基于SURF算法和极线约束的无人机影像匹配研究

针对无人机影像受光照、拍摄角度及区域环境等因素的影响造成匹配效果不佳,局部区域匹配困难的问题,本文基于SURF算法,通过引入极线约束来提高特征匹配效果。该匹配算法首先利用SURF算法检测影像特征点,用RANSAC(Random Sampling Consensus)方法计算出基础矩阵,通过基础矩阵计算出所有特征点的极线,最后用极线过滤掉错误匹配。实验结果表明:与传统SURF算法的单一约束条件的无人机影像匹配相比,极线约束条件下的无人机影像匹配在误匹配减少的前提下能获得更多准确的特征匹配集。     

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。     

利用单应变换与对极约束的基础矩阵估计算法

为了提高不同图像之间的基础矩阵估计的精度与效率,提出了一种结合单应变换和对极几何约束的基础矩阵估计算法.在不同图像上提取特征点并建立匹配关系,过滤其中明显的误匹配点,并计算单应变换矩阵,由于单应变换的内点和外点在图像之间的对应关系均符合对极几何约束,通过将单应变换矩阵与外点结合,进一步计算出基础矩阵.为了验证算法的有效...     

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.     

基于倾斜校正和视差估计的遥感影像稠密匹配方法

针对遥感影像稠密匹配效率较低、匹配精度和密度不够高的缺陷,提出了一种基于倾斜校正和视差估计的遥感影像稠密匹配方法。首先基于稀疏同名点、通过倾斜校正生成核线影像;利用稀疏同名点构造三角网,以三角形为插值单元,预测核线影像对中各像素的初始视差;在初始视差的邻域内沿核线一维搜索最佳匹配点,搜索时增量计算匹配窗口的灰度均值,且将搜索步长设为2,以提高搜索效率。实验结果表明,本文方法可以达到逐像素的匹配密度,且匹配的正确率和精度很高;基于稠密点重建的真实感三维场景证明了本文方法的有效性和实用性。     

基于解剖结构模型和外极线约束的冠脉血管段匹配算法

采用基于解剖结构模型和外极线约束相结合的血管段匹配算法对两幅不同角度的血管骨架图进行匹配. 利用解剖结构模型匹配大部分血管骨架点,形成特征点对,利用这些特征点对计算两幅图像间的几何变换矩阵. 利用外极线约束法匹配剩余血管骨架点,通过互相关算法对匹配点对进一步优化. 该综合算法可以弥补单一算法的不足并结合基于边缘检测的血管宽度提取方法获取血管的宽度信息,为医生的确诊提供参考依据.     

一种基于相位基元的立体匹配方法

基于人类的视觉机理和小波变换的特性，提出了一种基于小波变换相位基元的多通道立体匹配算法．该算法利用Ｈａｒｄｙ小波基函数将原始像对表示成一系列具有良好空－频域定位性的带通分量，以多通道带通分量的相位信息作为匹配基元．从而将视差估计转化为相位估计问题．研究结果表明，该算法结构简单，稳定可靠，能快速有效地产生密集的视差场．     

一种基于基本矩阵估计的立体视觉中滤除误匹配的方法

根据基本矩阵建立两幅图像间的极线约束关系,能有效减少误匹配.噪声干扰和对应点中的误匹配使得基本矩阵的解精度降低.介绍了极线几何和基本矩阵理论,在最小中值平方法的基础上,提出一种基于匹配点对之间协因数的RANSAC(random sampling consensus)算法估计基本矩阵,有效解决了因误匹配导致的基本矩阵估计结果恶化问题.实验结果表明,所提出算法能有效滤除误匹配,具有良好的鲁棒性.     

改进的SURF算法在彩色车载影像匹配中的应用

在分析了具有尺度不变特征的鲁棒特征加速算法(SURF算法)的基础上,提出了一种基于高斯颜色模型的增维彩色SURF算法.该算法将RGB颜色模型转换到高斯颜色模型,使用SURF算法(增加了48维颜色特征描述向量)进行匹配,再使用核线约束剔除误匹配.结果表明:尽管相对于原有的SURF算法略微增加了计算量,但是在匹配点对数、匹配正确率、匹配点分布均匀性上都具有明显的优势.     

基于单应性矩阵剔除SURF错误匹配点的研究

根据图像特征点匹配一一对应的特点,提出一种利用单应性矩阵剔除错误错误匹配点的方法。该方法首先利用SURF进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对。通过实验证明,该算法具有很高的正确匹配率。该文提出了一种剔除错误SURF匹配点的方法,首先根据三角形的相似性选取正确基准点,由基准点估计基准单应性矩阵,根据单应矩阵投影后的对应点之间的欧氏距离是否满足阈值来剔除错误匹配点。     

基于快速立体匹配的基本矩阵估计方法

借鉴Harris角点检测时角点自身的特点,提出了基于角特征与灰度相关并参考视差梯度约束的角点匹配方法,利用角特征值比值的约束条件,减少了大量的候选匹配点,提高了立体匹配的速度,实现了快速、准确的立体图像对的角点匹配.在此基础上,进一步采用Hartley提出的改进八点算法,获得了高精度的基本矩阵.实验结果表明该方法具有较高的准确性和实时性,是一种快速有效的立体匹配基本矩阵估计方法.     

基于Shearlet变换的单波段遥感图像拼接技术研究

为了实现遥感图像的拼接,利用加速鲁棒性特征(speeded up robust features,SURF)算法来提取特征点进行粗匹配,并采用RANSAC算法减少特征点的误匹配,再估计出图像间的投影矩阵,特别是在进行图像融合过程中,提出采用能够充分地反应图像细节信息的Shearlet算法,并利用客观评价准则和基于小波变换得到的融合图像进行比较。实验证明,提出的算法充分利用了单波段遥感图像的全局信息,得到的拼接图像细节信息更加丰富,能够准确地实现遥感图像的拼接。     

利用赫尔默特方差分量估计法定权的相对定向方法

为了解决相对定向过程中匹配得到定向点的合理定权问题,提高解算的精度和可靠性,提出了结合赫尔默特方差分量估计和选权迭代粗差剔除的相对定向方法.在格鲁伯区域,通过SURF(快速鲁棒)特征匹配和RANSAC(随机抽取一致性)算法剔除误匹配,提取大量亚像素级精度的相对定向点,利用赫尔默特方差分量估计法估算6个格鲁伯区域对应6组观测值的单位权中误差,并给其定权,然后使用选权迭代法进行粗差剔除,最终得到相对方位元素.利用相对方位元素校正后,航空影像和无人机影像上下视差最大值分别由传统方法的1.045像素和2.093像素减小到0.376像素和0.766像素;利用半全局匹配方法生成的视差图,明显优于传统方法生成的视差图.     

基于改进SIFT算法的无人机影像匹配

针对SIFT算法特征描述符计算复杂、时间效率较低的问题,提出了一种改进的SIFT算法,并将其应用于无人机倾斜影像匹配.算法首先利用SIFT算法进行特征点检测,基于BRISK描述符对提取的特征点进行描述生成其特征描述符,并基于Hamming距离作为特征匹配的相似性测度,在此基础上,利用比值提纯法(NNDR)进行粗匹配,最后采用RANSAC算法并结合均方根误差(RMSE)进行约束,对粗匹配结果进行筛选,剔除错误匹配点对,得到精确匹配结果.为了验证该算法的有效性,利用4组无人机影像数据进行实验并与SIFT算法和SURF算法进行比较,结果表明:算法在保证较高准确率的同时能够得到亚像素级的精度,且能够有效地提升时间效率,具有较好的稳定性.     

具有几何约束的SURF算法图像拼接

利用SURF算法提取出两幅待拼接图像重合部分的特征点,然后根据特征点对两幅图像进行拼接.但两幅图像的重合部分匹配的特征点对所在直线的斜率、及特征点对之间的距离相等或近似相等.所以利用上述关系提出具有几何约束的SURF图像拼接算法,以消除误匹配点,为后续的RASAC算法提高效率,且提高算法的拼接正确率.最后对拼接的图像使...     

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题, 提出一种基于感知Hash和极线约束的改进AKAZE（accelerated-KAZE）算法. 该算法将特征点匹配分为粗匹配和精匹配两个阶段, 粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选； 精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对. 仿真实验结果表明, 与进行随机抽样一致算法剔除误匹配点对后的原算法相比, 特征点匹配准确率仍平均提高12.9%, 速度仅慢2.4%, 可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.     

结合Retinex增强的井下图像拼接方法

为在矿井环境下尽量多的提取图像特征点数量,从而监控矿井下生产情况.采用局部双边滤波算法对图像进行增强,再利用近似的Hessian矩阵和框状滤波确定特征点的位置;计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,使用RANSAC算法消除误匹配错误;利用特征点计算出变换矩阵,采用线性渐变融合方法进行图像融合.研究结果表明:图像增强后特征点数量明显增多,SURF算法的拼接效率显著上升,有利于提高匹配的准确性和拼接的快速性.     

基于改进SIFT和SURF算法的沙丘图像配准

单个沙丘的图像配准受到沙丘图像颜色相近、纹理相似和轮廓模糊等问题困扰,常用的特征提取和特征点配准方法易产生较多的错误匹配点.为了实现有效的单个沙丘跟踪,该文提出了适用于沙丘图像的基于相似三角形原理的尺度不变特征变换(SIFT)和快速鲁棒特征(SURF)的特征点筛选算法.该算法利用暴力匹配法匹配SIFT与SURF特征点,...     

一种改进的SURF快速匹配算法

经典的SURF(speeded up robust features)算法在匹配的过程中,对一幅图像上每一个选定的特征点都要与另一幅图像上所有的特征点一一进行匹配,耗时较高,并且由于误匹配导致匹配的准确率下降.基于此,结合特征点的分类思想对SURF算法进行改进.根据特征点邻域内像素之间的差值形成一个4维的特征向量,与SURF的特征描述子相结合形成68维的特征向量,以达到提高匹配速度和准确率的目的.在哥伦比亚大学Coil-100图像库中对改进SURF算法进行试验.结果表明,相对于经典SURF算法,改进SURF算法在速度上有很大的提高.     

基于控制点约束及区域相关的立体匹配算法

立体匹配是计算机视觉的关键问题.为了得到准确匹配的稠密视差图,通过对基于特征和基于区域立体匹配算法的讨论,结合这两种算法的优点,提出一种新的基于控制点及区域相关的立体匹配算法.该方法首先在利用Harris角点检测算法检测出角点的基础上,对角点进行立体匹配得到精确的匹配点对即控制点,然后在控制点的约束下对非角点像素进行基于区域相关的立体匹配,得到整体稠密的视差图.这样既缩小了匹配搜索空间,又保证了匹配的可靠性.