利用自动匹配与三角剖分进行遥感图像几何精校正

在研究传统几何精校正方法的基础上,提出了一种高精度的基于自动同名点匹配和三角剖分技术的几何精校正方法,该方法是通过基准底图对待校正图像进行几何精校正的。首先利用FAST (Features from Accelerated Segment Test)算子在基准底图上快速提取均匀分布的候选特征点,通过图像自身携带的地理定位信息确定初始同名点对;经平移误差消除、互相关双向匹配、RANSAC(Random Sample Consensus)粗差剔除、二元三点插值等步骤获取稳定可靠的亚像元级同名点对;最后根据亚像元级同名点对构建Delaunay三角网进行图像变换和重采样处理。以Landsat卫星ETM为基准底图对环境卫星CCD数据进行几何精校正试验,本算法几何精校正精度较传统的方法得到了很大提高。     

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题,本文提出一种基于改进FAST的特征点提取,结合对立颜色特征的图像匹配算法。首先,利用改进FAST算法提取的角点作为特征点,结合改进的Opponent SIFT算法对特征点进行描述;然后,使用基于字符定位算法对提取的特征点对进行粗匹配,降低整体匹配过程中特征点对误匹配的风险。最后,为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题,运用向量场一致性替代RANSAC进行提纯,降低误匹配率。通过对比试验表明,改进算法匹配准确率均大于91%,且对差异变化具有较好的稳健性、适应性。     

基于无人机图像的密集匹配方法研究

本文提出了一种基于FAST算法的无人机图像密集匹配,使用FAST算法提取两图像的特征点,并使用归一化互相关算法实现两特征点点集的匹配,然后根据初匹配的结果采用RANSAC算法鲁棒地估算出基本矩阵和单应矩阵;采用极线约束和单应约束通过归一化互相关关系稳健匹配出所有点。实验表明,该密集匹配方法结果令人满意。     

融合飞控传感器的无人机影像匹配方法

在拒止环境下无人机视觉定位问题中,ORB(Oriented FAST and Rotated BRIEF)具有高效、快速、稳定的特点,因而可以作为无人机实时影像与基准图匹配算法。本文针对传统ORB算法不具备尺度不变性,且在特征提取过程中存在特征点分布不均匀的问题,提出一种结合飞控传感器的无人机影像匹配方法。利用气压计与加速计经扩展卡尔曼滤波计算后的高度,通过双性线插值法定量改善无人机实时影像尺度,减少了ORB算法中构建影像金字塔所造成的系统开销,通过四叉树算法对提取的特征点均匀化,最后采用网格运动统计(Grid-based Motion Statistics, GMS)算法进行初次误匹配点剔除,再用随机抽样一致算法(RANSAC)筛选精确匹配点。实验结果表明,本文方法能够有效地减少无人机实时影像与基准图匹配时间,同时可以获得均匀的匹配点对,保持较高的匹配正确率。     

基于BSIFT的无人机影像快速拼接算法

针对传统SIFT算法在无人机影像配准过程中速度较慢的问题,提出了一种改进的BSIFT影像拼接方法.针对SIFT特征点描述符计算复杂、占用存储空间过大、匹配耗时过长的缺点,使用BRIEF特征点描述符代替,利用改进方法(BSIFT)对影像进行特征点的提取与匹配,利用RANSAC算法剔除错配点并计算变换矩阵.实验结果表明:本文提出的方法提高了影像拼接速度,而且提高了拼接精度.     

基于SURF的图像配准改进算法

针对传统的加速鲁棒性特征(speeded-up robust features,SURF)算法在图像配准中的应用现状,结合图像分块策略和相对距离理论,提出一种基于SURF的图像配准改进算法。通过图像分块策略改善提取特征点分布的均匀性;在SURF算法初匹配基础上,引用相对距离理论剔除异常匹配点,从而提高特征点匹配的精度和可靠性。选取覆盖重庆市沙坪坝实验区的Quick Bird卫星数据,以特征点正确匹配率和均方根误差RMSE为量化指标,对所提出的SURF改进算法的图像配准效果进行验证。实验结果表明,改进后的SURF算法的特征点正确匹配率达到88%以上,高于传统SURF算法的76%。通过相对距离剔除误匹配点后,最终配准结果的RMSE达到2.69个像元,符合图像配准的基本需求(RMSE在2个像元左右),具有一定的应用推广价值。     

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法.     

基于改进ORB和匹配策略融合的图像配准方法

针对Oriented Fast and Rotated Brief(简称ORB)算法在图像配准中不具有尺度信息、BRIEF算法不具有旋转不变性以及特征匹配精度低等问题,本文提出一种基于改进ORB和匹配策略融合的无人机航拍图像配准方法。首先,通过简化多尺度空间检测特征点,采用稳健的RootSIFT描述符进行特征描述,用来提升特征描述的稳定性。然后,结合距离比值、双向匹配和余弦相似性测度(Cosine Similarity)匹配策略获得初始匹配。最后,利用随机抽样一致性算法(RANSAC)确定最终的特征点匹配关系,计算空间变换参数,实现图像的精确配准。实验结果表明,该方法在图像尺度、旋转和光照变化方面均表现出良好的性能,并提高了图像匹配准确率和配准精度。     

基于尺度比及坐标偏移约束的图像特征点匹配方法

针对特征向量最近邻次近邻距离比值的特征点匹配算法中存在匹配点对少、误匹配的问题,本文从改善特征点匹配策略方面对其进行改进。首先运用Gabor核函数对图像进行滤波处理,并在滤波图像上提取SIFT特征点,得到参考图像与待匹配图像的初步转换关系及特征点的尺度比均值;然后对参考图像与待匹配图像进行SIFT特征匹配,将尺度比作为相似性测度,并结合坐标偏移阈值约束获取同名点对。相较于传统SIFT算法,实验表明该方法在获取更多的同名点对同时,能够有效减少误匹配,匹配精度也有显著提升。     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

一种基于空间几何约束的图像面元配准算法

针对在图像匹配中,传统RANSAC算法在特征点提纯方面效率不高的问题,本文采用空间几何约束算法进行特征点提纯,得到初始匹配点集,再通过RANSAC算法进行特征点精确提纯。实验结果表明:该方法在保证较高精度和鲁棒性的前提下,能有效提高RANSAC算法的时间效率,提高图像的拼接精度和速度。     

一种基于Harris算子的快速图像匹配算法

针对局部特征匹配面临的实时性和鲁棒性难以兼顾的问题,提出了一种基于Harris算子的快速图像匹配算法。通过分析Harris算子的基本原理,提出了用特征检测的中间数据描述局部特征,并建立了一种基于Harris自相关矩阵之迹的低维特征描述子,在保持算法鲁棒性的同时有效减少了算法的计算量,最后用特征描述子之间的绝对值距离作为相似性度量匹配特征点以降低计算复杂度。实验结果表明,本算法不仅对图像尺度缩放、旋转、模糊、亮度变化和较小视角变化保持不变,而且匹配速度较快。     

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。     

基于特征尺度分布与对极几何约束的高清影像快速密集匹配方法

本文重点阐述了基于机器视觉的智能摄影测量的效率基础问题之三：高清影像快速智能匹配处理。图像特征匹配是影响数字摄影测量坐标空间计算效率的基础数据处理过程。为了解决高分辨率数据匹配校验计算成本更高及相似特征干扰等影像产品生成效率负面影响问题,本文通过研究影像尺度不变特征的数学本质,结合多视图相机几何模型,推导并验证了图像特征点的降采样尺度分布规律。根据图像空间几何关系在降采样尺度上的匹配映射关系,缩减图像匹配过程中的计算量并筛选有效待匹配点集,将特征点数量10⁵量级的快速全局特征距离初匹配时长限制在亚秒级。在此基础上结合特征尺度分布信息改进的对极几何约束,改进特征匹配算法,辅助缩小匹配搜索范围,通过特征索引与分区并行处理,实现高清影像同名特征的高精度快速密集匹配,提升特征点基数、匹配特征点对数量与正确率。本文使用intel i7-4720HQ与NVIDIA GTX970M进行试验,基于尺度分布特性的特征匹配方法,以亚秒级的计算时间,获取符合多约束条件的10³量级的匹配点对,为数字影像的快速高精度处理提供了一种新思路,在充分满足数字摄影测量的精度的基础上可提高其产品生成效率。     

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。     

机载激光雷达点云与定位定姿系统数据辅助的航空影像自动匹配方法

本文针对LiDAR点云和POS数据辅助航空影像的连接点自动匹配,设计了用于相关系数匹配的最佳匹配点位快速搜索算法;提出一种基于虚拟地面控制点的相机安置角误差自动检校方法,在此基础上自适应确定影像匹配搜索范围。试验结果表明,本文提出的最佳匹配点位快速搜索算法可在保证匹配正确性的情况下节省约25%的匹配耗时;相机安置角误差补偿方法能够有效地提高由POS数据计算的影像外方位元素的精度,从而明显改善同名点匹配时的点位预测精度;本文算法能处理多分辨率、多视角的交叉飞行航空影像,获得高精度的匹配结果。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。     

数字近景摄影测量中人工标志点快速自动匹配

针对数字近景摄影测量中的人工标志点快速自动匹配问题,提出了一种基于双片空间前方交会的匹配算法。首先,通过计算投影线间的最短距离确定一组初始匹配点;然后通过双片空间前方交会计算相应物方点坐标;最后反求该物方点坐标在其他像片上的像点坐标,通过比较该像点与初始匹配点的坐标差确定同名像点。两组实验均证明,该算法计算速度快,具有高匹配率和低误匹配率。