首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 140 毫秒
1.
针对现有由稀到密的加密匹配算法中,初始匹配点可靠性低将导致迭代匹配拓展过程存在较多误匹配的问题,提出一种基于可靠匹配点约束的遥感影像密集匹配算法。首先,利用SIFT匹配点约束直线匹配获得的同名直线构建虚拟匹配点集,结合虚拟匹配点集和SIFT匹配点集建立初始匹配点集;然后,依次采用局部影像信息和局部几何约束对初始匹配点集进行检核剔除错误匹配,主要体现在利用指纹信息和梯度信息构建匹配点局部区域约束剔除较为明显的误匹配点,利用匹配三角网构建局部几何约束剔除由相似纹理产生的误匹配点,得到优化后的可靠匹配点;最后,基于可靠匹配点构建的Delaunay三角网,以三角形重心为加密匹配基元,结合核线约束和仿射变换对其进行迭代匹配拓展,得到最终匹配点集。选取4组资源三号卫星前视数据和后视数据进行实验,结果表明:利用局部纹理特征和局部几何双重约束模型可有效剔除误匹配点得到可靠匹配点,通过可靠匹配点进行迭代匹配拓展得到的密集匹配结果相较于对比算法具有更高匹配精度,在4组数据上其平均匹配精度为95%,具有较好的匹配稳定性。  相似文献   

2.
当影像中存在多个相同或相近的直线特征时,仅利用单直线特征间的相似性进行匹配容易导致算法失效,因此本文提出基于直线间几何属性特征相似性约束的组直线匹配算法。该算法利用直线间的拓扑关系分别对2幅影像上提取的直线进行编组得到特征直线组,并将其作为匹配基元;然后利用核线约束确定候选同名直线组的搜索范围,精简了候选直线组的数量;依据直线间几何属性特征向量的仿射不变性建立直线组的匹配关系,将仿射不变量交比作为基础几何不变性测度,并延伸设计仿射相似度参数,计算出目标直线组与每个候选直线组的仿射相似度或一般相似度,确定2种相似度下总体相似度值最大的特征直线组为其同名直线组,最后将同名直线组分裂为2对同名单直线,对分裂后的结果进行整合可以显著降低冗余匹配,得到“一对一”的匹配单直线。为了验证算法的可靠性,实验选取网上公开的5组典型近景影像进行测试,通过与其他匹配算法的对比分析,结果表明该算法应对影像间存在的视角、旋转和尺度变换等复杂条件均取得了较高的匹配精度,匹配正确率最高有14.5%的提升,且阈值的选择对匹配结果影响微弱,验证了基于直线间几何属性特征相似性约束的组直线算法鲁棒性和匹配稳定性较强。  相似文献   

3.
为了改善PPP的定位精度和收敛速度,提出一种有效的解决思路:在非差非组合模型PPP定位的基础上,附加高精度区域电离层先验信息约束,利用美国西海岸CORS网内183个参考站的观测数据进行区域电离层建模,获取高精度电离层延迟信息;通过实验对比分析无电离层组合模型、非差非组合模型和附加电离层约束的非差非组合模型3种算法的PPP定位表现,结果表明,附加电离层约束算法具有更好的模型几何强度,相比于前两种模型,在PPP定位过程前10 min,该算法可以显著提升PPP定位的收敛速度和定位精度。  相似文献   

4.
基于联邦滤波算法,通过对状态方程有色噪声的拟合和预报,给出了含有有色噪声的联邦滤波融合算法,并利用模拟数据进行了试算与比较。结果表明,基于含有有色噪声的联邦滤波算法在一定程度上能够提高导航解的精度和可靠性。  相似文献   

5.
针对现有基于二值体元基元的机载LiDAR三维(3 Dimensional, 3D)滤波算法仅利用了数据的高程特征、无法区分相连的地面和非地面目标的问题,提出了一种基于强度体元基元的机载LiDAR 3D滤波算法。首先,基于计算几何理论,将机载LiDAR数据规则化为强度(体元内激光点的量化平均反射强度值)体元结构。然后,基于3D连通区域构建理论,选取局部高程最低的非0值体元为地面种子进而搜寻并标记与地面种子,空间连通、反射强度及坡度值均接近的连通区域内体元为地面体元。算法综合利用LiDAR数据的高程、反射强度及坡度特征,支持相连但强度不同的地面和非地面目标的区分,为相连的地面和非地面目标的精确区分提供更有效的信息。算法有助于提高滤波精度,并扩展基于体元基元的3D滤波算法适用于更复杂的场景。实验基于ISPRS提供的专门用于滤波算法测试的LiDAR点云数据测试了“空间邻域尺度”参数的敏感性及提出算法的精度。定量评价的结果表明:51邻域为最佳邻域尺度;提出算法的平均Kappa系数在相对平坦、陡坡及不连续地形分别为0.9380、0.7749和0.6866;从总误差测度来看,提出算法对比经典的Axelsson算法改进了15个样本中的7个样本精度,且其对比其他二值体元基元下的滤波算法平均总误差最低。  相似文献   

6.
针对灰度图像中的脉冲噪声滤波的问题,提出一种具有细节保护的自适应滤波算法.算法分为两步:第一步是对图像中的噪声进行识别,第二步利用噪声点周围的相关信息,对噪声点进行修复.经实验表明算法与其他算法相比,在图像的细节保护,自适应性以及噪声的消除方面具有一定的优势.  相似文献   

7.
基于积极集思想,利用子空间截断牛顿法提出参数带区间约束的平差问题算法。由于新算法可以迅速改变积极约束集的构成,其效率比不等式约束平差算法更高,并且可以对参数估计的精度进行评定。通过测边网算例说明,新算法能有效地降低模型的不适定性,保持参数的统计、几何或物理意义。  相似文献   

8.
针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度(体素内激光点的平均强度的离散化表示)体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会(International Society for Photogrammetry and Remote Sensing, ISPRS)提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m2的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m2的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。  相似文献   

9.
随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。  相似文献   

10.
为保留目标的同时尽可能多地抑制图像背景杂波,在研究形态学滤波、空域平滑滤波、小波域平滑滤波以及它们级联的背景杂波抑制算法的基础上,提出形态学滤波和小波域平滑滤波级联的杂波抑制算法。该算法先对含有微弱目标和白高斯噪声的原始图像进行空域形态学滤波,然后对形态学滤波结果进行小波变换,在小波域中对各小波系数分别平滑滤波,用滤波前的小波系数减去滤波后的小波系数得到差值系数,对差值系数再进行逆小波变换。仿真测试表明,提出的算法在得到的残差图像中目标邻域信杂比(SCNR)平均增益比空域形态学滤波算法和空域平滑滤波算法等均有较明显的提高,为后续的目标检测与跟踪提供了良好的保障。  相似文献   

11.
A stochastic two-dimensional Fornasini-Marchesini's Model Ⅱ (2-D FMM Ⅱ) with multiplicative noise is given,and a filtering algorithm for this model, which is optimal in the sense of linear minimum-variance, is developed. The stochastic 2-D FMM Ⅱ with multiplicative noise can be reduced to a 1-D model, and the proposed optimal filtering algorithm for the stochastic 2-D FMM Ⅱ with multiplicative noise is obtained by using the state estimation theory of 1-D systems. An example is given to illustrate the validity of this algorithm.  相似文献   

12.
1 Introduction Inrecentyearstherehasbeengrowingresearchin terestinthetwo dimensional (2 D )systemtheory .The 2 Dsystemsmayfindapplicationsinareassuchasmarineseismicdataprocessingandimageprocessing .Althoughmoreandmorevaluableresultshavebeengained ,mos…  相似文献   

13.
DEM即数字高程模型,是通过有限的地形高程数据实现对地面地形的数字化模拟。DEM具有许多生产方式,作为直接获取对象表面点三维坐标的现代对地观测技术,机载激光扫描在DEM构建方面具有很大优势。因此,本文研究了一种基于机载激光点云数据的DEM生成方法,该方法的关键在于机载点云的地面滤波处理。本文提出了一种改进的渐进三角网滤波方法,通过计算各点坡度以及邻域范围内的高差最大值,进行直方图统计分析,实现高度及角度阈值的自适应估计。将本文结果与人工滤波及布料滤波方法进行对比分析。实验结果表明,本文方法的结果更加贴近人工滤波处理效果,可有效提高DEM生成的精度。  相似文献   

14.
以广播星历为起算轨道的北斗卫星实时滤波精密定轨往往需要较长收敛时间,针对此,提出利用超快速精密星历约束的实时精密定轨方法。通过MGEX跟踪网全球分布的51个测站连续7 d的实测数据,利用平方根信息滤波对北斗卫星实时精密轨道进行确定,并以3 d解事后轨道作为参考,评估北斗卫星实时滤波轨道精度。结果表明,利用广播星历作起算轨道时,北斗实时滤波轨道平均需要经过15 h收敛才能达到稳定,而新方法在这段时间内轨道变化较为平稳,未出现明显的收敛现象,并且7 d时间内GEO卫星在切向、法向和径向上RMS分别优于2.5 m、20 cm和30 cm,IGSO和MEO卫星在3个方向上分别优于30 cm、15 cm和10 cm。
  相似文献   

15.
为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。  相似文献   

16.
机载LiDAR是获取地表DEM的重要技术之一。本文针对机载LiDAR点云数据在复杂城区环境下的大型建筑及低矮地物滤波问题,提出一种新的二面角滤波法。利用空间二面角的平面角可以表达空间两相交平面相对位置的原理,实现机载LiDAR点云数据滤波。首先,算法提取点云数据中的高程突变点,以非突变点的二面角余弦均值稳定性作为判定迭代结束的条件;其次,分别统计高程突变和非突变点集的二面角余弦值频率分布,以交点处对应余弦值和最后一次迭代的坡度值作为LiDAR点云滤波的判定条件;最后,利用数学形态学“开”算子,去除残留低矮植被,得到可靠的滤波结果。对同一区域机载LiDAR点云数据,通过“二面角法”与“渐进三角网法”进行滤波处理。实验结果表明,二面角滤波法能有效地降低地物点错分为地面点的百分率,且在去除地物信息的同时能良好地保留地形特征。  相似文献   

17.
????С?????????????任??????1????????????????????????????????????????Э????????????????????????????????????????????Tikhonov?????????????????????????????鷽?????????????????????Э??????????????  相似文献   

18.
对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号