局部几何约束存在漏选和部分灰度描述符在某些场景变换下匹配无力等问题,本文提出了一种近景影像的直线分层匹配方案。该方案利用可靠同名点获取核线方程与透视变换矩阵,并进行目标直线候选直线的二次筛选。在进行检核方式的选取上,若存在相机投影矩阵则计算对应的重投影误差,否则计算优化后的MSLD描述符向量间的余弦相似度。设定合理阈值作为是否接受为同名直线的最终门限。使用网络公开数据集进行算法的分析验证,并与其他直线匹配算法进行对比。试验结果证明了本文方案的可行性与准确性,并对多种变换影像有着良好的适应性。     

基于SIFT特征匹配和射影变换的控制点快速量测方法研究

针对无人机影像控制点量测人工作业量大的问题,本文提出了一种基于SIFT特征匹配算法和射影变换关系的无人机影像控制点位置预测方法:首先对控制点影像和待量测影像进行匹配,然后利用同名像点坐标计算影像间单应矩阵,最后计算待量测影像上的控制点坐标,达到控制点位置预测的效果。基于VS2010平台开发控制点位置预测软件并进行测试。实验表明:该软件可用于无人机影像控制点位置预测,大大提高了控制点量测效率。     

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。     

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。     

基于特征的影像匹配算法性能评估

目前,针对影像特征匹配的算法有很多,但是对于不同地物特征的影像,无法准确地选取可适用的匹配算法。针对此问题,本文选取了四种稳健的算法SIFT、SURF、ORB、AKAZE,在四种不同地物特征的相似影像上进行特征点检测,之后结合不同的描述子进行影像特征匹配,并对所检测的特征点的重复率及其描述子进行适应性实验,以此来判断不同算法对不同地物特征的影像适应范围。实验数据表明:针对特征点适应性实验,AKAZE算法在各类影像上所提取的特征点相对比较稳定;针对特征点匹配实验,在影像不涉及旋转变化时,AKAZE与SIFT描述子结合进行特征点匹配,影像的匹配率显著提高;若要实现影像的旋转不变性,此时可选用SURF-SIFT、AKAZE。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

航空影像自动化镶嵌及几何纠正

针对传统空三与正射纠正对航空摄影要求高,侧重于精度与质量,自动化程度低、处理速度慢,无法满足(无人机)航空影像应急、救灾应用问题,该文提出了一套基于尺度不变特征转换的航空影像镶嵌和纠正的自动化解决方案。应用尺度不变特征转换算法实现航空影像的特征自动提取,并通过K-D树最近邻搜索算法进行尺度不变特征转换特征的自动匹配,根据匹配的尺度不变特征转换计算出变换矩阵,通过矩阵变换和融合算法将相邻影像进行镶嵌,再用多项式模型对得到的镶嵌影像进行整体几何纠正,最终获取摄区正射影像。在Opencv和ArcGIS平台的基础上将整个正射影像制作过程开发成了一个正射影像制作系统,并且采用实际的航拍数据对算法实现效果进行了验证。实验表明,该方法可行,可提高航空正射影像的生产效率,具有生产实际意义。