POS辅助下的车载序列影像匹配

针对车载序列影像中所包含的具有大量重复纹理的建筑立面区域给现有匹配方法带来的误匹配率高、匹配点不足等不适应性问题,提出了一种联合POS辅助及KLT（Kanade-Lucas-Tomasi）角点特征跟踪的新匹配方法。通过充分利用POS信息所能够建立的局部近似建筑立面分层平面及DEM信息,获取KLT跟踪算法中所需的初始位移信息,并将建筑立面及路面区域进行分开追踪匹配,以保证匹配点的良好分布特性,最后利用RANSAC结合核线约束进行误差剔除得到最终匹配结果。试验证明本文方法能够有效解决车载序列影像中重复纹理区域的匹配问题,可高效获取分布均匀、数量充足的匹配特征点,为后期空中三角测量提供更稳健的同名约束条件。     

相位相关辅助的重复纹理区域特征跟踪匹配

在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及三维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。     

高噪声环境下基于参考影像的车载序列影像定位方法

本文提出一种Monte-Carlo匹配与定位算法,基于已知地理参考影像实现了地面车载全景影像序列的精确定位。首先,基于贝叶斯准则和马尔科夫随机链,推导了几何、辐射两种约束条件下运动影像序列全局定位的通用统计模型。然后,顾及阴影、遮挡、动态目标等困难条件下的多源影像匹配80%的误匹配率,基于粒子滤波原理提出Monte-Carlo匹配与定位一体化求解算法（MIML）,通过预测、更新的迭代策略,在剔除粗差的同时获得最佳定位结果。通过2000余张车载全景影像序列的定位实验,验证了本方法能够克服多源影像匹配中误匹配点太多导致的传统平差算法无法收敛的问题,实现了车载全景序列影像的精确定位。     

车载激光点云和光学影像的配准方法研究

首先总结国内外激光点云和光学影像配准的研究现状,针对单张影像提出了一种基于直接线性变换的车载激光点云和光学影像的配准方法;针对车载序列影像提出了一种基于Sift角点提取、影像匹配、光束法平差、密集点云生成、密集点云和激光点云自动配准并生成对应的三维彩色点云的方法。最后以VC++ 6.0为开发平台,利用Optech公司提供的车载激光点云和序列影像数据设计并实现了车载激光点云和光学影像的配准,并验证了算法的有效性。     

自适应运动结构特征的车载全景序列影像匹配方法

以运动结构特征为约束条件的序列影像匹配,是基于多变量核密度函数,采用非参数均值漂移方法估计最优局部运动相似性结构特征的过程。核密度函数的带宽大小决定了匹配方法的收敛速度和精度。本文提出了一种可变带宽的自适应运动结构特征的车载全景序列影像匹配方法。首先以采样点在空间域和光流域的局部空间结构定义自适应的带宽矩阵。采用局部光流特征向量的距离加权法,描述光流域上运动相似性结构特征的松弛扩散过程。然后给出自适应多变量核密度函数的表达形式,并探讨了均值漂移向量的求解、终止条件以及种子点的选择方法。最后融合多尺度SIFT描述特征与运动结构特征,建立统一的全景影像匹配框架。试验选择车载移动测量系统获取的城市球全景序列影像,结果表明在内点率变化、物方尺度变化等情况下,本文方法可以实现自适应运动结构特征的相似性度量,提高匹配的正确点数和匹配率,算法表现出较强的稳键性。     

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。     

利用A-AKAZE算法进行喀斯特地区无人机影像匹配

喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。     

基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

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。     

嫦娥三号着陆器下降序列影像匹配方法研究

通过对嫦娥三号着陆器下降序列影像特点进行研究,联系国内外影像匹配算法的发展历史与优化趋势,针对所获取的嫦娥三号下降序列影像缩放旋转平移变换多样的特点,比较各种图像匹配的方法,选择一种尺度不变特征转换算法(Scale Invariant Feature form),简称SIFT算法。根据SIFT算法的主要过程,用MATLAB软件对算法代码进行实现,经过调试后对嫦娥三号下降序列影像进行匹配,设计实验从匹配的正确率、匹配的时间和匹配的精度3个层面对匹配方法的性能进行分析,试验结果表明此算法适用于嫦娥三号下降序列影像的匹配。该算法适用于下降序列影响的匹配中,得到的数据为航天探测的后续操作提供精准的数据基础。     

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

计算子午线弧长与底点纬度的常微分方程数值解法

计算子午线弧长与底点纬度本质上是解算标准的一阶常微分方程。为了研究利用常微分方程数值解法进行子午线弧长与底点纬度计算的可行性与可靠性,选取大地纬度自0°起以步长1″依次增大至90°,共计324 001个样本数据,分别基于求解常微分方程的Euler算法、改进的Euler算法以及二阶、三阶、四阶Runge-Kutta算法对其进行了数值计算。并与传统算法结果进行比较,从数值算法结果的精度、运算速度、自洽程度等方面对数值算法质量进行评价。计算结果表明:利用常微分方程数值解法求解子午线弧长与底点纬度的方法,能够得到与传统算法精度一致的结果;且数值算法运算速度大约是传统算法的2倍,其中四阶Runge-Kutta算法的精度与自洽程度最高。这表明,常微分方程数值解法比传统算法更适用于子午线弧长和底点纬度的大数据计算。     

基于改进的模糊c-均值聚类方法遥感影像分类研究(英文)

Classification is always the key point in the field of remote sensing. Fuzzy c-Means is a traditional clustering algorithm that has been widely used in fuzzy clustering. However, this algorithm usually has some weaknesses, such as the problems of falling into a local minimum, and it needs much time to accomplish the classification for a large number of data. In order to overcome these shortcomings and increase the classification accuracy, Gustafson-Kessel （GK） and Gath-Geva （GG） algorithms are proposed to improve the traditional FCM algorithm which adopts Euclidean distance norm in this paper. The experimental result shows that these two methods are able to detect clusters of varying shapes, sizes and densities which FCM cannot do. Moreover, they can improve the classification accuracy of remote sensing images.     

计算子午线弧长的三类算法及其分析比较"

多项式展开算法是计算子午线弧长的传统方法,为了研究利用数值积分算法和常微分方程数值解法进行子午线弧长计算的可行性与可靠性,本文选取大地纬度自0°至90°的3组样本数据(间隔距离分别为1°、1'、1″),分别基于多项式展开数值积分算法和常微分方程数值解法,计算得到各组样本数据的子午线弧长,并通过算法计算结果精度和运算速度两个方面对数值算法的质量进行了评价。计算结果表明:数值积分算法和常微分方程数值解法均可以得到与多项式展开算法精度相同的结果;数值积分算法可通过减小步长以提高计算结果精度,但运算速度急剧降低;3阶、4阶的Runge-Kutta算法不仅运算结果精度高,而且运算速度也比传统算法快3倍多,表明了常微分方程数值解法更适用于子午线弧长的大数据计算。     

高分辨率遥感影像融合研究

遥感影像融合不仅可以提高原多光谱影像的空间分辨率,更重要的是最大量地保留影像的光谱信息。为了研究适合于QuickBird遥感影像融合的融合方法,本研究应用乘法复合算法(MLT)、改进的Brovey(MB)、高通滤波(HPF)以及基于平滑滤波的亮度调节算法(SFIM)四种融合方法对QuickBird影像进行了融合试验和分析。试验区以覆盖不同土地利用类型的一小景QuickBird影像为基础。采用了均值偏差、标准差、信息熵、平均梯度和相关系数五种数字统计方法来定量地评价由以上算法产生的融合影像。分析结果表明:SFIM算法在光谱保真性、高频信息融入度、影像清晰度方面都优于其他三种方法。因此,在研究的四种方法中,SFIM算法最适合Quick-Bird影像融合。     

整体法与序贯法在测量平差中的比较

讨论了整体法与序贯法在测量平差中的应用,并结合实例比较整体法与序贯法在相同观测情况下的平差结果和精度问题。实例表明:在测量平差中,若测量网中数据较多,并且这些数据是在不同时期所得,用序贯法具有较高的处理效率。     

利用Douglas-Peucker并行算法在多核处理器上实时综合地图线要素

Douglas-Peucker算法是线要素简化的经典算法,针对其存在大量计算、难以做到实时的缺点,运用并行技术实现Douglas-Peucker算法,并在多核处理器的计算机上进行实验,验证了并行算法的效率与实时性。     

一种改进的单模式匹配算法

为了进一步提高模式匹配算法的性能,在对两种经典单模式匹配算法KMP和BM分析的基础上,结合二者的优点,提出了一种改进的单模式匹配算法。该算法主要利用KMP算法的"部分匹配"结果和BM算法的"后缀匹配"优势,对匹配过程中的字符移动距离做了优化。通过将改进算法与KMP算法、BM算法进行实验测试与分析,证明改进的算法性能稳定,匹配效率明显得到提高。     

一种虚拟空间划分的室内指纹库定位方法

RSSI测量距离技术被广泛应用于距离定位的领域。针对传统的Zigbee指纹定位算法和复杂环境,文章提出了一种虚拟空间划分的Zigbee指纹库定位算法,其中包括虚拟空间划分最邻近定位算法、虚拟空间划分加权最邻近定位算法和虚拟空间划分贝叶斯定位算法。实验结果表明,在最优情况下,此方法能将定位误差抑制在1.50m。     

改进的GPS模糊度降相关LLL算法

模糊度降相关技术可以有效提高模糊度求解的效率及成功率,LLL(A.K.Lenstra,H.W.Lenstra,L.Lovasz)算法是新出现的模糊度降相关方法。详细分析LLL算法,针对该算法中存在的缺陷,提出逆整数乔勒斯基、整数高斯算法和升序调整矩阵辅助的改进LLL算法。利用谱条件数及平均相关系数为准则,以300个随机模拟的对称正定矩阵作为模糊度方差-协方差矩阵,对LLL算法和改进的LLL算法进行仿真计算。比较与分析结果表明,改进LLL算法模糊度降相关处理更加彻底,能有效地加速整周模糊度搜索及成功解算。