融合尺度和仿射不变特征的倾斜立体影像配准

针对倾斜立体影像通常存在较大的几何变形从而难以自动匹配的问题,该文提出了一种融合MSER特征和SIFT特征的自动配准算法:选取MSER特征获得初始匹配及其对应邻域的仿射几何关系,对MSER候选匹配邻域内SIFT的特征点进行局部几何约束的仿射不变归一化相关系数匹配,定义邻域内SIFT特征的匹配正确率为邻域支持度,并据此进行原始MSER误匹配进行剔除。对上述未能匹配的MSER和SIFT特征,采用基于局部单应约束进行迭代匹配传播以获得更多的配准控制点并用于精确估计投影变换模型,完成影像的配准。同现有方法相比,所提算法在匹配点数、匹配正确率和配准精度方面有较大优势。     

基于SIFT的宽基线立体影像密集匹配

提出基于对极几何和单应映射双重约束及SIFT特征的宽基线立体影像多阶段准密集匹配算法。算法包括三个阶段：①基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集并进行最小二乘初始稀疏匹配及立体像对的基本矩阵和单应矩阵估计;②对于其余特征,利用同名核线倾斜角及SIFT特征的尺度信息对匹配窗口的仿射变换参数进行迭代优化及变形改正、提取仿射不变SIFT特征描述符,并基于双重约束信息及欧氏距离测度进行匹配;③考虑宽基线立体影像较低的特征提取重复率,对第②步左右影像中未能成功匹配的特征点,基于双向搜索策略,采用基于盒滤波加速计算的SSD测度在变形改正后的双重约束区域中进行匹配,并对匹配结果进行加权最小二乘拟合定位。实际的宽基线立体影像试验结果证明了算法的有效性,可为后续的三维重建提供较为可靠的密集或准密集匹配点。     

倾斜立体影像自动准稠密匹配与三维重建算法

倾斜影像之间因存在较大几何畸变,已有算法尚难取得可靠准稠密匹配,严重阻碍后续的三维重建。本文提出一种基于仿射不变特征的自动准稠密匹配与三维重建算法。算法分三个阶段:1)种子匹配。先利用仿射不变特征获取初始匹配,在此基础上进行最小二乘匹配(least square matching,LSM),并自适应迭代求取LSM最大收敛区域(maximum convergence region,MCR);2)准稠密匹配。对位于MCR内部的格网点采用透视变换模型的归一化互相关(normalized cross correlation,NCC)测度进行匹配,其余格网点则采用对极几何改正模型的加权差值平方和测度进行匹配,对于匹配结果中可能存在的外点根据几何一致性关系剔除;3)三维表面重建。利用影像定向与共线方程对2)步结果重建三维点云,然后根据三维点云生成三维网格并贴上纹理,得到最后的重建结果。实际的倾斜立体影像实验验证了算法的优越性。     

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。     

多分支网络联合的倾斜影像仿射不变特征匹配

倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的有效性.     

融合多类特征的海岸带特殊纹理影像全自动配准

针对海岸带特殊纹理影像存在地物单一、纹理匮乏或重复等问题,该文提出一种融合多类特征的海岸带立体影像全自动配准方法。该算法分为3个阶段:①提取尺度不变特征变换(SIFT)关键点,采用欧氏距离比率获得初始匹配,并进一步采用归一互相关匹配(NCC)和随机抽样一致性算法剔除误匹配,继而估计影像间的单应矩阵;②利用改进的Forstner算子对左影像提取均匀分布的角点特征,并利用单应矩阵和NCC匹配进行同名点匹配;③基于上述多类特征的精匹配结果,计算影像间投影变换模型,实现影像的配准。最后,为验证该文算法的有效性,选取3组存在较大尺度、旋转及视角变化的海岸带特殊纹理影像进行综合对比试验,结果表明该文算法可实现全自动配准,并且在匹配点数量、配准精度以及匹配点空间分布等方面具有优势。     

倾斜立体影像的Shi-Tomasi特征匹配

针对倾斜影像畸变大的现象,提出一种适用于倾斜立体影像匹配的方法。首先采用基于SIFT算法的匹配点对消除影像间的射影失真;然后提取Shi-Tomasi特征并采用多窗口的归一化互相关系数(NCC)计算相似性测度,获得稳定的匹配点对;最后使用两组倾斜影像将该算法同SIFT算法和ASIFT算法进行综合对比分析。实验结果表明,所提算法在正确匹配点对数量、匹配点对分布及匹配精度上均优于其他两种算法。     

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...     

大交角近景影像的仿射不变特征匹配方法研究

针对近景数字摄影测量中大交角影像的匹配问题,本文提出了一种仿射不变特征提取与匹配方法。该方法集成Hessain-Affine和MSER特征检测算法提取一定数量的仿射不变特征区域,并将提取的椭圆形特征区域归一化处理为圆形区域,再用SIFT特征描述算子对特征区域进行描述,然后进行基于距离的粗匹配,最后在核线约束下进行精匹配。实验表明,本文的方法在对大交角近景图像进行匹配时,可以得到相对多数量的匹配对和较高的正确匹配率,具有很好的稳定性和鲁棒性。     

遥感影像在最大极值范围的并行稳定匹配

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率.实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配.     

遥感影像在最大极值范围的并行稳定匹配（英文）

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率。实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配。     

一种基于组合特征的异源遥感影像配准方法

为实现大差异光学影像的高精度配准,充分利用各类特征检测算法的优势,提出一种基于多类型特征组合的异源遥感影像配准方法。在对获取的影像特征进行描述的基础上,通过影像分块均匀性分析和RANSAC整体一致性分析筛选高精度可靠的组合特征,构建和解算综合参数模型以实现影像的预配准和重采样。再利用最小二乘方法优化特征点匹配结果,使用小面元的方法进行影像的精配准和重采样。实验结果表明在异源光学遥感影像的亮度、分辨率差异较大时,可得到高精度的配准结果。     

基于SIFT的宽基线立体影像最小二乘匹配方法

提出基于对极几何和单应映射双重约束的SIFT特征多尺度加权最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并采用基于奇异值分解(SVD)的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下,基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析。结果表明当影像间无显著亮度变化时该方法的匹配性能明显优于现有的方法。     

一种模拟纠正影像的SAR立体影像匹配方法

针对常规SAR影像匹配方法在地形起伏较大区域无法获取理想的SAR立体影像匹配结果的问题,该文提出了一种基于模拟纠正影像的SAR立体影像匹配方法。利用观测区域粗分辨率DEM进行SAR影像模拟,进而获取几何纠正SAR影像,在几何纠正SAR影像上实现影像匹配,等效于常规基于灰度影像匹配中进行的影像粗配准工作,并且相比于常规粗配准,该等效粗配准过程能够均衡地顾及到整幅影像的像元,最终实现了地形起伏较大区域的高精度SAR立体影像匹配。采用COSMO-Skyped影像数据进行了实验,实验结果表明,匹配精度达到了3个像素左右,比常规的基于灰度影像匹配方法有较大提高,能够有效解决地形起伏较大区域SAR立体影像匹配问题。     

多传感器影像配准中基于虚拟匹配窗口的SIFT算法

提出了一种基于虚拟匹配窗口的SIFT算法,通过构建虚拟匹配窗口,增大SIFT特征点之间的尺度相似性,提高了匹配的几率;并通过与最小二乘法和双线性内插法的结合完成自动配准。文中选取角度和尺度偏差较大的SPOT-5(P)与TM影像进行实验,结果表明,配准精度小于一个像素。     

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。     

核线驱动与自适应窗口相结合的建筑物角点稳健匹配算法

针对景深突变、区域遮挡等因素导致的倾斜立体影像中同名建筑物角点难以准确匹配的难题,提出一种基于核线驱动和自适应窗口的鲁棒匹配算法。算法分3个阶段:1提取重复度较高、分布均匀的角点特征,并对立体像对进行多类型互补仿射不变特征匹配,以用于后续的几何关系估计;2利用随机采样一致性(random resample consensus,RANSAC)算法来排除地面区域的角点特征,并采用改进的RANSAC算法估计两组倾角迥异的核线关系;3基于步骤2估计的双核线关系求取景深突变区域中角点的近似几何单应变换,并联合自适应窗口方法实现同名建筑物角点的精确匹配。最后,通过多组高分辨率无人机倾斜影像数据验证了该算法的有效性与优越性。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

局部单应约束的高精度图像自动配准方法

提出一种基于SIFT特征的抗差图像匹配算法。算法分为两个阶段:①初始匹配,综合利用SIFT特征匹配方法和基于SIFT特征尺度和方位信息的自适应归一化互相关(normalized cross correlation,NCC)方法建立初始相关,并基于几何关系一致性检测剔除误匹配;②匹配传播,在初始相关的基础上,利用自适应NCC和局部单应约束进行匹配传播,迭代产生更多的匹配点并采用几何关系一致性检测剔除可能的误匹配。初始单应采用最小二乘匹配方法估计得到,并采用自适应NCC为其提供良好的初始值。与现有的基于SIFT特征的图像配准方法相比,算法在抗几何变形和配准精度等方面具有优越性。