应用于无人机视频影像密集匹配的特征描述方法

为了降低无人机视频影像密集匹配的消耗时间, 提高处理效率, 提出快速的特征描述和特征匹配方法。该方法首先利用Harris算子检测角点, 然后通过特征描述符simplified-DASIY(S-DASIY)对检测角点进行特征描述, 生成该点的25维特征描述符。根据相应的匹配准则对影像对特征点进行匹配, 得到影像对的匹配点。实验表明, 该方法能够显著减少特征点的生成和匹配时间。     

基于ICA算法和尺度优化的无人机影像树冠提取方法

针对高分辨率遥感影像进行树冠提取时所遇到的由各类地物之间的相关性和复杂性带来的地物提取难点,将独立分量分析算法和尺度优化法结合进行树冠提取研究.首先,通过独立分量分析算法优化高分辨率遥感影像,去除地物波谱信息之间的相关性,并将ICA变换得到的特征值作为波段加权的权重;再通过改进的最优尺度计算模型选择最优的分割尺度;最后通过对树冠提取的平均精度评价该改进的计算模型.将本研究方法与单纯尺度优化法实验对比分析,结果表明:本文方法有利于降低"同谱异物"和"同物异谱"以及树冠连冠现象,提高树冠信息提取的精度,并可有效避免人为确定分割尺度的主观性和低效性.     

一种基于ORB算法的无人机影像匹配

针对无人机影像局部区域特征点探测难度大,导致无人机影像匹配效果不佳等问题,通过引入BEBLID算法构建高效的二值描述符,提升了影像匹配率。该算法首先采用ORB算法检测特征点,其次采用FLANN快速搜索筛选特征点,最后利用BEBLID描述符以及采用RANSAC算法剔除误匹配,从而实现了无人机影像的高精度匹配。试验结果表明:在保证有足够特征点对的前提下,将ORB+BEBLID算法应用于两组无人机影像匹配中,影像匹配率分别为81.97%和89.72%,相比ORB算法分别提高13.60%和9.90%。验证了ORB+BEBLID算法在无人机影像匹配中的有效性,获得的正确特征匹配点对冗余度低、全局性优。     

基于ASTER立体像对提取广州地区数字高程模型

ASTER(高级星载热辐射反射辐射计)的第三波段具有15m分辨率的朝向星下点和朝向后方传感器,其同轨拍摄立体像对的能力及基高比值(B/H=0.6)大,有利于生成DEM(数字高程模型).采用区域匹配方法自动提取30m绝对与相对DEM并就其精度检验的方法进行探讨;采用LIB级别的广州地区ASTER影像进行试验,进而校验评估其生产精度,其绝对精度为33.69m,与ASTER DEM科学团队所公布的±7m～±50m相符;最后,提出影响所生成DEM精度的因素和提高生成DEM精度的方法,可对后期数据深挖掘和空间分析提供参考.     

一种基于图像特征块匹配的电子稳像算法

提出一种基于特征模块匹配的图像稳定算法。该算法自适应地搜索图像特征模块进行后续稳像操作。在稳像过程中,提出一种图像特征匹配的快速算法,匹配得到局部运动矢量,然后对匹配结果进行一致性检验,最后采用可变窗口宽度的均值滤波法对图像序列运动轨迹滤波。试验表明,该算法有效地稳定了图像序列,并且满足实时性要求。     

一种基于无人机影像的高精地图车道线检测与提取方法

高精度地图是实现自动驾驶技术必不可少的基础设施,车道线是高精度地图车道级路网的重要组成部分。以往高精度地图的车道线检测多基于车载摄像头数据,存在成像范围有限、需要透视变换和多次拼接造成的效率问题。基于无人机航拍影像,采用U-Net网络识别道路区域,过滤非道路区域噪声,通过HSL颜色变换和Sobel算子分别计算车道线颜色和边缘梯度特征,使用Otsu算法自动确定特征分割阈值获得二值化车道线特征图,通过局部最大值算法确定滑动窗口的初始位置,最后借助滑动窗口算法和多项式检测拟合车道线。实验结果表明,在保证一定检测精度的前提下,单条车道线检测长度超过了百米,道路检测效率达到25.2 m/s,对比于地面影像的检测算法具有明显的效率优势。     

基于无人机激光雷达技术的开采沉陷监测方法与参数反演

矿区开采沉陷监测与预测对于煤炭安全生产来说至关重要,目前煤矿地表沉陷监测的主流手段均有一定的局限性,存在精度与效率不能兼得的问题。利用无人机激光雷达(unmanned aerial vehicle lidar, UAV LiDAR)技术可以实现矿区地表三维点云的快速获取,建立多期数字高程模型(digital elevation model, DEM),两期DEM相减即可得到沉陷盆地,具有高效高精的特点。对无人机激光雷达地表沉陷监测的原理流程和概率积分预计参数动态反演方法进行了分析讨论,以内蒙古唐家会煤矿为例,设计了无人机激光雷达飞行方案,采集了两期激光点云数据,并对实测数据进行了组合解算、融合、滤波,建立两期DEM,求取了观测时间段内的地表下沉盆地,并进行了全盆地动态反演,得到测区概率积分预计参数。结果表明：DEM精度分别为34 mm和37 mm;下沉盆地精度为50 mm,结果对于煤矿开采沉陷监测与预测来说是相对可靠的,为无人机激光雷达应用于地表监测提供了案例。     

高分辨率影像道路提取的整体矩形匹配方法

提出了一种整体矩形匹配方法,对高分辨率遥感影像中的城市直线道路进行提取.方法基于影像特征、道路知识和数学形态学的击中击不中思想,通过改变影像分割阈值、矩形宽度和矩形方向,从矩形的内部和外部进行整体匹配,使得矩形满足最佳匹配原则,从而提取出道路.利用提出的方法对高分辨率卫星影像进行了实验.结果表明:该方法能较好地消除树木、汽车等对道路提取的影响,有效地提取出直线道路的边缘.     

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.     

影像重叠率和地面分辨率对基于无人机影像的树高估测精度的影响

植被冠层高度是一个重要的生态度量指标;无人机遥感技术为森林和城市景观中的树高快速估测提供了更经济、高效的途径,但目前基于无人机影像的采集条件对精确获取森林结构参数的影响还存在许多不确定的因素。本文以福州大学旗山校区为研究区,采集不同地面分辨率/航向/旁向重叠率无人机影像（5cm/90%/80%、10cm/90%/80%、5cm/65%/60%）,并实测了树高及冠幅。在软件中对无人机影像进行处理,生成研究区正射影像和三维点云;然后评价生成的地面数字高程模型的精度以及基于点云的局部最大值法提取树高;最后比较不同影像重叠率及地面分辨率下的树高估测精度。实验结果表明：较小的地面分辨率及较大的重叠率下的采集参数不仅生成的点云密度较高,重建更为完整,单木检测的F测度及树高估测精度更高,尤其是对于高度和冠幅较小的梧桐,而且当林下无灌木丛时有助于减小DEM误差。     

一种基于特征点的图像匹配算法

本文提出一种图像特征点匹配算法，并在该算法的基础上形成构建全景图的图像拼接算法．此算法采用Harris角检测算子进行特征点提取，并为其分配特征描述符．在进行相邻图片的特征比对时，提出一种基于小波系数的特征索引算法，提高搜索效率．运用稳健的RANSAC算法将伪匹配点集合划分成为内点与外点，在内点域中精确计算图像之间的变换关系．算法的重要特点为：基于小波系数的特征索引，可以使不同图像之间匹配特征点的搜索效率显著提高．实验结果表明：该算法得到的匹配点精确，受图像的形变、噪声影响较小；图像拼接处理的效果较好，具有较高的实用价值．     

一种基于特征匹配的全景图自动拼接方法

提出了一种基于特征匹配的拼接算法,通过对应特征点来查找2幅图像的匹配位置.该算法不需要手工指定特征点,可自动对一组图像进行无缝拼接.实验结果验证了算法的有效性.     

基于特征的景像匹配置信度融合计算

定义了三个特征量,通过大量景像匹配试验,研究了景像匹配置信度与三个特征量之间的统计关系模型;根据建立的模型,利用改进的Dempster-Shafer组合规则对景像匹配置信度进行融合计算．试验结果表明该方法正确,有效解决了景像匹配置信度的定量计算问题．     

无人机高分辨率数据与Landsat 8多光谱数据的图像融合研究分析

运用不同融合方法对无人机高分辨率数据与Landsat8多光谱数据进行融合,并对融合结果进行分析,结果表明:HSV变换、Brovey变换和PC变换融合效果优于其他融合方法,其中HSV变换突出了图像的纹理信息,Brovey变换使图像目视效果较好,光谱保真度高。其他融合方法如GS变换增加了人工用地的信息量,但降低了图像整体清晰程度;CN变换光谱扭曲较大,存在光谱信息损失。     

基于Harris特征点检测法的雷达图像与电子海图的数据融合

为解决雷达图像和电子海图显示与信息系统(ECDIS)单纯图像叠加中的问题,在分析基于图像特征的自动图像配准算法基础上,提出基于Harris特征点检测法的图像配准技术,同时对强度、色调和饱和度(HIS)颜色模型在图像融合中的应用进行了探讨,给出基于特征的小波变换融合方法.对图像融合效果的仿真结果表明,该方法获得的融合图像优于传统方法.     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

基于HSV色彩空间和Otsu算法的无人机影像植被覆盖度自动提取

随着无人机遥感技术的不断发展和普及,其在生态学等领域中的应用已成为当前研究热点。植被覆盖度信息提取是无人机遥感的重要应用领域之一,然而目前无人机影像的植被覆盖度提取存在阈值难以选取、耗费时间过长等问题。为提高植被覆盖度提取的精度和速度,本文提出一种基于HSV色彩空间与Otsu算法的图像分割方法。该方法将无人机影像进行色彩空间变换,在HSV色彩空间中提取H分量并结合Otsu阈值分割方法,全程快速自动地完成植被覆盖度提取。实验结果表明,Otsu算法能显著缩短植被覆盖度提取时间,且提取精度较高,并且在结合HSV色彩空间时,准确度更高,对比传统植被覆盖度阈值提取有较为明显的优势,提高了植被覆盖度提取的时效性。     

基于特征点组合聚类的图像检索新方法

由于特征点能对图像局部特征进行合理描述,有效使用特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题.针对该问题,提出一种基于特征点组合聚类的图像检索新方法.该方法包括特征点组合聚类算法,以及基于该算法的局部颜色直方图构建策略.与现有的基于特征点和局部颜色直方图的检索方法相比,该方法能有效解决当前方法对特征点位置信息及特征点中心过度依赖的问题.从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度.