特征提取和特征匹配改进方法的研究

在分析了几种常用的特征提取和图像匹配算法的基础上,针对影像上纹理特征稀少、影像对比度不明显的问题,提出先用高斯差分方法突出图像特征,再用Harris特征点提取算法进行特征提取的方法;针对如同建筑物等相似特征较多的情况,利用双向特征匹配、经过斜率约束得到的结果计算视差,再进行图像匹配,可以将特征匹配限制在相关的小范围内,由此得到的同名点对比较可靠,并且提高了效率。实验证明该算法适合特征稀少不明显区域、建筑物等相似特征较多的图像匹配,具有一定的实际意义。     

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。     

资源三号卫星影像的全局匹配

影像匹配作为图像处理领域的重要技术之一,是当前摄影测量与计算机视觉领域的重要课题,它被广泛用于矿产研究、雷达跟踪监测、无人机导航探测等领域。由于现有收集到的资源三号影像为三线阵影像,视觉上为全黑影像,因此,本文首先对影像进行增强处理;其次利用基于高斯差分改进的Harris对得到的影像进行特征点提取;最后基于置信传播全局匹配算法进行影像的匹配。     

应用二阶Harris算子的高铁轨道近景影像特征点提取

由于轨道影像具有较高的灰度相似性,传统一阶Harris算法提取轨道影像特征存在时间效率低、特征点聚簇等负面问题,文章针对已有Harris方法的不足,提出了一种基于图像分块自适应阈值的二阶导数Harris特征点检测算法,采用自相关矩阵兴趣值识别轨道图像特征点,并分别对有砟与无砟铁路轨道影像开展特征点提取。实验结果表明,二阶Harris算子在轨道近景影像特征点提取方面具有较高的计算效率,所提取出轨道影像特征点满足均匀分布的空间特征,有效避免了传统方法特征点的聚簇现象。     

基于SIFT的特征均匀提取改进研究

针对现在基于图像的三维重建面临的图像数据尺度不一和影像分辨率增高特征点增加两个问题,本文提出了基于SIFT的尺度均衡和均匀限制特征点数量的改进策略,通过采用给定特征点数量的方法来控制影像提取特征点的数量.同时根据高斯尺度增大与提取特征点数量成反比的特性,通过构建尺度与特征点数量的比例系数和给定特征点数量就可以获得影像的不同高斯尺度上提取的特征点数量.通过对影像进行格网划分,将提取特征点数量分配到每个格网.通过控制格网提取特征点数量的控制,可以在控制特征点提取数量的同时,获得更为均匀的特征点分布.实验证明,本文改进算法与SIFT算法相比,尺度分布更加均匀,空间分布的比例系数有30％左右的提升,提取特征点匹配的正确率有5％的提升,因此,本文改进算法在基于图像的三维重建中有一定程度的应用价值.     

不同分辨率遥感影像获取均匀分布匹配点的匹配方法研究

基于SIFT算法提出一种适合于不同分辨率遥感影像并能获取均匀分布匹配结果的匹配方法,该方法首先将匹配区域进行分块,然后针对每个分块区域提取SIFT影像特征,在提取过程中,通过不同层级高斯影像塔和高斯差分影像的分级实现匹配点数量的控制,从而获取均匀分布的匹配点对。     

基于改进的MF-FDOG算法和无人机影像提取黄土地区地裂缝

为解决惯用数字影像处理方法无法有效地提取我国黄土高原地区广泛存在的山体裂缝的问题,本文提出一种改进的一阶高斯差分匹配滤波(MF-FDOG)算法,以兰新高铁位于青海省海东市张家庄隧道附近的窑街矿区的地裂缝为对象开展了基于无人机影像的地裂缝提取研究。改进的MF-FDOG算法的基本策略包括:构造满足地裂缝垂直剖面曲线分布的模板和一阶高斯差分模板,并分别对无人机影像进行卷积运算,达到增强地裂缝信号的目的;对卷积运算获得的两幅影像采用线性拉伸的方式规范值的范围并做差值运算,弥补敏感度校正参数普适性不强的缺陷;再以灰度值的倒数作为权值因子,增强地裂缝响应值与背景之间的对比度;最后根据差值影像的统计直方图选择阈值提取地裂缝。研究结果表明,在监测场景具有地物分布复杂、影像纹理信息丰富和地物边缘模糊等困难特征时,改进的MF-FDOG算法仍然具有优良的地裂缝探测能力,利用该算法和无人机影像能准确地提取黄土区域的微小地裂缝信息。本文提出的地裂缝探测方法可为我国黄土地区地质灾害(如山体滑坡)监测与防治提供有效的技术支撑。     

基于GLCM的侧扫声纳影像纹理数据库设计

根据侧扫声纳影像的特征,提出了基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析的声纳影像纹理提取方法,对不同的纹理特征参数进行量化分析,生成侧扫声纳纹理图像,并建立侧扫声纳图像纹理数据库,实验结果验证了该算法的有效性和可行性。     

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。     

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。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。     

基于SLICO的无人机影像建筑物对象提取

提出一种基于超像素分割算法与随机森林算法的无人机影像建筑物提取,利用INPHO软件生成正射影像和点云数据,并用点云数据进行反距离插值运算和波段运算生成归一化数字模型(nDSM)影像。将正射影像与nDSM影像进行波段合成并仅对正射影像采用基于SLICO算法分割生成超像素,选择相应的特征利用随机森林分类器进行分类,从而得到建筑物的提取结果。研究结果表明密集的影像匹配点云生成的nDSM影像进行建筑物提取时,可有效地对农村区域和城市区域的建筑物进行提取,同时避免了面向对象方法中最佳分割尺度难以选择的问题,取得了较好的建筑物提取效果,降低了建筑物提取的成本。     

基于Harris角点和SIFT特征的近景影像匹配

针对近景影像匹配过程中误匹配率较大的情况,本文提出了一种基于Harris和SIFT特征的近景影像匹配方法。该方法首先提取Harris角点和SIFT特征,运用灰度相关系数和BBF-KD树方法将Harris角点和SIFT特征完成双向一致性匹配;然后,利用基于RANSAC方法和P-H算法的相对定向得到内点集A与B,将内点集A、B合并生成Delaunay同名三角网;最后,在同名三角形约束下通过缩小Harris特征点阈值T得到新内点集,实时插入同名三角网中,直到生成足够数量的内点。实验所得内点数分别与合并加密匹配前以及其他方法相比都有显著增多,结果表明对于视角、尺度、旋转、光照及噪音等条件发生变化的不同影像,本文提出的近景影像匹配方法能提高匹配率及匹配可靠性。     

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...     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。     

基于非线性尺度空间的多源遥感影像匹配

针对遥感影像匹配中经典SIFT算法提取特征点时,高斯分解易造成边缘模糊和纹理细节信息丢失,从而使得边缘匹配稳定性差和误匹配点多的问题,文章引入最新的基于非线性尺度空间的KAZE算法并提出了限以空间约束的方法进行多源遥感影像匹配:通过特征点优选并进行特征匹配来计算几何变换模型,并对匹配点的搜索空间进行约束来提高匹配速度和精度,最后通过均方根误差迭代剔除误配点。实验结果表明KAZE算法提取特征点比SIFT稳定性高,易于后期误配点剔除;限以空间约束的匹配策略优于传统匹配策略;对于细节及纹理模糊的影像,KAZE算法相比SIFT算法有独特的优势。     

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。     

基于变差函数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要。基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段。     

基于变差雨数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要.基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法.文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段.     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。