利用贝叶斯抽样一致性的点云特征面拟合

针对传统随机抽样一致性算法在拟合特征面时对种子点的选择具有一定的随机性,造成循环次数过多、效率低下的问题,该文提出一种改进的随机抽样一致性算法——贝叶斯抽样一致性算法。首先建立柱面、球面、圆环面、平面的数学模型;然后用贝叶斯抽样一致性算法提高抗噪性,并用二维直方图统计方法对贝叶斯抽样一致性算法中的局内点先验概率估计进行改进;最后,对局内点用非线性最小二乘进行拟合。将该方法与基于随机抽样一致性算法的特征面拟合方法进行了对比和分析,实验结果证明,贝叶斯抽样一致性算法能够更高效地实现局部特征面拟合。     

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。     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。     

一种基于改进的SIFT特征点算法的无人机影像快速匹配研究

由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该算法对无人机影像进行特征点的提取,并采用最小二乘算法进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。     

近景影像三角网内插点密集匹配方法

针对目前密集匹配中依据种子点寻找新特征点存在计算复杂的问题,该文提出一种近景影像Delaunay三角网内插点密集匹配方法。该方法首先采用尺度不变特征变换算子匹配特征点,通过随机抽样一致性算法对特征点进行优化,以获取高精度同名点;依据同名点构建Delaunay三角网,在同名相似三角形内,以内插重心点作为匹配基元,并对内插点进行色彩信息相似性约束和极线约束,剔除粗差提高匹配结果精度;在匹配传播过程中,新特征点不断插入三角网中,对三角网进行动态更新,用于约束后续匹配。该方法能够避免繁琐计算,同时具有较高的可靠性,适用于不同类型的近景影像数据。     

基于SIFT的无人机遥感影像匹配算法研究

无人机遥感影像存在像幅小、数量多、基线短、重叠度不规则且倾角过大等问题,传统的灰度匹配很难胜任无人机遥感影像的匹配。SIFT特征具有旋转、微小仿射的不变性。本文分析SIFT特征的优点,指出其存在的问题,结合灰度匹配、最小二乘匹配及影像金字塔策略,提出了一套适合无人机遥感影像的匹配算法流程。     

同名点及高程平面约束的航空影像直线匹配算法

针对直线匹配的难点问题及匹配约束的有效性,提出了同名点及高程平面约束的航空影像直线匹配算法。该算法在边缘点匹配结果和直线提取结果的基础上,首先利用直线邻域内的同名点确定候选直线及直线投影平面的高程值,再结合物方和像方相似性约束确定同名直线;然后根据直线索引对"一配多"的匹配结果进行整合,并对结果中的多直线进行合并,得到"一对一"的同名直线;最后利用"像方-物方-像方"的映射模式确定同名直线的同名端点。论文选取典型纹理特征的航空影像进行直线匹配试验,结果表明,本文算法能获得可靠的直线匹配结果。     

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。     

改进的SIFT双向匹配算法在异源影像匹配中的应用

针对不同传感器、不同时相、不同分辨率的异源遥感影像匹配困难的问题,引入尺度不变特征(Scale Invariant Feature Transform,SIFT)算法;针对传统SIFT匹配算法的不足,利用SIFT特征向量匹配对的唯一性约束改进传统SIFT算法的匹配策略,采用双向匹配以达到在匹配过程中准确寻找匹配点对的目的,提高影像匹配的正确率,实验证明,该方法适用于异源影像匹配。     

基于同名点量测值的影像匹配

本文描述了一种关系，它使我们能够确定某一张像片上一个三维目标影像是否与另一张像片上一个目标的影像相匹配。这种影像匹配算法要求在两张像片上有９个同名像点的量测值，它仅依赖于像点坐标，而无需知道物方空间坐标或两摄影机的内外方位元素。该关系可以用于变化检测或分类，而且，当两张像片的透视中心存在较大差异时，这种方法特别有用。该研究的副产品是“核线方程”，它在影像的自动搜索和相关算法中很有用处。     

车载纵向摄影影像的核线影像生成与同名点匹配

根据车载纵向摄影影像核线排列的特点,利用相对定向确定立体像对的核线几何关系生成核线影像,并进行同名点匹配,取得了很好的效果。     

保持匹配一致性的遥感影像压缩编码

基于影像匹配一致性，结合小波变换与分析，提出了一种适用于遥感影像的有失真压缩编码方法。考察了不同的压缩倍率对影像匹配偏移中误差的影响。     

一种改进的多源遥感影像SIFT算法匹配策略

传统SIFT算法在遥感影像中相似性场景大量存在的情况下呈现出匹配效率低的问题。文中提出对传统SIFT算法匹配策略进行改进,其步骤包括:首先在初匹配阶段,利用建立金字塔影像匹配的方式确定影像间的几何关系模型;其次,利用该几何关系模型对初始影像进行约束匹配;最后利用RANSAC模型剔除误匹配点。通过相似性场景影像匹配实验可以表明,与传统SIFT算法相比,本方法具有明显的匹配效率和精度优势。     

场景判断增强SURF影像匹配算法

SURF特征匹配算法进行特征匹配操作时,会受到边缘线上大量相似点特征等因素的影响,特征匹配结果往往不会达到预期的效果,在纹理特征复杂的场景区域,其匹配精度会变得更低。为了实现在复杂场景中连续影像帧之间高质量的特征匹配,本文提出了一种基于场景判断的改进SURF影像匹配算法。该方法以GC-SURF特征匹配算法为基础,在初始匹配与几何对应匹配阶段增加了变换矩阵评估机制。首先,采用本文算法构建两帧影像间的变换关系模型,求解基础矩阵与单应矩阵;然后,通过变换矩阵评估策略,对上一步求得的基础矩阵与单应矩阵进行评估,判断影像场景的立体程度,根据场景立体程度选择相应的变换矩阵;最后,根据选择的变换矩阵进行后续几何对应匹配。对ICL-NUIM数据的综合试验表明,本文算法能够取得更高质量的匹配效果。     

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。     

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...     

多传感器影像配准中基于虚拟匹配窗口的SIFT算法

提出了一种基于虚拟匹配窗口的SIFT算法,通过构建虚拟匹配窗口,增大SIFT特征点之间的尺度相似性,提高了匹配的几率;并通过与最小二乘法和双线性内插法的结合完成自动配准。文中选取角度和尺度偏差较大的SPOT-5(P)与TM影像进行实验,结果表明,配准精度小于一个像素。     

影像匹配中核线影像的快速生成算法

深入分析了核线影像与原始倾斜影像之间的解析关系,提出一种核线影像生成的快速算法。     

基于本质矩阵的无人机影像精确匹配

无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节,常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMed S算法比其他稳健方法更严格,"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型,同时利用ORB算法提取速度快的特点,构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究,并与其他常规算法进行比较。试验结果表明,本文算法保留的匹配点数数量多,分布较均匀,适用于多种场景,是一种有效、快速精准的影像匹配算法。