一种基于改进的SIFT特征点算法的无人机影像快速匹配研究

由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该算法对无人机影像进行特征点的提取,并采用最小二乘算法进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。     

几何约束条件下的SIFT倾斜影像匹配

针对倾斜摄影包含多个视角的影像因而使不同视角之间的影像具有较大的仿射畸变的问题,提出了一种基于几何约束和SIFT的倾斜影像匹配算法。首先根据POS值对所有的倾斜影像进行畸变校正,然后利用SIFT GPU对所有影像进行匹配。对于整个测区的影像,首先根据POS值获取影像间的拓扑关系,其次是影像之间的两两匹配,最终完成特征点追踪,生成光束法平差所需的同名点对。试验结果表明,该算法在效率、精度及匹配点数量上都可以很好地满足后续的光束法平差。     

基于Voronoi图无人机影像快速拼接方法研究

为实现大序列城市高分辨率无人机影像的快速拼接,提出了基于Voronoi图的快速拼接技术。以平顶山80幅分辨率为0.1 m的无人机影像为例,先用直方图匹配进行影像间匀光,用反解法数字微分进行正射纠正,再以像主点为中心快速生成测区Voronoi图拼接线网络,最后基于拼接线网络快速拼接。实验结果表明,基于Voronoi图拼接线网络进行城市高分辨率无人机影像拼接,能有效避免中心投影造成的影像边缘较大的投影差,快速获得城市高分辨率正射影像全景图。     

基于拉普拉斯影像锐化的SIFT无人机影像匹配方法

受成像地区实际情况影响,目前无人机影像匹配精度有待提高。本文提出了一种基于拉普拉斯影像锐化的SIFT无人机影像匹配方法,该方法首先通过四邻域拉普拉斯滤波算子对基准与待匹配影像分别进行锐化,以增强影像细节特征;再通过SIFT算法对锐化后的两幅影像进行匹配。实验结果显示,本文方法具有一定的有效性和鲁棒性。     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。     

基于无人机倾斜影像的数字校园三维重建

为研究基于无人机倾斜影像的数字三维重建的优缺点,对传统的三维模型重建方法与基于无人机倾斜影像重建三维模型的方法进行了对比分析。实验结果表明:传统的建模方式耗时比较长,但是模型精细;而基于倾斜影像重建三维模型方式可以快速获取大场景模型,但是模型细节较差,仍需后续进行手工修复。因此,实际建模需要根据需要,将二者结合起来,取长补短,发挥各自优势。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

基于SIFT的无人机遥感影像匹配算法研究

无人机遥感影像存在像幅小、数量多、基线短、重叠度不规则且倾角过大等问题,传统的灰度匹配很难胜任无人机遥感影像的匹配。SIFT特征具有旋转、微小仿射的不变性。本文分析SIFT特征的优点,指出其存在的问题,结合灰度匹配、最小二乘匹配及影像金字塔策略,提出了一套适合无人机遥感影像的匹配算法流程。     

无人机视频影像的准实时融合算法

针对无人机视频影像可以实时地融合到地理信息系统中,但是无人机的位置和姿态数据存在较大误差,导致相邻的视频影像的同名地物点并不重合的问题,该文提出准实时的无人机视频影像融合算法,采用基于滑动窗口的光束平差方法来优化相机的外方位元素,这种方法比全部视频影像做整体光束平差的延时更低,而且可以显著地改善无人机视频影像的融合效果。算法使用优化后的相机外方位元素对视频影像做正射纠正,再把纠正后的影像叠加到三维大场景中。实验结果表明,这种方法可以在准实时的条件下融合无人机视频影像,并且相邻视频影像的同名地物点在融合结果中是重合的。     

一种POS数据辅助多视角倾斜航空影像匹配方法

提出一种利用POS辅助多视角倾斜影像匹配的算法。首先,利用POS数据对倾斜影像进行近似核线纠正;然后,用SIFTGPU算法对纠正影像进行特征匹配,根据匹配结果计算出两张影像的水平和垂直方向视差进而求得其近似重叠区域;将重叠区域进行分块特征匹配,采用比值提纯法、视差约束和RANSAC算法等约束条件剔除误匹配;最后,将匹配结果通过POS数据反算回到原始影像上。试验结果表明,将POS数据应用到多视角倾斜影像匹配中,可快速获得比常规影像匹配方法数量更多、分布更均匀的匹配点。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题,提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点,研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤,并结合试验分析验证了该方法的有效性。     

无人机高光谱影像处理方法的探索

针对目前已有无人机影像处理软件不支持高光谱影像预处理,及低版本遥感图像处理平台（ENVI）批量化处理数据困难的问题,研究了利用交互式数据语言（interactive data language,IDL）与无人机遥感图像处理软件（PIE-UAV）相结合进行无人机高光谱影像处理的方法。首先,使用IDL实现影像预处理,包括影像配准、影像白板校正。其中,影像配准阶段包含单波段影像配准、配准后影像外扩、多波段合成以及影像裁切等步骤。其次,使用PIE-UAV进行影像正射纠正,使用ENVI软件进行影像镶嵌。实验结果表明,该方法能够得到色彩过渡均匀且满足要求的拼接高光谱影像。     

无人机倾斜摄影测量近景影像绝对定向方法

复杂地形的距离与噪声的影响,会导致无人机倾斜摄影的定向精度较差,为此,设计一个无人机倾斜摄影测量近景影像绝对定向方法。建立一个比例相同的空间坐标系,规范方向矩阵,对近景影像进行灰度处理,在确定实际空间与平面模型间存在的属性关系后,获取复杂地形空间参数,以此优化定向过程,并建立投影模型,实现无人机倾斜摄影测量近景影像绝对定向。对不同距离下与不同噪声下的定向误差进行对比,实验结果表明,在不同距离与不同噪声下,无人机倾斜摄影测量近景影像绝对定向方法的定向误差均较小,满足实际应用需求。     

改进AKAZE算法的泥石流区无人机影像特征匹配

针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。     

SIFT特征匹配在无人机低空遥感影像处理中的应用

无人机低空遥感成本低，方便快捷，但飞行姿态不确定，影像自动匹配程度低。本文将SIFT（Scak Invariant Feature Transform）特征应用于影像的自动相对定向，结合最小二乘法实现了影像的自动匹配。实验证明，该方法具有稳定、可靠、快速等特点，应用前景广阔。     

SIFT遥感影像快速配准方法

针对SIFT算法存在内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后再作分块影像匹配,在匹配过程中根据局部熵过滤掉冗余特征点,并使其均匀分布于影像,以实现精确配准。对错误匹配点先利用相关系数初步剔除错误点,再利用极线约束对错误匹配点进行精细剔除,最后将RANSAC算法应用于剩下的匹配点,进一步提高匹配精确度。     

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。     

一种无人机影像特征点筛选方法

随着无人机技术的发展,无人机影像特征点提取方法成为了研究的热点。本文针对提取到的特征点存在不同程度的冗余问题,在利用SIFT算法对无人机影像进行特征点提取的基础上,提出了一种基于欧氏距离和色彩差的特征点筛选原则。实验表明,通过计算特征点间欧氏距离可以检测距离较近的特征点,并以色彩差为取舍标准进行过滤筛选,得到的特征点分布均匀,在一定程度上降低了特征点的冗余度。     

一种具有仿射不变性的倾斜影像快速匹配方法

提出了一种较为快速且具有仿射不变性的倾斜影像匹配方法。通过估算影像的相机轴定向参数计算出初始仿射矩阵,通过逆仿射变换得到纠正影像,对纠正影像进行SIFT匹配。首先利用比值提纯法(NNDR)、归一化互相关(NCC)测度约束和左右一致性检验得到粗匹配点对,由粗匹配点对利用RANSAC方法计算出基本矩阵F和单应矩阵H。匹配时,匹配策略采用最邻近匹配,并利用极线约束、单应矩阵约束、NCC测度约束和主方向差值一致性约束剔除误匹配。通过对三组典型的倾斜影像数据进行试验,试验表明该方法匹配准确率高,匹配点对较为密集、均匀,且效率较高。