共查询到10条相似文献，搜索用时 275 毫秒
1.
基于改进SURF算法的无人机遥感影像快速拼接 总被引：1，自引：0，他引：1
为了及时、准确地反映测区情况,需要在拍摄现场将获得的无人机遥感影像进行实时拼接.基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性,拼接效果较好,但该算法稳定性较差,拼接过程中大量误特征点被提取出来,导致计算量大、匹配效率低,无法满足实时拼接的要求.该文首先利用SURF算法粗提取特征点,然后利用RANSAC算法剔除被误提取的特征点,实现特征点的快速匹配和图像实时拼接.实验结果表明该文的算法不但可以得到很好的图像拼接效果,而且极大地提高了拼接效率. 相似文献
2.
Harris算法提取的角点定位精度高,但不具尺度不变性,SURF算法虽具有尺度不变性和旋转不变性,但提取的特征点并非视觉角点。针对此问题,该文提出一种Delaunay三角网约束下的Harris-SURF图像匹配方法。首先,采取阈值评估策略对图像进行SURF粗匹配,利用RANSAC算法进行粗差剔除,得到的匹配点用于构建Delaunay三角网;然后以相似三角形作为约束,将其作为Harris特征点精匹配的限制区域,提高Harris点匹配的可靠性。实验表明,该算法具有匹配准确率高、鲁棒性较好等特点,对无人机影像的匹配效果明显优于其他算法。 相似文献
3.
针对BRISK算法在喀斯特山区无人机影像匹配中存在耗时长、正确匹配点数较少的问题,该文提出一种基于BRISK检测子和LATCH描述符的喀斯特山区无人机影像匹配算法,即利用BRISK检测子对影像进行特征点检测,利用LATCH描述符描述特征点,并采用结合最小距离的FLANN算法进行粗匹配,最后利用RANSAC算法对影像进行精匹配,剔除粗匹配中的错误匹配点对。实验结果表明:该算法的匹配总数和正确点数是SIFT和AKAZE算法的2倍以上,单点平均耗时是二者的7%~80%;与BRISK算法相比,在匹配总数减少5%的情况下,该算法的正确点数增加了30%以上,单点平均耗时减少50%以上。 相似文献
4.
《地理与地理信息科学》2017,(3)
影像匹配是低空遥感数据处理的核心步骤,而特征提取是影像匹配的基础。该文从兴趣算子的角度分析了摄影测量中几种主流特征点提取算法:Moravec算子、Forstner算子、SUSAN算子、Harris和SIFT算子,以角点类型较多的普通几何图形、卫星遥感影像和动力三角翼拍摄的低空遥感影像为数据,通过实验得到各算法的速度、精度、局限性和适应性。针对低空摄影测量影像,以重复率为指标定量比较和分析了各算法在抗噪、抗对比对变化、抗光照变化和抗旋转变化等方面的性能。实验结果表明,针对灰度信息丰富的低空遥感影像,SIFT算子具备尺度不变性,抗噪性最好,Harris算子提取速度最快,Forstner算子精度最高。实验结论为低空摄影测量影像处理提供了一种可行性方法。 相似文献
5.
现有基于SIFT特征点的水印算法因特征区域重叠导致算法鲁棒性较差,不能满足GF-2影像版权保护的需求。该文采用Mean Shift对SIFT特征点进行优化和改进,提出一种基于NSCT与改进SIFT特征点的GF-2影像数字水印算法。首先,提取GF-2影像的SIFT特征点,采用Mean Shift对其进行聚类处理,将所有聚类中心作为影像的关键点,并计算关键点的平均SIFT描述符,以保证所生成的影像关键点具有与SIFT特征点相同的特征属性;其次,根据关键点构建影像的特征区域,并对其进行几何归一化处理;最后,对特征区域进行NSCT分解,选择低频子带进行奇异值分解,根据加性规则将水印信息的奇异值嵌入低频子带的奇异值中,并通过相应的逆变换得到含水印影像。与其他算法对比验证结果表明,该算法既具有良好的不可见性,又对常规攻击以及旋转、裁剪、缩放等几何攻击具有较好的鲁棒性,且能有效减轻特征区域的重叠现象,适用于GF-2影像的版权保护。 相似文献
6.
《地理与地理信息科学》2020,(3)
传统基于灰度的影像匹配方法难以适应红外多光谱影像波段间的非线性灰度差异。该文提出一种基于相位一致性的角点筛选与特征匹配方法。首先基于相位最大矩提取影像边缘图,并利用角点的结构属性进行稳定性判断和角点筛选;然后利用相位一致性的幅值和方向信息构建特征描述符,并采用双向最近邻方法实现初始匹配;最后采用RANSAC算法剔除粗差,得到优化后的匹配结果。实验结果表明,该文提出的角点筛选算法能使匹配点中稳定角点的比例由37.9%提升至85.2%,将最大残差由2.765降到1.766,RMSE由0.854降到0.751。与HOPC模板匹配算法相比,该特征匹配算法能在保证匹配精度的同时,将效率提升了3倍。 相似文献
7.
遥感影像可以极大地增强DEM的表达效果,然而由于各种因素的影响,通常需对其进行预处理,传统方法是通过同名控制点进行校正。该文提出一种新的自动匹配算法,即提取DEM和遥感影像对应的特征线,利用Douglas-Peucker算法提取对应的特征点,以DEM特征点为离散点进行Delaunay三角剖分,并基于TIN完成纹理映射。实验结果表明,该算法显示效果较好,可有效改善畸变图像引起的错误显示。 相似文献
8.
一种基于特征点的无人机影像自动拼接方法 总被引：5，自引：0，他引：5
论述了当前无人机影像快速拼接可选用的方法及可行性,将稳健的SIFT算法引入无人机影像自动拼接中,分析了该算法各阶段所消耗的时间.结合无人机自身的特点对算法进行改进,在进行特征点提取前通过估算相邻影像间的重叠度缩小了搜索范围;进行尺度空间极值点探测时通过实验获取了适应于无人机影像的最优高斯核尺寸,克服了传统SIFT算法采用固定核尺寸方法的缺陷,既减少了时间消耗,又尽可能多地获得了特征点,最后应用LM方法求得精确变换矩阵,完成了影像镶嵌.实验结果表明,该算法对无人机影像拼接具有较好的适应性,在保证算法鲁棒性的同时,提高了精度和效率. 相似文献
9.
同名目标匹配是空间数据融合、共享与集成的关键所在,针对多源居民地面目标空间数据融合问题,该文提出一种同名居民地面目标自动识别及其同名特征点自动匹配算法。该算法通过计算面目标质心重叠前后的匹配相似度实现同名居民地面目标多重匹配关系的自动识别;通过构建向量方向相似度、面积比相似度与距离邻近度等特征指标,并将其建模为最优化函数,进而采用基于编辑距离的串匹配算法,有效解决了不同匹配关系下同名居民地面目标特征点的匹配问题,进一步实现了居民地面目标的几何纠正。以实测的不同来源导航电子地图郑州市部分居民地面目标数据对算法进行验证,结果表明:该算法能稳健识别多源居民地面目标间各种匹配类型,且能自动匹配同名特征点,二者准确率均在95%以上,可为面目标位置的精确融合奠定重要基础。 相似文献
10.
基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判。针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Point feature Similarity-based Convolutional Neural Network,PSCNN),并将其用于SAR图像分类,以凸显邻域像元对中心像元分类结果的影响力,从而减小误分,提升分类精度。实验结果表明,相比传统基于CNN的SAR图像分类方法,该算法一方面能更充分利用图像块的邻域信息,有效抑制相干斑的影响,提升匀质区域的分类精度;另一方面借助块匹配方式,能够充分保留图像块的结构信息,有效提升边界定位精度。 相似文献