基于特征空间的航空影像自动配准算法

为解决图像配准的出界点、噪声干扰等问题,提出一种基于特征空间的航空影像配准算法.该算法采用改进的Harris算子提取特征点(角点),并建立角点特征空间,根据三级匹配策略,实现特征点的匹配,完成图像配准.实验结果表明,该算法在旋转、缩放、噪声等多种因素的影响下具有良好的配准效果,特别是对于小重叠区域(具有75%以上出界点)的图像对,配准效果良好.     

基于SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT（Scale Invariant Feature Transform）特征应用于遥感影像的自动配准问题中，并且针对遥感影像的成像特点，给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明，该方法具有稳定、可靠、快速等特点。     

遥感影像的高精度自动配准

在影像数据融合,动态变化监测等遥感影像集成分析和应用中,将来自不同传感器,不同时相获取的影像高精度快速配准是其中的关键技术之一,本提出了一种不同传感器,不同空间分辨率影像配准的全自动方法,并实际用于ＳＰＯＴ和ＴＭ影像的配准,其精度,可靠性和效率等明显优于传统的人工方法。     

遥感影像的高精度自动配准

在影像数据融合、动态变化监测等遥感影像集成分析和应用中,将来自不同传感器、不同时相获取的影像高精度快速配准是其中的关键技术之一。本文提出了一种不同传感器、不同空间分辨率影像配准的全自动方法,并实际用于SPOT(全色)和TM(多波段)影像的配准,其精度、可靠性和效率等均明显优于传统的人工方法。     

航空影像与数字地面模型的配准

介绍了一个通过确定航空摄影飞机空间位置和姿态来辅助飞机导航的算法。该算法将航摄像片与已知数字地面模型配准，从而获取像片的空间位置和姿态。     

航空影像与数字地面模型的配准

介绍了一个通过确定航空摄影飞机的空间位置和姿态来辅助飞机导航的算法。该算法将航摄像片与已知数字地面模型配准,从而获取像片(飞机)的空间位置和姿态。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

无人机影像全景图配准算法研究

介绍了一种无人机全景图配准算法,处理过程包括局部配准和全局配准两个步骤。实验表明,本文采用的局部配准算法取得了较好的匹配精度,全局配准也有效避免了全景图中的扭曲现象,最终得到了合格、精美的无人机全景拼接影像。     

SIFT算法优化及其用于遥感影像自动配准

对传统SIFT算法从特征点提取时间和匹配精度上进行了优化,基于优化算法提取的特征点对构建三角网进行小面元微分纠正配准。试验结果表明,该方法是一种有效的遥感影像自动配准方法。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

面向影像匹配的SUSAN角点检测

在分析比较现有角点提取算法的基础上,将SUSAN算法用于提取高分辨率影像的角点及影像匹配。针对试验中原算法在不规则纹理区提取大量冗余角点及对强边缘敏感等问题,提出按照影像局部和整体对比度的关系自适应计算灰度差阈值,使用矩形模板从边界上确定USAN区域(核值相似区)可能的范围,再检测角点的改进思路。试验证明改进后算法提取的角点位置更为准确,有效剔除了原算法检测结果中的冗余角点,提高了影像匹配速度。     

利用改进的SUSAN算法提取航空影像中孤立的特征点

本文针对地形起伏较大、无明显建筑物的航空影像,分析了SUSAN算法角点检测理论,提出一种提取孤立特征点的方法.该方法先对图像进行梯度幅值运算,然后对梯度幅值进行Otsu法阈值分割,设计模板并对孤立特征点进行套合,最后利用SUSAN算法计算原始影像的角点初始响应,经过非极大值抑制提取孤立特征点.经实骑证明,与传统的Har...     

改进SIFT 算法的小型无人机航拍图像自动配准

针对小型无人机航拍图像视点离散、视角变化有一定运动规律的特点,首先对航拍图像进行数据预处理,结合 Harris特征点和 SIFT 特征向量的优势,提取 Harris特征点、计算特征点的特征半径和 SIFT 特征向量,并利用PCA 降低特征向量的维数;然后采用最邻近(NN)方法进行特征匹配,利用BBF算法搜索特征的最邻近以提高匹配速度;最后采用 PROSAC算法提纯特征点匹配对并精确计算运动模型参数,实现了图像的自动配准.实验证明,该图像配准方法在准确性、效率方面较经典的 SIFT 算法有较大的提高.     

利用6元组松弛法自动配准LiDAR数据与航空影像

提出了利用6元组松弛匹配方法实现LiDAR数据与航空影像自动配准的方法。根据建筑物的一般建造原则定义其角点,利用同一水平面的任意3个角点组成的三角形投影前后相似的特点,采用基于6元组的松弛法匹配同名角点,最后利用投影变形规律优化匹配结果。实验证明,该方法无需航空影像内外方位元素,与尺度差异、旋转角无关,基本实现了LiDAR数据与航空影像自动、精确配准。     

基于六元组和面积比的图像自动配准

基于面积比这一仿射不变量提出了一种粗匹配算法,它利用特征点六元组和面积比进行特征匹配。首先用特征点集构建不规则三角网(TIN)和特征点六元组,根据六元组内相邻三角形之间的面积比以及仿射变换方程组来搜索同名六元组,再建立两个点集之间的多项式变换关系,从而实现两个点集之间的粗匹配,然后用松弛匹配法进行两个点集间的精匹配,最后用同名特征点对图像进行小面元校正。实验表明,此算法不需任何人工干预和辅助信息,能自动配准不同类型的图像。     

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。     

基于直线特征匹配的序列图像自动配准

提出了一种运用相应直线段特征作为控制基础的序列图像自动配准方法。根据相应直线段“共线”原理建立了图像配准模型,该模型的优点是不必精确定位相应直线段的端点,突破了相应特征必须严格“同名”的限制。同时,根据图像配准对控制直线段的要求,分别设计了序列图像中直线段特征的自动提取和自动匹配算法,从而实现了概略对准条件下的序列图像的全自动配准。     

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。