基于SIFT的UAV载组合宽角相机影像匹配方法

针对无人驾驶飞机UAV(Unmanned Aerial Vehicle)航空组合相机获取的大像幅影像旋偏角较大、 大尺度变化和颜色差异明显的问题, 提出基于极几何和单应约束的SIFT(Scale Invariant Feature Transform)特征多尺度LSM(Least Squares Matching)算法。该算法顶层金字塔影像采用SIFT快速匹配, 对匹配结果利用改进的RANSAC(Random Sample Consensus)算法计算影像间单应矩阵和基本矩阵; 对影像进行Harris特征提取, 根据极几何和单应约束采用双向一致性相关系数算法进行密集匹配; 通过更新单应矩阵, 设定阈值删除误匹配点; 对匹配的同名点进行最小二乘匹配获取子像素级精度。通过对具有较大旋偏角、 大尺度变化和颜色差异的3组实际航摄影像的试验对比表明, 与传统方法相比, 该算法具有较高的匹配成功率和较好的有效性。     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

一种多源遥感影像自动匹配通用方法

实现多时相、高分辨率遥感影像稳健的全自动匹配是遥感科学的重要课题。针对多源遥感影像间的自动匹配,寻找出一种通用的匹配算法流程,该流程通过提取尺度不变性Harris_Laplacian特征点,采用SURF匹配算法得到初始同名点,之后利用初始关系进行点位预测及模板匹配,并采用最小二乘原理剔除残差较大的匹配点对,实现影像间稳健及精度较高的自动匹配。实验结果表明,该流程能够实现多源遥感影像的高精度匹配,并无需人工参与,提高匹配效率和自动化程度。     

基于Delaunay三角网约束的倾斜影像匹配

针对倾斜影像存在尺度变化大、匹配困难的问题,提出一种基于Delaunay三角网约束的倾斜影像匹配方法.首先检测影像上的最大稳定极值区域(Maximally Stable Extremal Regions, MSER)作为初始匹配点,然后利用这些初始匹配点构建Delaunay三角网,并以同名三角形、核线、灰度等作为约束条件,迭代匹配左、右影像上三角网内的尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征点.试验表明:所提方法能获得可靠的匹配结果,匹配点分布均匀,具有较高的匹配正确率和匹配精度.     

基于改进SIFT算法的无人机遥感影像快速拼接

近几十年来,无人机遥感在地球观测领域发展十分迅速,然而,无人机影像快速拼接是阻碍其应用的难题.针对无人机遥感影像的特点与SIFT(scale invariant feature transform)拼接算法的缺点,该文提出了一种基于随机抽样一致性算法RANSAC(random sample consensus)和最小二乘匹配改进的SIFT影像拼接算法.首先采用随机采样法RANSAC进行粗略匹配数据的提纯,剔除伪特征点对,以减少特征点数量,降低时耗;然后再以最小二乘匹配进行更加精确的匹配,最终实现了无人机影像的自动拼接.实验结果表明：基于RANSAC和最小二乘匹配改进的SIFT拼接算法的平均正确匹配率为92.8%,拼接精度由1个像元提高到0.1个像元,同时拼接运算效率也得到了较大的提升.经改进的SIFT拼接算法在海量特征数据库中可以进行快速、准确的匹配、甚至可以达到实时的要求,具有更强的鲁棒性,可以满足低空遥感影像的相对定向高度自动化的需要,应用前景广阔.     

多尺度边缘信息的遥感影像快速匹配

本文应用一种由改进的拉普拉斯金字塔算法提取的多尺度边缘信息作为特征模板,从而可将影像的灰度信息的匹配转化成特征的匹配,利用特征模板与待匹配影像建立间接的相似性度量,以达到提高速度、抗几何失真及灰度变化的目的。同时该方法的多尺度特性,可以满足对于匹配精度和匹配速度的多种需求。实验证明,该方法在保证了互相关影像匹配的精度优势条件下,提高了影像匹配的速度,具有很好的鲁棒性和抗干扰能力。     

利用最小二乘匹配算法提取影像道路网

针对遥感影像道路网提取问题,提出了利用最小二乘匹配算法进行道路网智能化提取的思想,通过对影像进行预处理、种子点选取、最小二乘匹配、道路段筛选和连接来实现道路网的提取.利用多组影像进行验证的实验结果显示:该方法能够较好地对道路网进行识别,且具有较好的鲁棒性.     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

一种用于制作CBERS-02C卫星融合影像的配准方法

提出了一种用于制作资源一号02C卫星(CBERS-02C)融合影像的配准方法.首先对多光谱及全色影像进行几何精纠正,并采用SIFT算法对两种纠正影像的缩略图进行粗匹配;然后通过提取Harris特征点,并根据粗匹配的结果预测对应同名点的位置,使用基于灰度相关的匹配方法进行精匹配;待剔除匹配点粗差后,再采用基于三角网的面元纠正实现影像的精确配准.多组数据的试验验证了所提方法的可行性.该方法已成功应用于CBERS-02C卫星数据的自动化处理系统.     

基于灰度-梯度共生矩阵的视网膜血管分割方法

提出了一种新的、有效的视网膜血管分割方法．它包括二维匹配滤波预处理以增强血管的灰度，以及用灰度-梯度共生矩阵的最大熵阈值化方法．该方法同时利用了图像的灰度和梯度信息．在计算梯度时选用了三次B样条小波．实验结果表明，该方法能较好地提取视网膜血管网络．     

基于SURF和TPS的立体影像密集匹配方法

利用加速鲁棒特性(SURF)算法搜索影像的特征点,基于薄板样条(TPS)建立对应域之间连续和光滑形变变换,用于影像视差的估计,在此基础上提出一种新的立体影像密集匹配方法.首先,基于SURF算法进行特征匹配;然后,利用极线和TPS变换约束选择稳定可靠的同名点,计算影像之间的TPS变换矩阵,估计对应点的位置;最后,基于影像灰度进行密集匹配,并利用极线约束和TPS矩阵删除误匹配点.为保证视差估计的可靠性,利用种子点的外接凸边形对匹配区域进行限定.以人脸三维重建中的影像匹配为例,得到了稳定可靠且密集的同名点.     

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.     

一种优化的多源遥感影像高精度配准方法

探讨了一种优化的多源遥感影像的高精度配准算法.利用梯度算子结合Forstner算子快速提取特征点,同时采用基于熵的格网技术控制特征点的分布均匀度,在少量准确控制点的基础上以不变矩相似度量为匹配准则,采用整体松弛法匹配策略快速配准得到同名点,并利用二次多项式模型来剔除误配准点.结果表明,该方法配准速度快,得到的同名点精度高,分布均匀,可以满足遥感影像的融合与快速更新等后续处理的要求.     

带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿矩阵迭代解

针对带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿结构矩阵解问题,给出了一种共枙梯度迭代算法。首先提出了带子矩阵约束的二次逆特征值问题的最小二乘问题及其最佳逼近问题;然后分别给出了基于共轭梯度的迭代算法,证明了算法的收敛性。对于任意初始约束矩阵,在不存在舍入误差的情况下,用该迭代算法可以在有限步迭代中得到迭代解。最后,给出了一个数值实例,数值实例证明了所提算法的有效性。     

迭代函数系统在模板匹配应用中的方法与定理

迭代函数系统在自然景物的建模上所具有的优势,同样可以在模式识别中得到广泛应用。研究了基于ＩＦＳ的模板匹配方法,先根据模式提取ＩＦＳ代码,然后对该代码进行识别。在ＩＦＳ代码的提取过程中,仿射变换矩阵形式是一个主要工具,其理论根据是分形几何中的拼贴定理,从对搜索图中的子图三角形图案提取ＩＦＳ代码的整个过程来看,其ＩＦＳ代码作为模板匹配的特征来提取,具有计算量小,提取方法简单等特点,还给出了根据各迭代函     

LS-WTSVM的遥感多光谱影像云检测

研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines,简称LS-WTSVM)的遥感多光谱影像云检测.首先根据云在不同波段中大气的辐射特点,结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征,再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征,根据像元的光谱特性和纹理结构特征构造特征向量,最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测,实现不同类型云区的多分类识别.仿真实验结果表明,该算法能准确地检测出多光谱影像中的厚云和薄云.     

基于区域网平差的遥感影像色彩均衡算法

针对不同区域、不同时相的卫星遥感影像的整体匀光匀色这一问题,将区域网平差的方法引入遥感影像的色彩均衡处理中。对影像重叠区域划分均匀格网,利用方向梯度直方图(histogram of oriented gradient,HOG)算法提取各个格网特征,并根据其梯度距离和其灰度均值差值的3倍中误差进行同名格网的筛选,并将这些筛选后的同名格网平均灰度值作为待平差变量,基于二次多项式为平差模型求解各影像的色彩变换参数,得到的参数对每景影像做色彩校正,从而得到色彩均衡的影像序列。利用存在色彩差异的多时相Landsat5真彩色影像进行实验验证,从目视评价、处理前后影像质量定量分析以及平差精度等方面验证了基于区域网平差的遥感影像色彩均衡算法的可行性和有效性。     

基于核线影像的点特征提取与图像匹配方法比较研究

对遥感航空影像进行计算机自动化处理是目前遥感发展的主要方向,而特征提取与影像匹配是一切影像处理的前提。特征提取算子有很多,该文比较和评价了几种著名的特征提取算子:Moravec算子、Harris算子和Forstner算子。基于相关系数以及最小二乘方法,利用提取出的特征点将两幅核线影像进行匹配与校正,比较和评价了两种匹配方法,并对最小二乘匹配方法作出了一些改进。     

地貌测量中图像特征的匹配算法

针对地貌测量重构中的图像特征匹配问题,提出了一种新的图像特征匹配方法.通过对待匹配的资源和模板图像进行分区,并根据灰度相关值实现区域之间的匹配,在区域匹配的基础上再根据角点所属区域的对应关系进行角点特征匹配运算.在角点特征匹配过程中,利用去均值归一化相关法进行区域灰度相关运算,从而确定出初始匹配点对.为消除初始匹配角点对中的错误匹配点对,保证角点特征提取的准确性和可靠性,采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除.实验结果表明,该算法可有效提高地貌图像特征匹配的精度和效率.