月球撞击坑分类检测研究

根据嫦娥二号采集的月球CCD影像,基于分类检测的方法,对撞击坑进行识别检测研究。针对简单撞击坑、撞击盆地和复杂撞击坑的不同形态特征和影像特征,采用不同的滤波和检测算子进行识别。结果表明,对直径在1.5 km以上且光照条件较好的简单撞击坑和撞击盆地识别效果较好;对于复杂撞击坑,由于其形态结构相对复杂,造成图像边缘特征不突出,因此识别率相对较低,有待进一步改进。     

基于DEM数据的月表撞击坑自动提取研究

提出一种基于地形与形态学的撞击坑自动提取算法,该算法主要利用撞击坑的形态特征进行提取,利用形态学方法提高提取结果的连续性并去除提取结果中的噪声,使提取的撞击坑边界线更为简单,定位更加准确,易于存储与计算。该算法使用月球勘测轨道器照相机(LROC)提供的100 m分辨率DEM数据进行测试,测试结果显示该算法对于形态较为完整的简单撞击坑提取效果较好,提取的边界线较为准确且能够反映撞击坑的真实形态。     

基于Apollo图像的月表撞击坑自动提取

撞击坑是月表的主要形貌单元.研究月表撞击坑的形状与分布特征对描述月表撞击过程与演变规律有很大帮助.根据月表撞击坑的真实形状,提出了一套椭圆形撞击坑自动提取方法,其主要包括3个步骤:图像预处理、边缘检测与约束参数的Hough多椭圆分层检测.与人工提取结果比较,月表撞击坑自动提取的总体准确率在76％以上(其中比较大的撞击坑的检测率可以达到83％). 统计检测结果表明,当撞击坑的长半轴D＜ 160m时,其累积大小频率分布曲线撞击坑个数N与D-3.8有明显的线性关系.     

一种基于三维形貌的深空星体表面撞击坑自动提取方法

类地深空星体表面撞击坑的自动提取对着陆区选择、自主导航、星体演变研究具有重要意义。以三维形貌数据为基础,提出了一种基于等值线关系分析与形态学精确拟合的深空星体表面撞击坑自动提取方法。首先,从三维形貌数据中提取并保留满足圆度约束的等高线;其次,依据撞击坑的空间形态特征,分析这些等高线之间的相互关系,以初步确定撞击坑的位置;最后,应用形态学分析方法精确确定它们的边缘和位置信息。以月球月海带区域和火星水手峡谷东部区域的DEM数据进行实验,结果表明该方法与传统的撞击坑提取方法相比,具有更高的正确率、稳定性和实时性。     

全月球撞击坑的空间分布模式

以基于嫦娥探月工程公开数据识别的全月球直径大于500 m的106 016个撞击坑为研究对象,划分月海、月陆、经向、纬向研究区域,采用核密度估计与Ripley's K函数的规格化函数-L函数相结合的GIS点模式分析方法,研究全月球撞击坑的空间模式。研究结果表明,全月球撞击坑分布形成了三个聚集中心,南北两极核密度低,东半球核密度高,西半球核密度低,北半球核密度高,南半球核密度低;月陆地区的核密度大于月海地区的核密度,在撞击坑直径范围1~500 km范围内,月陆地区的撞击坑数量是月海地区平均水平的5倍;全月球撞击坑的L（d）曲线随距离变化的过程中在总体上呈现先增后减的态势,经向、纬向研究区位在不同空间尺度上的聚集程度存在差异。     

融合嫦娥一号CCD影像与DEM数据的月球撞击坑自动提取和识别

针对现阶段月球撞击坑定量信息提取不足和误提取的问题,本文提出了一种融合CCD影像和DEM数据进行撞击坑的自动提取及识别的算法。（1）在太阳光照下,撞击坑的影像特征满足特定的规律,通过条件匹配在CCD影像中提取撞击坑;（2）在DEM中,利用撞击坑坑壁点的坡向值的连续性,对影像中误提取的撞击坑进行剔除;（3）在DEM中,利用撞击坑边缘点法向量的突变性,提取撞击坑边缘点并进行拟合,计算撞击坑的参数,通过坑底点云所占比例以及剖面线特征识别撞击坑的类型。经过“嫦娥一号”影像与DEM数据的验证,该算法在高纬度月球撞击坑分布均匀的区域应用效果较好。     

基于影像特征点、线整体匹配的DSM自动生成

DSM的自动提取是“数字摄影测量”的最重要技术之一,其关键就是全自动影像匹配。其主要难点表现在:纹理信息缺乏、重复纹理、深度断裂与阴影、较大的投影变形等。为更好地解决上述问题,本文提出了基于特征点匹配与边缘线匹配相结合的方法。实验表明无论对山区还是城区都取得了很好的效果,证实了该方法在实际应用中的有效性。     

基于边缘检测的海岸线自动提取研究

海岸线位置的确定是海岸带测绘的重要内容,利用遥感手段监测海岸线位置变化,对海岸带监测管理具有重大意义。阈值法和边缘检测法提取海岸线面临着阈值较难选择,同时面向对象分类提取岸线易出现养殖区与泥砂岸滩混分。为此,提出了边缘检测参与多尺度分割,再面向对象分类提取海岸线的方法,避免了人为设定阈值和部分区域混分问题。利用全国海岸带开发利用变化监测海岸线作为参考岸线,对提取岸线的完整度、正确度、质量进行匹配。结果表明,该方法提取海岸线精度较高,提取岸线与参考岸线在两个像元半径内的完整度和正确度达92%以上。     

割线中点距离的面要素匹配算法

针对面要素图幅接边中出现的由于端点距离计算量大导致程序效率低的问题,该文提出了一种基于割线中点距离匹配的边界匹配方法。该算法通过获取面要素与边界线重叠的各线段的中点,对各中点进行距离匹配,从而完成面要素各段割线的匹配与割线端点的匹配。通过对割线中点的匹配,减少面要素匹配中需要匹配的点,达到节省时间的目的。通过面要素匹配实验证明:该算法可以在确保匹配准确性的情况下有效缩短面要素边界匹配的时间。     

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。     

结合显著性检测与特征匹配的飞机目标识别

根据目标与背景间的视觉显著性差异及飞机目标的形态特征,本文提出了一种基于显著性检测的飞机目标识别算法。该算法首先对预处理后的遥感影像进行显著性检测并提取场景中的感兴趣目标;然后依据阴影在HIS颜色空间的特性消除阴影对飞机识别造成的影响,并以飞机的形态特征为依据对感兴趣目标进行筛选,进而实现飞机目标识别;最后,计算飞机的外形参数、相对矩等特征并以此作为依据实现飞机机型判别。试验证明,该方法飞机特征提取精确,目标识别准确率高,具有较好的稳健性。     

一种改进的快速特征点匹配方法

如何进行快速特征点匹配是计算机视觉领域研究的热点问题之一,基于层级式K均值聚类的分类树算法能对特征点实现快速分类。然而,当用该方法进行特征点匹配时不仅会产生大量误匹配点,而且还会丢失许多匹配点。本文对该方法进行研究后,从建树和匹配两个方面对算法进行了改进,使其更加适合于特征点匹配。实验结果表明,改进后的分类树算法能够在保持原算法匹配速度快特点的同时还能够有效降低误匹配率和漏匹配率。     

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。     

基于区域特征的高分辨率遥感影像变化检测研究

传统像素级变化检测往往忽略邻近有意义的整片区域的空间、纹理、结构等信息,对高分辨率遥感影像具有很大的局限性。本文利用面向对象的思想,提出了一种基于区域特征的特定目标变化检测方法。该方法的技术流程包括:数据预处理;同质区域获取;区域特征选择;同名区域搜索;区域特征比较;变化检测精度评价及变化显示。利用提出的方法对伊朗2003年地震前后的巴姆古城标志性建筑进行检测,总体精度达到89.73%。     

SIFT特征匹配旋转补偿的影像匹配方法

本文针对较大旋转角度影像的匹配问题,提出一种基于SIFT特征匹配旋转补偿的影像匹配方法.即采用SIFT特征匹配方法估计影像问的旋转角度,对匹配窗口影像进行旋转补偿,最后采用带核线几何约束条件的相关系数法寻找同名点.在每层金字塔,采用带模型连接条件的相对定向来删除错误匹配点.通过对一组实际航摄影像进行试验,验证了所提出方...     

一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题,本文提出了一种基于图像特征提取方法的ORBSLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度,引入闭环检测策略优化相机位姿轨迹,提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性,运用该算法估计机器人运动轨迹,与真实轨迹相对位姿误差为0.144 8 m,试验表明所提出的方法切实可行,具有较高的稳健性。