基于特征的影像匹配算法性能评估

目前,针对影像特征匹配的算法有很多,但是对于不同地物特征的影像,无法准确地选取可适用的匹配算法。针对此问题,本文选取了四种稳健的算法SIFT、SURF、ORB、AKAZE,在四种不同地物特征的相似影像上进行特征点检测,之后结合不同的描述子进行影像特征匹配,并对所检测的特征点的重复率及其描述子进行适应性实验,以此来判断不同算法对不同地物特征的影像适应范围。实验数据表明:针对特征点适应性实验,AKAZE算法在各类影像上所提取的特征点相对比较稳定;针对特征点匹配实验,在影像不涉及旋转变化时,AKAZE与SIFT描述子结合进行特征点匹配,影像的匹配率显著提高;若要实现影像的旋转不变性,此时可选用SURF-SIFT、AKAZE。     

不规则量化SIFT的遥感影像匹配

SIFT算法描述子均匀量化局部区域的位置和梯度角,难以有效解决描述子局部几何失真的问题。该文改进SIFT描述子的汇聚策略,将描述区域不规则分割(位置量化)与梯度角方向柱递减(方向量化)相结合,提高特征描述子抵抗局部几何失真的能力。将本文算法与原SIFT描述子进行比较,使用不同条件的遥感影像对测试,从匹配点对数量、时间耗损和稳定性等方面进行对比试验,验证了不规则量化描述子有较强的独特性和鲁棒性。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。     

改进SIFT的倾斜无人机影像匹配方法

针对倾斜无人机影像间存在较大的视角、几何形变导致的难以高效获得可靠同名点问题,提出改进SIFT的倾斜无人机影像匹配方法.算法分为3个阶段:①利用POS数据及公开的SRTM辅助数据对影像进行近似正射纠正消除影像几何形变;②对重叠区域的影像进行均匀分块,根据影像块的信息熵来合理分配各影像块的特征点数,利用Harris算子提取均匀分布的特征点,采用SIFT描述子计算特征向量;③利用多层次约束的匹配策略,在保证匹配正确率的前提下尽可能提高计算效率.通过多组实验分析,结果表明该算法获得的匹配点对在数量和分布情况上也更为理想.     

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。     

基于视觉显著点特征的遥感影像检索方法

本文提出一种基于视觉显著点特征的遥感影像检索方法,首先采用SIFT算法提取遥感影像中的关键点及其特征,同时利用GBVS模型计算影像的显著图以分离影像显著区和背景,然后提取显著区内的关键点以构建视觉显著点特征,最后用其计算影像间的相似度并返回相似影像。实验表明,与传统检索算法相比,本文提出的算法能够有效提高影像查准率。     

一种改进的SIFT描述子及其性能分析

为了解决传统SIFT描述子在图像存在多个相似区域时易造成误匹配的问题,提出了一种改进的SIFT描述子及其生成方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成关键特征点,然后计算每个关键点周围图像区域的旋转不变纹理特征作为该关键点的描述,并将其融合到局部特性SIFT描述向量中,形成旋转不变纹理化SIFT描述子,并采用了两种不同的匹配策略应用于图像匹配,实验结果表明,本方法更加全面地描述了图像信息,有效提高了SIFT算法匹配准率,改善了匹配效果,实现了对SIFT算法的改良。     

联合对数极坐标描述与位置尺度特征的无人机影像匹配算法

针对无人机（unmanned aerial vehicle, UAV）影像提取的同名点数量较少,从而影响影像间位姿信息的计算,导致影像拼接错位、平差解算不严密甚至失败等问题,提出了一种联合对数极坐标描述与位置尺度特征的匹配算法。首先,建立高斯多尺度影像集合进行特征点提取;其次,采用对数极坐标进行描述子构建,建立适合UAV影像特征的描述子;然后,通过位置和尺度约束的距离匹配函数进行特征匹配;最后,通过模式搜索和快速样本共识方法剔除粗差后完成同名点提取。将四旋翼UAV获取的影像作为实验数据,与SIFT(scale invariant feature transform)算法和SAR-SIFT（synthetic aperture radar-SIFT）算法进行了影像匹配的对比实验。结果表明,所提算法可以较好地提取UAV影像的同名点对。     

以卫星影像为底图的无人机图像自动拼接方法

针对无人机影像受成像角度倾斜、光照不均匀等影响,导致常规匹配方法拼接效果较差的问题,该文提出一种基于现有卫星影像的由粗到精无人机图像自动拼接方法。首先,在对图像进行粗匹配阶段,提出了一种基于环状描述子的尺度不变特征变换,用于解决图像间旋转和尺度的差异,较好地克服了SIFT算法描述子维度较高且计算量大的不足。其次,引入分块互信息进行精匹配,减少拼接过程中的累计误差。最后,采用该文提出算法对无人机图像进行拼接,实验结果表明,该文提出的无人机图像拼接算法在满足实时性要求的同时可以达到较高精度。