共查询到10条相似文献,搜索用时 31 毫秒
1.
影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明:与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。 相似文献
2.
利用A-AKAZE算法进行喀斯特地区无人机影像匹配 总被引:1,自引:1,他引:0
喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。 相似文献
3.
针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。 相似文献
4.
基于Harris与RANSAC算法的无人机影像拼接方法研究 总被引:1,自引:0,他引:1
针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。 相似文献
5.
6.
7.
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。 相似文献
8.
针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。 相似文献
9.
10.
针对无人机影像受拍摄条件影响或区域环境复杂造成的匹配效果不佳,局部区域甚至无法匹配的问题,基于SURF算法,利用多重约束条件改进算法对无人机影像进行了特征匹配。该匹配算法首先利用SURF算法检测影像特征点,利用FLANN快速搜索结合KNN算法筛选特征点,选出构造单应性矩阵的最优内点匹配对,然后利用基于单应性矩阵的RANSAC算法过滤掉错误匹配。试验结果表明:与基于SURF算法的单一约束条件的无人机影像匹配相比,多重约束条件的无人机影像匹配算法在匹配质量优化的同时能提高无人机影像匹配集数量,该算法在误匹配减少的前提下能获得更多准确的特征点。 相似文献