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。     

基于局部不变性特征的无人机影像特征点提取

针对不同尺度影像特征点提取的问题,提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照,详细分析了SURF特征点检测算法,并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、SURF等算法进行了比较。结果表明,SURF算法提取影像特征点的速度较快、适应性较强。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点.首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题...     

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。     

等值线DEM地形特征点提取与分类

地形特征按照相应特征模式隐含于DEM中,如何从DEM尽可能自动而准确的提取地形特征始终是测绘空间信息科学的重要而基础的问题.等值线是地形地貌DEM的最一般形式.地形特征点是生成高层次地形特征线面的基础,与局部地形起伏密切相关.在等值线DEM中,特征点的荻取与分类不但与当前等值线的几何形态变化有关,也与局部区域内相邻等值线有密切而复杂的关系.本文在分析各种等值线特征点提取方法的基础上,讨论等值线内部和相邻等值线之间关系的多种复杂情况,形成我们实用的等值线特征点类型判断和提取方法,并进行具体的数学推导和应用到实际地形等值线的特征提取试验中.试验结果表明,我们的提取分类方法能解决多种复杂等值线变化的情况下获取地形特征点,并取得较准确可靠的结果.     

基于点特征的低空遥感影像多级高效率匹配方法研究

研究基于点特征的匹配算法,结合现有影像匹配算子的优缺点,提出一种适用于低空遥感影像特征点的自动提取与匹配方法。首先在简化的高斯尺度空间中检测Harris角点,使该特征点具有尺度不变性;然后采用Forstner算子对关键点精确定位,精度达到子像素级;最后通过简化特征点描述符实现算法简化。在特征点匹配阶段,采用BBF-KD初匹配和二次精匹配提高匹配精度。以低空遥感影像为实验数据测评SIFT算法和文中方法在提取速度、匹配正确率、稳定性等方面的性能。实验结果表明,相对于传统的SIFT算法,处理影像清晰的低空遥感数据时本方法有更高精度和更快速度。     

基于通视与D-P算法相结合的地形特征点提取方法

文章首先简述了已有的等高线特征点算法,分析了他们的不足,提出了基于通视和D-P算法相结合的地形特征点提取算法,这种算法较好的弥补了已有算法的不足,提高了效率。     

基于特征点连接的图像边缘提取方法

本文重点研究了图像边缘的提取问题。通过利用Moravec算子提取特征点,并判断特征点与特征点之间的关系,连接能够形成边缘的特征点,从而得到图像的边界。实验表明,本文方法是可行的。     

基于GPU的SIFT特征点快速匹配

影像匹配是计算机视觉及数字摄影测量的核心问题,基于特征的SIFT匹配算法由于其较强的匹配能力和良好的健壮性成为研究的热点.但SIFT算子的多量性及提取特征点维度较高的特点,直接影响了匹配速度.因此,本文利用GPU强大的并行处理能力,就SIFT特征点匹配在GPU上的设计与实现进行了详细的介绍,并通过对比实验说明利用GPU对SIFT特征点进行匹配所带来的优势.     

基于特征点的影像匹配方法探讨

基于特征点的图像匹配方法是高精度、快速有效和适用性广的匹配算法,它包括特征提取和特征匹配2个步骤。本文在对这一问题进行研究分析的基础上,对相关文献进行综述,介绍并分析了几种典型特征点提取算子的原理和优缺点,为不同应用目的的特征点提取方法选取提供借鉴;特征匹配方面总结了基于特征点匹配的常用方法,就SIFT这一热点做了详细介绍,并进行了实验;最后对匹配中有待进一步研究的问题给出了意见。     

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。     

基于移动最小二乘法法矢估计的建筑物点云特征提取

特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。     

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。     

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。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

从激光点云中提取古建筑线性和圆形特征的比较

对古建筑激光扫描点云进行分割、识别,并利用Hough变换和最小二乘法从点云中提取直线和圆,取得了较满意的结果。对两种算法的提取效果进行了比较。     

分水岭变换在遥感影像线状特征提取中的应用

在现有目标识别方法的基础上,提出一种结合目标的特性进行分水岭变换提取目标的方法。试验结果表明,这种方法可以有效地从遥感影像中提取线状特征。     

基于径向小波变换的图像特征提取算法

提出了一种基于径向小波变换的图像特征提取算法,该方法使用径向对称函数来获得图像的边缘信息.不同于其他的边缘检测算法,本方法既不使用方向滤波器,也不使用图像的极坐标形式,而且适合于文本和非文本图像,容易实现.算法中的参数在数学上能够严格证明,且通过计算不断调整,生成不变的分辨率特征图像矢量.仿真结果表明,该方法能够用于基于内容的图像检索.