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SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

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。     

基于嫦娥二号CCD数据的核线影像生成方法

对于缺少嫦娥二号激光数据问题,本文提出了基于RPC有理多项式系数(Rational Polynomial Coefficient)的嫦娥二号CCD影像的核线影像生成方法.它利用了嫦娥一号激光高度数据与嫦娥二号CCD影像控制点相结合的方法生成月面控制点,通过月面控制点建立正确的校正公式,获得分辨率较高的正射影像图,并在此基础上提取核线影像.     

一种可见光影像稠密匹配点云的单栋建筑物提取方法

建筑物点云提取是城市快速三维建模的基础。针对城区中建筑物和树木空间距离较近导致建筑物点云误提取的问题,提出一种颜色约束的欧式聚类算法。该方法利用低空拍摄可见光影像进行三维重建、获取点云数据,在建立点云K邻域索引和表面估计的基础上,以曲率最小的点作为欧式聚类的种子点,将点云的RGB值转换成Lab颜色模型,对建筑物点云的聚类提取进行约束。实验表明,该方法可以有效地解决可见光影像匹配点云中建筑物提取时将树木误提取的问题。     

嫦娥二号影像密集匹配及DEM制作方法

嫦娥二号卫星搭载了一台两线阵CCD立体相机,以线阵推扫成像方式获取了覆盖全月球的7 m分辨率影像。与嫦娥一号影像相比,影像分辨率大大提高,月表地貌细节更加丰富,制作高分辨率月表DEM更加复杂而困难,现有的基于嫦娥影像制作方法难以满足应用需求。针对嫦娥二号影像特点,在基于RPC模型生成近似核线影像基础上,进行金字塔影像匹配,实现了原始影像的逐像素匹配;计算匹配点的月面坐标后,采用基于反距离插值方法生成月表三维地形;对于图像阴影等地形漏洞,采用基于径向基函数进行插值填补。试验结果表明,该方法生成的月表三维地形DEM数据,能准确真实地表达高分辨率的月表地形地貌细节,并较好地应用于嫦娥二号全月球三维地形DEM数据产品的生产任务中。     

一种POS数据辅助多视角倾斜航空影像匹配方法

提出一种利用POS辅助多视角倾斜影像匹配的算法。首先,利用POS数据对倾斜影像进行近似核线纠正;然后,用SIFTGPU算法对纠正影像进行特征匹配,根据匹配结果计算出两张影像的水平和垂直方向视差进而求得其近似重叠区域;将重叠区域进行分块特征匹配,采用比值提纯法、视差约束和RANSAC算法等约束条件剔除误匹配;最后,将匹配结果通过POS数据反算回到原始影像上。试验结果表明,将POS数据应用到多视角倾斜影像匹配中,可快速获得比常规影像匹配方法数量更多、分布更均匀的匹配点。     

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。     

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.     

基于多源遥感影像融合的影像匹配技术

多源遥感影像数据配准,常用的方法是多项式纠正法。此方法简单,但不能有效实现图像之间的相互配准。本文介绍了一种基于影像匹配的图像对图像局部纠正技术,包括影像直方图匹配、特征点提取、影像匹配处理技术,以及图像对图像局部纠正等技术,用于多源数据的配准。实验证明这种流程适合不同时相、不同传感器遥感数据(TM数据、SPOT数据与航空影像数据)的精确配准,配准误差可达到子像元级别。     

SURF与归一化互相关测度相结合的SAR影像匹配方法研究

合成孔径雷达(SAR)匹配是SAR影像处理的重要环节,但由于SAR影像的特殊成像机理,导致SAR影像在匹配时会出现精度、成功率都较低等问题。特别是山地区域,SAR影像富含纹理信息稀少,影像间几何畸变和辐射变形严重,导致特征点提取困难,匹配精度低。鉴于此,本文提出了采用SURF算法和归一化互相关测度相结合的方法,该方法能够快速获得大量匹配点对,实现SAR影像高效的自动化匹配。首先,应用SURF算法获取影像特征点约束匹配搜索范围;然后,采用归一化互相关和测度筛选提取到的匹配点对;最后,利用双向一致性约束剔除错误匹配点对。本文选取地形复杂区域SAR影像数据进行匹配实验,结果表明,该方法能够获得高精度、特征稳定且分布均匀的匹配点对,可以有效地避免几何变形对SAR影像匹配的影响。     

一种基于序列影像匹配的独立树冠可视化方法

介绍采用非量测相机与序列影像匹配实现独立树冠3维重建的方法。主要包括从影像提取特征点：使用多基线影像与金字塔分层相关技术进行特征点匹配;解算影像的相对方位参数;由前方交会求出各特征点的模型坐标;由模型坐标构造树冠表面三角网;由纹理映射得到树冠3维模型景观图,实现树木可视化的真3维表达。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

主成分分析的匹配点对提纯方法

传统的匹配点对提纯算法通常需要寻找小部分点集作为初始输入,再迭代求解出能够满足大多数点对约束要求的最优解,其提纯结果易陷入局部极值,造成正确匹配点对的遗漏。针对这一问题,本文引入了主成分分析思想,将整体点集作为初始输入,逐步剔除误匹配点对,稳健求解,得到更为准确的全局最优解,降低正确匹配点对的遗漏率,达到较好的提纯效果。试验表明,本文方法在一定的原始误匹配率下,能够得到整体最优解,在剔除误匹配点对的同时,能够避免或减少正确匹配点对的遗漏。     

一种基于分块策略的SIFT特征快速提取与匹配方法

通过研究基于GPGPU的SIFT特征匹配,提出一种通过分块处理实现大面阵遥感影像快速匹配的方法。首先采用鲁棒性强的随机采样一致性算法来估计待匹配影像间的单应关系并剔除误匹配点;然后通过单应关系找到待匹配影像间的重叠区域,进而实现大面阵遥感影像的分块SIFT特征提取和匹配。试验证明该算法可较快提取相应航摄测区的同名像点,为后续进行的光束法区域网平差提供了鲁棒的数据源。     

一种考虑云检测的遥感影像匹配方法

针对有云遥感影像间常规匹配效果不佳的问题,提出了一种考虑云检测的遥感影像匹配方法,主要包括有云区域的探测、特征点提取和相位匹配三个部分。通过对影像局部区域的高亮度像素的统计,在特征点提取时避开有云区域,最后通过物方空间的相位相关获取同名点对。实验表明本方法在包含大量云团的影像之间能够明显改善匹配效果。     

基于KLT算法的车载序列影像匹配方法

将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。     

一种用于机器视觉检测的图像配准快速算法

图像配准是机器视觉检测的关键步骤之一。针对产品包装印刷质量检测，文中提出了一种新的图像配准算法。其基本思想是：首先进行图像概略匹配得到特征点的概略位置，接着进行特征点的精确检测，根据检测到的对应特征点坐标计算转换参数，最后生成配准图像。实验表明，该算法计算速度快，具有较好的精度和稳定性，适用于在线机器视觉检测等对速度要求高，而图像只有小角度旋转的情况。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。     

航空影像特征匹配研究

基于格网和三角网的优点,提出了一种基于特征的影像松弛匹配方法。算法利用边缘提取算子提取影像特征信息,把提取的边缘特征点分配到预定的规则格网中进行登记,同时构建特征三角网。