基于Harris算子的遥感影像自适应特征提取方法

提出一种基于Harris算子的遥感影像自适应特征点信息提取新方法。在进行特征点自动提取时,该方法通过设计一种自适应的迭代策略,实现了特征点阈值的自动确定。在兼顾局部纹理信息的基础上,通过对影像预先的分块处理和邻近点剔除,保证了特征点在全幅影像中的均匀分布。杭州地区TM影像特征点的提取试验表明,该方法自动化程度高,提取的特征点分布均匀合理,能满足几何配准和几何纠正精度要求,具有较高的实用价值。     

图像特征点提取及匹配技术研究

图像特征点提取和图像匹配技术是图像处理领域中的重要技术,同时是多种图像处理及应用的基础。本文主要研究利用Forstner算子、Moravec算子、Harris算子、SIFT算子对近景影像和航空影像进行特征点提取;接着,采用基于SIFT的匹配来确定匹配同名像点,利用核线约束匹配的搜索范围,约束范围内的特征点;接着,采用灰度相似性约束和双向一致性约束对匹配结果进行检核;最后,得出特征提取和特征匹配的结果。基于本文研究的特征点影像提取及匹配方法,分别选取一组近景影像和数码航空影像进行实验,实验结果证明了本文方法的可靠性和高效性。     

运用SI-Harris算子提取遥感图像点特征

推导了SI-Harris算子(尺度不变Harris算子)的理论公式,并将其应用于遥感图像的点特征提取。重点对Harris算子与SI-Harris算子在不同空间分辨率遥感图像上的点特征提取进行实验比较,利用"重复率"指标对实验结果进行定量评价。实验表明:SI-Harris算子"重复率"较Harris算子有明显提升,可用于不同空间分辨率遥感图像的点特征提取,进而可服务于不同空间分辨率遥感图像的匹配。     

基于灰度信号的点特征提取方法比较研究

介绍了基于灰度信息的点特征提取方法,以试验数据评测了Moravec、Fǒrstner、Harris和SUSAN四种算法常用的点特征提取算法速度、定位精度、正确率、抗噪性等各项指标,比较了各种算法的优势和缺陷。     

基于散乱点云特征提取算法研究

三维激光扫描测量技术是当前测绘领域研究的热点。点云各个要素特征提取在三维建模中是非常重要的一个环节,也逐渐成为三维点云数据处理中的一个研究重点。目前对点云数据特征提取仍然存在一些问题,大多数算法的研究是针对栅格点云数据进行的,存在容易受到噪声数据的影响以及适应性不强等问题。本文在研究了现有的点云数据特征提取的方法的基础上,将法线差分算法应用到场景内地物提取中,从而实现场景中地物的特征提取。     

利用Harris算子进行广义点摄影测量特征提取及其矢量化

提出了一种基于非局部极值抑制的Harris算子,实现了特征点和边缘线的联合提取。采用基于主方向的边缘跟踪,实现了边缘的矢量化存储。实验证明,改进后的Harris算子在特征点和边缘线联合提取时较原始算法效果更好。本算法采用一定的数学模型对边缘线进行拟合,从而进一步对边缘特征进行描述,有利于数据管理和后期的特征匹配。     

改进Harris算子用于点特征的精确定位

Harris算子是在计算机视觉领域使用非常广泛的点特征提取算子，它算法简单，而且稳定，但缺憾是其定位精度只能达到一个像素。参考摄影测量中Foerstner算子精确定位的思想，改进Harris算子，使其可以定位到子像素。实验证明，该方法在点特征的提取和精确定位方面都达到了较好的效果。     

低空遥感数字影像的点特征提取算子的比较

低空遥感是遥感影像数据获取的重要手段之一,点特征是最常用的影像特征,目前存在多种点特征提取算法.本文根据低空遥感数字影像的特点和实际应用中的要求,利用探测速度、适应性、提取效能三个特征提取算法的比较标准对常用的点特征提取算子进行了比较.为针对不同特点的低空遥感数字影像,选择某点特征提取算法提供依据.     

应用二阶Harris算子的高铁轨道近景影像特征点提取

由于轨道影像具有较高的灰度相似性,传统一阶Harris算法提取轨道影像特征存在时间效率低、特征点聚簇等负面问题,文章针对已有Harris方法的不足,提出了一种基于图像分块自适应阈值的二阶导数Harris特征点检测算法,采用自相关矩阵兴趣值识别轨道图像特征点,并分别对有砟与无砟铁路轨道影像开展特征点提取。实验结果表明,二阶Harris算子在轨道近景影像特征点提取方面具有较高的计算效率,所提取出轨道影像特征点满足均匀分布的空间特征,有效避免了传统方法特征点的聚簇现象。     

面向航空倾斜影像空三转点的特征提取算子比较

首先对4种常见的尺度和旋转不变特征算子：SIFT,SURF,MSER,ORB进行简单的介绍。为定量比较各种特征算子在航空影像自动转点中的性能,本文提出了3种与倾斜影像相关的指标,并结合常用的4种指标组成本文的7个定量评价指标。在此基础上,采用一组倾斜影像数据进行了试验,结果表明,SURF/SIFT算子在航空倾斜影像空三转点中具有相对较好的性能,MSER次之,而ORB的效果较差。     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题,结合Harris算子和Susan算子,提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响;然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取;最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明,通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

基于LOG算子和灰度共生矩阵的影像纹理特征提取

随着传感器技术的发展,所获得影像的信息更为丰富,其结构、形状和纹理特征表达得更为清晰。作为影像的一个重要特征,纹理特征的提取对影像的自动化解译有着至关重要的作用。目前纹理特征提取的方法主要有分数维法、马尔科夫模型法、Gabor滤波法和灰度共生矩阵。本文选择目前常用的灰度共生矩阵提取影像的纹理特征,并结合LOG算子,研究基于LOG算子和灰度共生矩阵的窗口自适应算法,克服了灰度共生矩阵提取纹理特征时计算量大,以及固定窗口带来的影像细节保持和噪声消除的矛盾;并通过相关的试验分析,检验其应用于纹理特征提取的实用性和可靠性,为后续的影像分割提供保障。     

改进的自适应SUSAN角点特征提取方法

针对目前大多数的角点特征提取算法存在算法结构过于复杂、运行效率偏低及可推广性偏差等方面的局限性,该文通过改进SUSAN算法中灰度差阈值的获取方法,提出一种自适应的角点特征提取方法。该方法首先采用高斯滤波对原始影像做预处理,然后利用Ly算子初步探测概略角点特征集合,最后利用改进的SUSAN角点检测算法从概略角点特征精确确定角点特征。实验结果表明,该方法提高了角点检测的精度,缩短了角点特征提取时间,具有较好的鲁棒性。     

基于高斯差分的改进Harris特征点提取算法

针对非城区影像纹理特征缺乏、特征不明显、影像特征点提取困难和图像特征附近可能出现冗余特征点问题,本文提出一种基于高斯差分的改进Harris特征点提取算法。首先用高斯函数对图像进行卷积运算生成平滑图像,将原图像与平滑图像进行差分运算生成增强纹理特征的差分图像;然后基于Harris算法进行差分图像特征点提取,进行特征点局部窗口的非极大抑制,剔除冗余特征点,提高特征点提取精度。实验证明,本文算法可以改善纹理贫乏影像区的特征提取效果,有效删除冗余特征点,并提供质量较好的特征控制点。     

基于无人飞行器遥感影像的数字摄影测量关键技术研究

随着无人飞行遥感器越来越多的应用到国民经济建设,无人飞行器遥感影像的处理已成为当下一个热点的研究问题。但相对于传统的航空摄影测量而言,无人飞行器遥感影像有着很多传统航空影像所不具有的问题。针对这些特点,本文着重探讨影像畸变改正、Harris特征点提取、基于特征点的金子塔影像双向匹配以及核线影像生成等无人机影像数字摄影测量处理的关键技术。     

摄影测量中几种特征点提取算法比较

特征点提取技术一直是数字摄影测量和计算机视觉中的研究热点。从兴趣算子的角度研究了摄影测量中几种主流特征点提取算法,并从提取角点数、提取时间等方面,定量地比较和分析了各算法的性能、优缺点,并得出了一定的结论。     

Wallis 滤波在影像匹配中的应用

介绍了Wallis滤波器的基本原理和特性,将其应用于影像点特征提取和影像匹配,并列出了部分结果。     

基于Visual Studio的图像特征点提取研究与实现

图像特征点提取不仅应用于计算机视觉领域而且也是摄影测量中的重要环节。本文主要分析了摄影测量中几种常用的特征点提取算子并结合FLANN匹配方法在VS2012上实现各个特征点算子的性能比较。结果表明:运用BRISK特征检测子结合BRISK描述子来提取特征点不仅提取速度快、消耗内存小,而且具有尺度、旋转不变性和对噪声的鲁棒性。如果不考虑图像的尺度、旋转的变化,则FAST和ORB组合的结果是最优的。     

步态特征提取的K均值聚类自适应判别

针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。