基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

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。     

一种喀斯特地貌无人机遥感影像的快速匹配方法

针对喀斯特地貌地形起伏大、沟壑纵深、影像局部存在阴影,该地区无人机遥感影像匹配难度大,该文提出一种基于AKAZE特征和RANSAC算法的喀斯特地貌无人机遥感影像的快速匹配方法。该方法采用AKAZE特征检测算法提取喀斯特地貌无人机遥感影像的特征点,能够较为精简地描述出影像的特征,影像匹配时间缩短,匹配速度提高明显;由于预匹配存在错误点对,利用单应性矩阵的RANSAC算法进行精准匹配,剔除错误匹配点对,同时得到最优的单应性矩阵。实验结果表明,该方法的匹配耗时和匹配正确率较优于经典的SURF和BRISK算法,该匹配方法更适合于喀斯特地貌无人机遥感影像匹配。     

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。     

基于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。     

低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。     

基于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。     

基于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。     

无人机与卫星影像匹配的相似性逼近算法

针对现有算法在无人机与卫星影像具有较大空间分辨率差异时存在匹配正确率不高的问题,本文提出了一种无人机与卫星影像匹配的相似性逼近算法。该方法在匹配前对无人机影像进行高斯滤波处理,提高了无人机与卫星影像的尺度相似性,并最终提高了匹配算法的正确率。试验结果表明,该算法具有较高的匹配精度,适用于无人机与卫星影像空间分辨率差异较大时无人机影像的匹配与自主定位。     

高空间分辨率影像和多光谱影像融合的研究

从卫星影像的成像过程出发,揭示了卫星影像所含信息的物理内涵,从频率域特性出发得出了高空间分辨率影像和多光谱影像可以融合的物理基础,为寻找一种较好的融合方法提供了理论依据。     

一种基于图像增强的图像滤波方法

针对传统图像滤波算法在滤除噪声的同时也会丢失掉一些图像细节信息的缺点,提出了一种基于图像增强的滤波算法。该算法根据待检测像素周围3×3邻域的像素平均灰度值和待检测像素的梯度值,并结合人眼视觉特性自适应地生成动态阈值。该算法能够在抑制噪声的同时,增强图像的对比度和图像边缘信息。     

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。     

基于图像特征的星载SAR图像模拟研究

SAR图像模拟技术被广泛应用于SAR系统的设计和验证、SAR图像的正射纠正、雷达图像解译和目标识别等。随着星载SAR的发展,必然面临着对星载SAR图像模拟的大量需求。本文首先从SAR图像的几何特征和辐射特征出发,探讨了SAR图像模拟技术的原理,分析了RD（Rang Doppler）模型,后向散射模型和斑噪模型。在传统RD模型的基础上,根据不同地形特征（起伏地形和平坦地形）考虑不同的后向散射模型。特别强调了在平坦地形情况下,需要地物分类数据的参与,并利用Ulaby和Dobson的后向散射模型。另外,在SAR图像统计特征的基础上,进行SAR图像的乘性噪声模拟,可以满足更逼真的SAR场景需求。然后,给出了图像模拟的算法流程,并对关键步骤的算法做了分析。最后,在实现基于图像特征的星载SAR图像场景模拟算法的基础上,选择新疆窝依牙地区和天津地区分别进行起伏地形和平坦地形的模拟试验,实验结果证明了本文模拟算法的有效性。     

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.     

影像融合与复原的小波模型

本文给出影像融合和复原的小波模型。其精髓在于小波的多分辨率性质可将一个复杂而相互交织的症结分解为一系列弱相关和容易解决的小问题。本文着重探讨影像融合与复原中如何利用小波模型的理论与算法。     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法.该算法首先对TM图像做IHS变换提取出I分量,然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量,再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像.该方法可以最大限度地保留待融合图像的光谱信息,同时提高了待融合图像的清晰度和空间分辨率,防止图像纹理信息的丢失.     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法。该算法首先对TM图像做IHS变换提取出I分量，然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量，再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像。该方法可以最大限度地保留待融合图像的光谱信息，同时提高了待融合图像的清晰度和空间分辨率，防止图像纹理信息的丢失。     

一种从SAR影像到光学影像的翻译方法

光学传感器在夜晚和云雨天气难以成像,合成孔径雷达（synthetic aperture radar,SAR）虽然能够全天时、全天候工作,但其成像难以理解,对此提出利用SAR影像翻译为光学影像的新思路来弥补二者的缺陷。给出了遥感影像翻译定义,提出一套包含图像理解、目标转换等环节的影像翻译技术流程。通过支持向量机分类、种子填充和基于样本的纹理合成算法等手段实现SAR影像典型目标向光学影像的转换与表达。最后,利用该方法实现了ENVISAT-ASAR转换为Landsat TM,ALOS PALSAR转换为GeoEye的两类影像翻译,并利用SAR影像翻译结果修补光学影像空缺。影像翻译和补缺实验证明了SAR影像翻译为光学影像的可行性和有效性。     

NOAA／AVHRR影像特征匹配

为实现全球环境实时、动态监测的需要,选用Ｆｏｒｓｔｎｅｒ特征匹配理论对ＮＯＡＡ／ＡＶＨＲＲ影像进行匹配试验。Ｆｏｒｓｔｎｅｒ特征提取之前,先根据熵的理论对影像进行预处理．特征提取工作量可减少到１０％～２０％。特征提取后的共轭影像,根据相似性尺度可建立一个可能的同名点匹配点表,再根据一致性尺度,采用Ｒｏｂｕｓｔ稳健估计剔除错匹配的点对,即可建立两幅影像的最终匹配点对。匹配结果表明,通过阈值的设置,可以在ＡＶＨＲＲ多时相影像上提取足够数量的匹配点对,在行、列方向上平均误差约为０．６像素和０．３像素。