SIFT特征算子在低空遥感影像全自动匹配中的应用

低空遥感影像由于其飞行平台的不稳定性,影像间旋偏角和比例尺差异较大,因此常用的基于区域灰度的匹配方法很难获得令人满意的匹配结果,甚至无法进行匹配。本文针对低空遥感影像的特点,介绍了基于SIFT算子的特征匹配原理及其在低空遥感影像全自动匹配中的应用。试验结果表明,利用核线约束进行SIFT特征匹配,其速度和精度能够满足低空遥感影像的应用需求。     

无人机遥感影像匹配中的优化SIFT-OCT算法

针对传统尺度不变特征转换(SIFT)算法在高分辨率影像中检测特征点数量多、匹配效率低、无法快速对无人机低空遥感影像进行特征匹配的问题,该文优化SIFT-OCT算法的特征检测、特征匹配方法,主动放弃第一组尺度空间进行特征检测,并采用影像分块的方法加快检测过程;在特征匹配阶段,提出相似性系数进行匹配点对二次筛选,利用随机抽样一致性(RANSAC)算法计算透视变换模型参数进行精匹配.选取同一无人机序列影像中的4组不同地物类型的影像进行对比验证实验,结果表明,优化SIFT-OCT算法极大地限制特征提取数量,提高影像匹配效率,适合无人机低空遥感影像匹配.     

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SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法.该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性(RANSAC)算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入...     

一种运用AKAZE特征的无人机遥感影像拼接方法

针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。     

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。     

改进SIFT特征描述符在影像匹配中的应用研究

由于成像条件变化造成的遥感图像之间的几何形变和灰度差异给影像匹配带来了困难,深入研究了SIFT特征描述符的生成方法,针对SIFT特征维数过高的问题进行改进,利用特征点邻域的圆形区域构造新的描述符,增强了描述符自身的抗旋转性,并降低了特征描述符的维数。实验表明,改进的特征描述符是可行有效的,在遥感影像目标匹配中取得满意的实验结果。     

改进SIFT特征描述符在影像匹配中的应用研究

由于成像条件变化造成的遥感图像之间的几何形变和灰度差异给影像匹配带来了困难,深入研究了SIFT特征描述符的生成方法,针对SIFT特征维数过高的问题进行改进,利用特征点邻域的圆形区域构造新的描述符,增强了描述符自身的抗旋转性,并降低了特征描述符的维数。实验表明,改进的特征描述符是可行有效的,在遥感影像目标匹配中取得满意的实验结果。     

带匹配支持度的多源遥感影像SIFT匹配方法

通过将匹配支持度的相似性测度引入SIFT特征匹配算法,提出了一种能够应用于不同源遥感影像的自动匹配方法。首先,建立待匹配影像中特征点的SIFT特征描述符;然后,以待匹配点与参考点间的欧氏距离为相似性测度,挑选一定数量的距离最为接近的匹配点作为候选点;最后,分别计算候选匹配点间的匹配支持度,并通过松弛法剔除误匹配点以完成影像的自动匹配。实验结果表明,与传统的灰度匹配及经典的SIFT特征匹配相比,此算法可明显提高影像匹配的成功率和可靠性。     

基于SURF算法的无人机遥感影像拼接技术

在影像匹配的研究上,SIFT算法在特征匹配方面的应用一直是国内外学者关注的热点之一。最近几年,有研究者提出了SURF算法,该算法是在SIFT算法基础上作了一些改进后得到的新算法。为了比较这两种算法在影像特征点提取上的优劣性,本文开发了相应的软件程序,并采用无人机遥感影像数据进行了算法的实例验证。发现相比于SIFT算法,SURF算法在影像特征点提取中无论是运算速度还是提取的特征点数量都有较大进步。基于此将SURF算法应用到无人机遥感影像拼接中,并通过高斯滤波对拼接影像进行平滑处理,获得了令人满意的拼接影像。     

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。     

最优路径的无人机影像拼接

SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强.本文采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配.在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差.     

Super-resolution enhancement of UAV images based on fractional calculus and POCS

Abstract

A super-resolution enhancement algorithm was proposed based on the combination of fractional calculus and Projection onto Convex Sets (POCS) for unmanned aerial vehicles (UAVs) images. The representative problems of UAV images including motion blur, fisheye effect distortion, overexposed, and so on can be improved by the proposed algorithm. The fractional calculus operator is used to enhance the high-resolution and low-resolution reference frames for POCS. The affine transformation parameters between low-resolution images and reference frame are calculated by Scale Invariant Feature Transform (SIFT) for matching. The point spread function of POCS is simulated by a fractional integral filter instead of Gaussian filter for more clarity of texture and detail. The objective indices and subjective effect are compared between the proposed and other methods. The experimental results indicate that the proposed method outperforms other algorithms in most cases, especially in the structure and detail clarity of the reconstructed images.     

无人机核线影像的稀疏匹配与稠密匹配

无人机影像转化为水平核线影像后,能够有效地减少同名点的搜索空间。在此基础上,本文使用SIFT算子进行了稀疏匹配,并用BP算法进行了稠密匹配。结果表明：①SIFT算子获取的同名点比较少,但是计算方法简单,同名点空间坐标精确,适用于大范围获取简要的空间三维信息;②BP算法计算复杂度高,可以获取地物大量的同名点,适用于小范围的地物三维重建。总体而言,两者各有优缺点,在实际的应用中可互补。     

一种基于无人机序列图像的地形地貌三维快速重建方法

提出了一种基于无人机序列图像的地形地貌三维重建方法,该方法采用Harris特征点和SIFT特征向量来提取图像特征,实现图像配准;采用准透视投影模型和因子化方法对未标定的图像序列进行自动标定;通过高效次优解三角化方法获取三维点云坐标;通过准稠密化扩散算法对三维点云进行稠密化;采用捆绑调整算法提高了空间三维点云的精度;采用Possion表面重建方法对三维点云进行了网格化处理.本文为无人机序列图像的应用提供了一个新的思路,拓展了无人机的应用空间.     

联合对数极坐标描述与位置尺度特征的无人机影像匹配算法

针对无人机（unmanned aerial vehicle, UAV）影像提取的同名点数量较少,从而影响影像间位姿信息的计算,导致影像拼接错位、平差解算不严密甚至失败等问题,提出了一种联合对数极坐标描述与位置尺度特征的匹配算法。首先,建立高斯多尺度影像集合进行特征点提取;其次,采用对数极坐标进行描述子构建,建立适合UAV影像特征的描述子;然后,通过位置和尺度约束的距离匹配函数进行特征匹配;最后,通过模式搜索和快速样本共识方法剔除粗差后完成同名点提取。将四旋翼UAV获取的影像作为实验数据,与SIFT(scale invariant feature transform)算法和SAR-SIFT（synthetic aperture radar-SIFT）算法进行了影像匹配的对比实验。结果表明,所提算法可以较好地提取UAV影像的同名点对。     

位姿信息的小型无人机影像拼接方法

针对传统影像拼接方法需要控制点的问题,该文提出一种基于位姿信息的小型无人机影像拼接方法。首先从机载GPS和惯性导航单元获取无人机拍摄的位置姿态参数,利用Harris算法提取特征点,采用SIFT描述方法计算特征向量,通过近似最近邻算法和PROSAC算法对匹配的同名点对精化。然后根据同名点对像平面坐标和航拍时的位置姿态信息,计算影像之间的变换矩阵,通过最小二乘原理平差计算以提高变换矩阵精度。最后利用变换矩阵实现无人机多幅影像的拼接,得到兴趣区域全景图。实验结果验证了该方法在拼接效果方面具有优势。