透视不变局部特征的LoFTR大视角弱纹理影像匹配

针对影像匹配过程中的影像弱纹理区域特征检测困难,卷积神经网络(CNN)难以从量化后的特征中提取到有效的影像信息,以及受影像畸变的影响,对宽基线影像区域内检测到的特征基元难以关联等问题,该文在LoFTR基础上进行改进,将CNN和Transformer循环迭代后得到的弱纹理特征中加入大视角下的影像几何纠正,增强LoFTR弱纹理特征在视角变化影像上的透视不变性,由此获得大视角弱纹理影像地区的匹配算法。通过实验对比发现,该文方法的匹配数目以及误差较其他匹配算法均有较高提升。在Transformer迭代获取弱纹理区域特征的同时增强其对影像视角变化的透视不变性,可使该类特征适用于各种复杂场景下的匹配任务。     

面向大视角差的无人机影像序列学习型特征匹配EI北大核心CSCD

针对无人机大视角差影像之间存在仿射变形大、遮挡严重、视角差异显著等问题导致的同名点匹配存在多解和大量误匹配难题,本文提出了一种适用于大视角差影像稳健匹配方法。利用改进的具有双头通信机制的D2-Net卷积神经网络提取倾斜影像的学习型特征,在之后的同名点匹配搜索阶段,为解决唯一匹配点受到较多潜在可行解干扰的问题,设计了一种由粗到精的提纯策略,在稳健匹配同名点对的同时大幅降低匹配开销成本。将HPatches数据集中多组不同场景的影像序列和实地采集的无人机大视角差影像序列作为数据源对提出的方法进行测试,并与具有代表性的基于手工设计的ASIFT方法和基于深度学习的多种方法进行了比较。结果表明,本文方法能够提取稳健的大视角差影像序列仿射不变学习型特征,在正确匹配点数、匹配点正确率、匹配点均方根误差和匹配时间开销方面具有优势。     

无人机影像DSM自动生成随机传播COLVLL算法EI北大核心CSCD

针对现有密集匹配方法在弱纹理及高差较大区域表现不佳,以及密集匹配融合生成DSM时导致信息丢失等问题,本文提出基于随机传播COLVLL的DSM生成方法。在对空三加密后的影像进行有效像对筛选的基础上,利用随机传播机制对DSM像素区域进行扫描迭代,结合VLL算法对随机生成的高程值进行迭代更新得到DSM。以弱纹理、大高差区域无人机影像为试验数据与现有生成DSM商业软件进行试验对比,并以ISPRS WGII/4提供的Vaihingen数据集为参考对本文方法生成DSM及真正射影像数据进行试验分析,结果均证明了本文方法的有效性和适用性。     

局部结构约束下的宽基线影像直线特征匹配

针对宽基线影像视角变化导致现有直线特征匹配方法难以获得可靠匹配结果的问题，本文在局部结构约束下提出了一种对影像视角变化具有较强稳健性的直线特征匹配方法。首先，对影像进行直线特征提取并按照一定的规则进行特征编组；其次，基于直线特征几何结构关系构建视角不变特征区域，计算其特征描述符并进行相似性度量，获取直线特征初始匹配结果；然后，利用初始匹配结果中的直线特征区域顶点坐标关系构建约束条件剔除错误匹配；最后，设计直线特征扩展匹配算法，提高直线特征匹配率。试验结果表明，与传统直线特征匹配算法相比，本文方法在有显著视角变化的宽基线影像之间能够获得更多的同名直线特征和更高的匹配正确率。     

弱透视投影成像条件下低空遥感影像的拼接方法

无人飞行器低空遥感监测影像的拼接应具备快速、高效等特点,D.G.Lowe提出的基于SIFT特征匹配全景影像自动镶嵌算法无需人工交互,具有很强的鲁棒性,但是全景镶嵌算法主要是针对传感器在固定位置围绕竖直轴向360°旋转采集的序列影像,因此,并不适应用于无人飞行器遥感监测影像的拼接.根据无人飞行器遥感监测在弱透视投影条件下的成像模型和影像数据是按照设定航线等间距获取等特点,对基于SIFT特征匹配的影像自动镶嵌算法在影像空间变换等方面进行改进,同时增加了畸变校正、边缘裁切等预处理方法,形成完整的无人飞行遥感监测影像拼接流程,并通过试验证明该算法的可行性.     

基于多基线影像匹配的高分辨率遥感影像DEM的自动生成

以青南高原三江源试验区为例,采用SPOT-5 HRS立体影像和HRS/HRG三立体像对生成试验区1∶5万25 m间隔DEM,并利用大量外业和内业检查点对自动提取的DEM进行精度分析。试验结果表明,利用所提出的影像匹配方法可以从SPOT-5卫星影像中全自动生成1∶5万DEM。另外,SPOT-5 HRS/HRG三影像立体条带数据适用于地势起伏较大的深切割山地区域。采用此方法,可以同时保持自动生成的DEM的精度和可靠性,大大减少自动生成的DEM中存在的粗差和人工后处理的工作量。     

宽基线立体影像Harris-Laplace特征的最小二乘匹配算法

针对宽基线立体影像匹配的困难,本文提出一种基于Harris-Laplace的最小二乘匹配算法.算法基于Harris-Laplace特征检测器获得精度较高的初始特征点,对初始特征点进行NCC匹配,并应用基本矩阵F与单应矩阵H估计剔除误匹配点对,采用距离加权最小二乘匹配算法进行扩展匹配并同时保留定位精度较高的原始Harri...     

面向立面大角度影像拼接的稳健匹配方法

建立了一种面向大角度立面影像拼接的可靠匹配方法.该方法首先以SIFT特征向量双向最邻近距离比(BNNDR)作为匹配测度条件得到初匹配,考虑到大角度影像特点,分别应用核线约束和视差梯度约束条件,精化得到可靠的同名特征点,最后通过多次单应性确定立面待拼接区域的同名特征点,匹配结果和拼接效果表明,该方法可保障大角度立面影像拼接同名点的可靠性与准确性.     

相对仿射变换自适应模拟下的ASIFT宽基线立体匹配研究!

目的 针对Affine-SIFT(ASIFT)穷举模拟影像匹配带来的海量特征描述符提取以及高维距离计算问题,本文提出了一种自适应选取最优仿射变换集以大幅减少模拟影像数量,进而提高 ASIFT宽基线立体影像匹配效率的方法,并就其中单应性下的相对仿射变换模拟、渐进式匹配搜索与模型参数估计以及最优仿射变换集的确定等关键问题进行了阐述。实验表明,本方法较好地兼顾了 ASIFT宽基线立体影像匹配的稳健性与效率,具有实用价值。     

基于SURF算法的无人机遥感影像拼接技术

在影像匹配的研究上,SIFT算法在特征匹配方面的应用一直是国内外学者关注的热点之一。最近几年,有研究者提出了SURF算法,该算法是在SIFT算法基础上作了一些改进后得到的新算法。为了比较这两种算法在影像特征点提取上的优劣性,本文开发了相应的软件程序,并采用无人机遥感影像数据进行了算法的实例验证。发现相比于SIFT算法,SURF算法在影像特征点提取中无论是运算速度还是提取的特征点数量都有较大进步。基于此将SURF算法应用到无人机遥感影像拼接中,并通过高斯滤波对拼接影像进行平滑处理,获得了令人满意的拼接影像。     

分层Fourier-Melin变换相位相关的影像匹配初始视差的自动获取方法

自动获取初始视差是影像匹配自动化的关键问题。提出了分层Fourier-Mellin变换相位相关的影像匹配初始视差的全自动获取方法,无需人工干预和其他辅助信息,能高效、自动地获取影像中心点较精确的初始视差。首先对基准影像与待匹配影像构建金字塔影像,使用Fourier-Mellin变换与相位相关法求解金字塔顶层影像上基准影像与待匹配影像间的旋转、缩放与平移参数,然后利用旋转参数和缩放参数矫正待匹配影像的旋转与缩放变形,再利用平移参数计算待匹配影像中心点与基准影像上对应的同名点的视差近似值,最后在金字塔逐层影像上使用相位相关法对该对同名点的视差近似值进行误差校正,从而得到较精确的初始视差值。     

基于激光扫描仪的点云模型的自动拼接

利用非接触式三维激光扫描仪对目标进行旋转扫描,获得目标的不同旋转位置的空间数据和数字影像,对相邻的两幅立体影像利用匹配方法寻找同名点,并映射到空间方,同时利用相对定向和空间相似变换分别剔除像方和空间方的粗差,以获得相邻两个坐标系准确的空间相似变换参数,根据空间相似变换参数将位于相邻的两个坐标系的空间点统一到同一个坐标系中去,完成三维数据的配准。     

多源遥感影像学习型特征双向一致性配准EI北大核心CSCD

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题,本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先,利用微调的ResNet101网络模型提取多源遥感影像学习型特征,在特征匹配阶段,为提高同名特征匹配的可靠性,设计了一种双向一致性特征匹配网络模型;然后,基于小型轻量级网络加权回归变换模型参数,实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试,并与具有代表性的多种方法进行比较,结果表明本文方法在配准精度、效率、稳健性方面具有优势,基本实现了2像素以内的自动配准精度。     

高空间分辨率遥感影像最优分割结果自动确定方法EI北大核心CSCD

针对现有方法普遍存在不能充分顾及遥感影像多波段光谱信息,以及忽视遥感影像中地理要素的多尺度特性等问题,提出一种自动确定高空间分辨率遥感影像最优分割结果的非监督评价方法。该方法基于信息熵生成光谱信息离散度,利用光谱信息离散度构建能表达分割对象内部光谱均质性指标和分割对象与其相邻分割对象间光谱异质性指标。基于构建的光谱均质性和光谱异质性指标,采用“粗估计+精确定”的策略,逐步得到一个多级优化后的影像最优分割结果。本文在3个不同下垫面影像区域进行试验。结果表明,该方法能有效地实现自动确定高空间分辨率遥感影像最优分割结果,与现有方法相比,本文方法确定出的影像最优分割结果质量更高,与参考分割结果更加贴近。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

基于卷积神经网络的高分辨率遥感影像目标检测方法研究EI北大核心CSCD

高分辨率遥感影像目标检测作为高分对地观测系统中影像信息自动提取及分析理解的重要内容,对高分对地观测系统应用价值的发挥具有重要影响。卷积神经网络作为最热门的深度学习模型,由于其可以根据海量数据和标注自行进行有效图像特征提取和学习,在训练数据充足的情况下,模型具有良好的泛化能力,能够在复杂多变的条件下依然保持良好的稳健性和普适性。因此,基于卷积神经网络的目标检测架构被相继提出,但现有网络架构多是针对自然图像设计的,相对于自然图像,高分辨率遥感影像存在背景更加复杂、目标尺度更小、同类目标尺度变化更大和影像尺寸更大等特点;将这些网络架构直接用于高分辨率遥感影像目标检测会存在网络目标建议框尺度不匹配,待检影像相对于网络输入过大,以及缺乏训练数据等问题。针对上述问题,论文系统性地开展基于卷积神经网络的高分辨遥感影像目标检测方法研究。主要研究内容如下。     

异源遥感影像特征匹配的深度学习算法

针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net.首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符.在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多...     

近景影像的直线分层匹配北大核心CSCD

针对近景影像直线匹配过程中局部几何约束存在漏选和部分灰度描述符在某些场景变换下匹配无力等问题,本文提出了一种近景影像的直线分层匹配方案。该方案利用可靠同名点获取核线方程与透视变换矩阵,并进行目标直线候选直线的二次筛选。在进行检核方式的选取上,若存在相机投影矩阵则计算对应的重投影误差,否则计算优化后的MSLD描述符向量间的余弦相似度。设定合理阈值作为是否接受为同名直线的最终门限。使用网络公开数据集进行算法的分析验证,并与其他直线匹配算法进行对比。试验结果证明了本文方案的可行性与准确性,并对多种变换影像有着良好的适应性。     

SAR影像变化检测的前景特征流形排序法EI北大核心CSCD

SAR影像变化检测的差异图分析法存在的两个问题:①连通区域内的部分变化区域易被误判为未变化区域;②中心先验假设并不适用于检测位于SAR影像边界的变化区域。本文针对以上两个问题设计了一种超像素分割和前景特征流行排序(manifold ranking,MR)的SAR影像变化检测方法(MRSFCD)。首先,通过单像素和邻域对数比算子进行加权融合构造差异图,可以保持变化区域内部的一致性并抑制噪声干扰。其次,对差异图进行超像素分割。然后,改进超像素的无向图连接方式,不对边界四周的超像素进行连接,利用超像素分割结果和灰度信息进行三次邻接。最后,将基于前景特征流行排序后得到的显著性图与单像素对数差异图进行点乘,对其进行阈值分割得到最终的二值变化图。本文通过采用3组双时相影像进行试验。结果表明,相较于其他变化检测算法,本文方法有效地提高了变化检测的精度。     

基于形状与纹理特征的高分辨率SAR影像桥梁目标自动提取方法

基于高分辨率SAR影像中桥梁目标特征的分析,提出了一种桥梁目标自动提取方法。首先使用多影像时序平均法对SAR影像进行预处理,去除SAR影像噪声;再使用阈值法对水体分割;最后采用形状特征与纹理特征相结合的方法提取桥梁目标。本方法在提取效果上明显优于传统桥梁目标提取方法,其提取准确率可达87.5%。证明本文方法在面向高分辨率雷达影像的桥梁目标自动提取应用上的可靠性和可行性。