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.     

异源遥感影像特征匹配的深度学习算法

针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net.首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符.在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多...     

基于神经网络的影像匹配概率松弛算法

提出了一种映射方法,使得Hopfield神经网络能够用于实现松弛算法。其优点在于Hopfield模型可由集成电路实现,因而使得基于松弛算法的影像匹配可以实时地完成,极大地提高了处理速度。     

利用自由形状线特征的遥感影像分级匹配方法

为较好地解决自由形状线特征匹配研究中线特征丰富信息的充分利用与有效描述这对矛盾,提出一种利用分级匹配策略的遥感影像匹配方法。为保证方法具有较高的匹配精度,从影像中检测亚像素边缘并进行有效的跟踪以得到连续性较好的自由形状线特征;再从中提取闭合线特征、线特征交点和角点等较稳定的特征作为共轭实体进行粗匹配,在确定各类特征的待选同名特征后,根据面积、角度等几何信息以及模型参数的分布特点逐步剔除误匹配,进而利用同名特征确定精匹配的初始参数;精匹配时对线特征中的亚像素边缘点加以利用,采用多层次二维迭代最邻近点(ICP)法依次利用由低到高采样率的边缘点进行匹配。试验结果表明,粗匹配选取的特征性能稳定,具有较高的匹配正确率和精度,能为精匹配提供较准确的初始参数,精匹配能达到与最小二乘影像匹配相当的亚像素级匹配精度,并且对具有较小仿射变形的影像也能实现稳定、准确的匹配。     

基于特征的影像匹配算法性能评估

目前,针对影像特征匹配的算法有很多,但是对于不同地物特征的影像,无法准确地选取可适用的匹配算法。针对此问题,本文选取了四种稳健的算法SIFT、SURF、ORB、AKAZE,在四种不同地物特征的相似影像上进行特征点检测,之后结合不同的描述子进行影像特征匹配,并对所检测的特征点的重复率及其描述子进行适应性实验,以此来判断不同算法对不同地物特征的影像适应范围。实验数据表明:针对特征点适应性实验,AKAZE算法在各类影像上所提取的特征点相对比较稳定;针对特征点匹配实验,在影像不涉及旋转变化时,AKAZE与SIFT描述子结合进行特征点匹配,影像的匹配率显著提高;若要实现影像的旋转不变性,此时可选用SURF-SIFT、AKAZE。     

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。     

一种基于自由形状线特征的影像匹配方法

与点特征相比,高级别的特征,特别是自由形状线特征包含了更丰富的信息,这对于其后的影像解译和表面重建等处理是更为有利的.深入研究自由形状线特征描述、匹配实体选取、相似性测度的确定等自由形状线特征匹配的关键问题,提出一种基于自由形状线特征的影像匹配方法.实验证明该方法对于自由形状线特征的匹配是可行的.     

利用物体结构信息进行影像线特征关系匹配

针对影像线特征匹配的复杂性,给出了根据物体结构信息,将影像匹配问题转化为确定图同构问题的匹配策略。首先,利用影像特征提取获得的点、线特征建立描述物体结构信息的关系表,通过对左右不同影像的图形进行区域分割获得候选面特征,利用矢量数据拓扑关系的自动建立算法得出左右影像关联图的弧段-多边形拓扑文件。然后,根据基匹配及拓扑关系表,利用图深度遍历的方法进行匹配传递,按面、线、点的顺序完成不同影像间对应物体同名线的匹配。由于关系表的一致性表明了物体构成特征要素的一致性,可使整个影像的匹配搜索范围变小,从而提高影像匹配的准确性与匹配速度。     

最小二乘影像匹配算法设计与实现

针对影像匹配问题,对最小二乘法影像匹配的算法进行了研究,理解了该算法的匹配原理,并应用测试程序对该算法进行测试。     

基于空间约束的神经网络影像匹配

提出了一种可充分利用影像灰度信息和特征信息的基于视差变权空间连续性约束的整体影像匹配方法,并将其映射到Ｈｏｐｆｉｅｌｄ网络,利用神经网络所固有的大规模并行处理能力,可以高速、可靠、高精度地完成影像匹配,并大大提高了复杂地形条件下影像匹配的可靠性。实验证明该算法具有一定的实用性。     

结合离散化描述与同名点约束的线特征匹配

由于受到多重因素的影响,影像中提取的线特征经常出现断裂、变形、遮挡等问题。为克服上述问题对线特征匹配的影响,本文提出一种结合离散化描述与同名点约束的航空影像线特征匹配算法。算法首先利用单应性约束结合核线约束精简候选线特征数量;然后采用“以点代线”的方式,通过统计线上同名点的分布情况确定线特征初匹配结果;最后根据线特征与其邻域内同名点间的距离关系对匹配结果进行核验,以保证匹配的可靠性。选取AMC580相机系统所获得的航空影像进行线特征匹配试验,结果表明,本文算法匹配正确率高,匹配速度相对较快,并可实现曲线匹配及断裂线特征的多对多匹配。与已有匹配算法进行比较,本文算法在影像间存在有尺度、亮度、旋转变换等复杂条件下的匹配正确率均高于90%,具有较好的匹配稳定性。     

同名点累计分布约束的航空影像线特征匹配

为了克服断裂、变形等因素对线特征匹配的影响,本文提出了一种同名点累计分布约束的航空影像线特征匹配算法。该算法在Canny边缘提取的基础上对两张影像中的待匹配线特征建立索引,首先利用单应性矩阵结合核线约束精简候选线特征数量,并通过以点代线的方式对线特征上的所有点进行匹配;然后建立累计分布矩阵统计同名点的分布情况以确定同名线特征;最终整合双向匹配结果,实现线特征的多对多匹配。选取典型的航空影像进行线特征匹配实验,结果表明:本文提出的匹配算法能进行曲线匹配,并可实现断裂线特征的多对多匹配,鲁棒性强。与已有匹配算法进行比较,该算法在尺度、亮度、旋转等变化条件下仍可取得较为满意的匹配结果,且在匹配效率上具有一定的优势。     

基于神经网络的影响匹配概率松驰算法

提出了一种映射方法，使得Ｈｏｐｆｉｅｌｄ神经网络能够用于实现松驰算法。其优点在于Ｈｏｐｆｉｅｌｄ模型可由集成电路实现，因而使得基于松驰算法的影像匹配可以实时地完成，极大地提高了处理程度。     

时间序列影像特征点提取与匹配算法研究

首先利用Harris算子分别从序列影像中提取运动目标的特征点,然后通过局部信息熵与Walsh变换有机结合来实现序列影像前后帧中运动目标同名特征点的匹配。实验证明了本文算法的可行性。     

基于空间约束的神经网络影像匹配

提出了一种可充分利用影像灰度信息和特征信息的基于视差变权空间连续性约束的整体影像匹配方法,并将其映射到 Hopfield网络,利用神经网络所固有的大规模并行处理能力,可以高速、可靠、高精度地完成影像匹配,并大大提高了复杂地形条件下影像匹配的可靠性。实验证明该算法具有一定的实用性。     

基于约束满足神经网络的整体影像匹配

将影像匹配看作一个约束满足问题,并用约束满足社会网络来实现整体影像匹配,根据新松驰标号法对网络的结构和迭代方式进行了蛤 能够处理复杂地形条件下影像匹配中存在的“零匹配”和“多匹配”问题。实验表明,该匹配算法可快速,有效地处理复杂地形条件下的影像匹配问题。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题,提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点,研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤,并结合试验分析验证了该方法的有效性。     

透视不变局部特征的LoFTR大视角弱纹理影像匹配

针对影像匹配过程中的影像弱纹理区域特征检测困难,卷积神经网络(CNN)难以从量化后的特征中提取到有效的影像信息,以及受影像畸变的影响,对宽基线影像区域内检测到的特征基元难以关联等问题,该文在LoFTR基础上进行改进,将CNN和Transformer循环迭代后得到的弱纹理特征中加入大视角下的影像几何纠正,增强LoFTR弱纹理特征在视角变化影像上的透视不变性,由此获得大视角弱纹理影像地区的匹配算法。通过实验对比发现,该文方法的匹配数目以及误差较其他匹配算法均有较高提升。在Transformer迭代获取弱纹理区域特征的同时增强其对影像视角变化的透视不变性,可使该类特征适用于各种复杂场景下的匹配任务。