共查询到19条相似文献，搜索用时 157 毫秒
1.
快速、准确的大场景影像三维重建技术可为灾害应急响应和灾情评估提供重要的决策依据。本文针对运动恢复结构(SfM)算法效率低的问题,提出了一种顾及影像拓扑关联关系的拓扑-运动恢复结构(TSfM)算法。TSfM算法利用低空无人机(UAV)自身的飞控记录构建影像拓扑关联关系,缩小了特征匹配时的影像搜索范围,与传统SfM算法相比,影像匹配的时间复杂度由O(n2)降低为O(n)。实验结果表明,TSfM算法实现了基于无人机影像序列的灾场快速三维重建,重建模型的相对精度与SfM算法的重建精度一致。将该方法用于四川芦山地震UAV影像三维重建,可检测出地震滑坡体及其形态信息。 相似文献
2.
可靠特征匹配是无人机影像运动恢复结构(SfM)的重要环节。近年来,深度学习被用于特征提取和匹配,在基准数据集表现优于SIFT等手工特征。但是,公开模型往往采用互联网照片进行训练和测试,鲜有用于无人机影像SfM三维重建的性能评价。利用多组不同特点的无人机数据集,本文对比分析手工特征和深度学习特征在无人机影像特征匹配和SfM三维重建的综合性能。试验结果表明,利用公开的预训练模型,结合手工特征的高精度定位和深度学习的特征描述能力,可实现更准确和完整的特征匹配,并在SfM三维重建中取得与SIFT等手工特征相当,甚至更优的性能。 相似文献
3.
无序多视影像的三维重建由于缺乏先验信息而可能导致重建结果发生漂移。提出一种稳健的重建算法,以匹配点对数量作为影像间的相似性量度,利用层次聚类算法对影像集进行分层分组,通过自下而上的顺序,对各层中的每一组子影像集进行重建;然后利用公共点将相邻子影像集间的重建结果进行融合,直到完成整个影像集的重建。最后通过3组具有代表性的影像集的重建试验,验证了算法的有效性。 相似文献
4.
5.
针对并行式运动恢复结构(SfM)在局部场景合并时稳健性差的问题,提出一种摄影测量局部场景稳健合并的并行式SfM方法。对整个场景的影像关联图进行分块及扩展处理,得到相互重叠的子区块,并利用一种改进的增量式SfM方法生成局部场景重建结果。在局部场景合并时,首先利用局部场景的重叠关系构建子区块关联图,并以子区块三元组为单元,进行粗差剔除;然后,利用子区块三元组的代数性质,优化得到更符合几何一致性的子区块间的相对变换;最后,从上述结果中计算得到更准确的局部场景到统一坐标系下的尺度、旋转、平移变换。试验采用无人机影像,结果表明本文方法在局部场景合并时有更好的稳健性,而且SfM结果的精确度也要优于其他并行式方法和COLMAP,在摄影测量和实景三维重建中有较大的应用潜力。 相似文献
6.
《测绘科学》2020,(5)
针对传统方法难以直接用大规模测量范围的移动球形全景影像较好地实现三维重建的问题,该文提出基于GPS改进的三维重建方法。采用增量式运动恢复结构算法,基于GPS改进了影像匹配,场景初始化和光束法调整等主要步骤,较好地加快了影像匹配速度,实现大规模影像数据集的EG图的有效构建;减少了两两匹配的误差对初始位姿估计的影响,实现更快更好的模型重建;采用基于GPS位置信息加权的光束法调整优化影像位姿和场景模型,实现三维重建尺度的准确恢复。实验结果表明,本文方法不仅有效地解决了传统增量式运动恢复结构算法在大规模重建过程中丢失影像的问题,还显著地提高了位姿估计效率,并且合理地优化了场景重建效果。 相似文献
7.
无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节，常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMedS算法比其他稳健方法更严格，"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型，同时利用ORB算法提取速度快的特点，构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究，并与其他常规算法进行比较。试验结果表明，本文算法保留的匹配点数数量多，分布较均匀，适用于多种场景，是一种有效、快速精准的影像匹配算法。 相似文献
8.
9.
影像匹配是数字摄影测量和计算机视觉领域的关键问题。本文主要研究基于Delaunay三角网约束下的稳健影像匹配方法。首先利用Delaunay三角网对随机初始匹配点进行组织,构建分布均匀、结构稳定的局部连接关系;其次利用线段描述子和空间角度顺序建立了局部辐射和几何约束模型,并将粗差剔除问题转换为分析Delaunay三角网和对应匹配图的相似性问题;然后利用对应三角形局部约束实现匹配扩展;最后在分层策略和交叉验证策略下实现稳健影像匹配。利用3组数据集进行大量的匹配试验,结果表明本文的匹配算法即使在高外点率下依然能够实现稳健粗差剔除,得到高精度的影像匹配结果。 相似文献
10.
联合卷积神经网络与集成学习的遥感影像场景分类 总被引：1，自引：0，他引：1
针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。 相似文献
11.
12.
针对无人机倾斜影像匹配时,由于冗余数据量大、影像几何变形大和重复纹理导致基于SIFT特征点的无人机倾斜影像匹配效率和可靠性低的问题,本文提出一种基于POS辅助和核线约束的倾斜影像匹配方法。在该方法中,首先利用机载GNSS/IMU设备获取的影像POS数据计算影像间在物方的重叠区域,接着将物方重叠区投影至像方,根据两幅影像的像方重叠率筛选高可靠像对;其次采用SIFT-GPU算法对影像提取特征点,并根据POS数据估计像对间的核线关系;然后在核线约束下,以描述子间的欧氏距离为相似性测度,实现特征点的高效稳健匹配;最后采用RANSAC算法剔除误匹配。通过对两组倾斜影像做匹配试验验证了本文方法的可行性。 相似文献
13.
AbstractUnmanned aerial vehicle (UAV)-based imaging systems have many superiorities compared with other platforms, such as high flexibility and low cost in collecting images, providing wide application prospects. However, the acquisition of the UAV-based image commonly results in very high resolution and very large-scale images, which poses great challenges for subsequent applications. Therefore, an efficient representation of large-scale UAV images is necessary for the extraction of the required information in a reasonable time. In this work, we proposed a multi-scale hierarchical representation, i.e. binary partition tree, for analyzing large-scale UAV images. More precisely, we first obtained an initial partition of images by an oversegmentation algorithm, i.e. the simple linear iterative clustering. Next, we merged the similar superpixels to build an object-based hierarchical structure by fully considering the spectral and spatial information of the superpixels and their topological relationships. Moreover, objects of interest and optimal segmentation were obtained using object-based analysis methods with the hierarchical structure. Experimental results on processing the post-seismic UAV images of the 2013 Ya’an earthquake and the mosaic of images in the South-west of Munich demonstrate the effectiveness and efficiency of our proposed method. 相似文献
14.
15.
基于经验模态分解的高分辨率影像融合(英文) 总被引：3，自引：0，他引：3
High resolution image fusion is a significant focus in the field of image processing. A new image fusion model is presented based on the characteristic level of empirical mode decomposition （EMD）. The intensity hue saturation （IHS） transform of the multi-spectral image first gives the intensity image. Thereafter, the 2D EMD in terms of row-column extension of the 1D EMD model is used to decompose the detailed scale image and coarse scale image from the high-resolution band image and the intensity image. Finally, a fused intensity image is obtained by reconstruction with high frequency of the high-resolution image and low frequency of the intensity image and IHS inverse transform result in the fused image. After presenting the EMD principle, a multi-scale decomposition and reconstruction algorithm of 2D EMD is defined and a fusion technique scheme is advanced based on EMD. Panchromatic band and multi-spectral band 3,2,1 of Quickbird are used to assess the quality of the fusion algorithm. After selecting the appropriate intrinsic mode function （IMF） for the merger on the basis of EMD analysis on specific row （column） pixel gray value series, the fusion scheme gives a fused image, which is compared with generally used fusion algorithms （wavelet, IHS, Brovey）. The objectives of image fusion include enhancing the visibility of the image and improving the spatial resolution and the spectral information of the original images. To assess quality of an image after fusion, information entropy and standard deviation are applied to assess spatial details of the fused images and correlation coefficient, bias index and warping degree for measuring distortion between the original image and fused image in terms of spectral information. For the proposed fusion algorithm, better results are obtained when EMD algorithm is used to perform the fusion experience. 相似文献
16.
基于经验模态分解的高分辨率影像融合 总被引：9，自引：0，他引：9
文章提出基于经验模态分解（Emp iricalMode Decomposition,EMD）的特征层影像融合模型。对多光谱波段影像进行IHS变换获得强度影像,采用行列分解实现一维经验模态分解的二维拓展,并用于分离高分辨波段影像与强度影像的细节特征信息,对高分辨率波段影像的高频与强度影像波段的低频进行重构获得融合后的强度影像,再通过IHS反变换获得融合影像。文章介绍了经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构,提出融合模型的技术路线。选择UICKB IRD影像的全色波段与多光谱波段进行融合实验,根据典型行（列）的EMD分析,确定经验模量的取舍尺度,按提出的融合路线获得融合影像,并与小波融合,IHS融合,Brovey融合模型获得的影像进行视觉及量化比较。选择信息熵、标准差指标对融合影像的空间细节信息进行评价,同时选择平均灰度值、相关系数、偏差指数评价融合影像的光谱扭曲程度,结果表明本融合模型最优。 相似文献
17.
针对大场景考古挖掘现场的三维重建情况,选取半全局匹配策略作为研究基础,设计了一种基于附加控制点约束的半全局匹配算法进行序列影像密集匹配。将稀疏匹配中的特征提取和匹配技术用于提取初始特征,并由这些初始特征转化的同名特征点,生成视差空间影像中的视差控制点,以此作为一种可靠的约束,提高其密集匹配的精度。同时,采用影像分块的策略,将原始大核线影像分成若干对小核线影像,进行密集匹配,以达到提高计算效率,改善计算结果的目的。实验证明,该方法可实现大面积考古挖掘现场的快速三维重建,并且能够在进行文物形态三维重建的同时获取挖掘现场文物分布的正射影像平面图,为准确记录挖掘现场文物分布位置及考古发掘、调查及遗址保护规划编制等提供科学依据。 相似文献
18.
提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。 相似文献
19.
基于小波影像金字塔的影像自动匹配 总被引：3，自引：0，他引：3
数字影像高精度快速匹配是遥感影像3维信息提取的关键技术之一，文中对如何实现数字影像自动化匹配进行了研究，提出了一种基于小波影像金字塔的数字影像自动匹配方法。该方法在生成小波影像金字塔的基础上，利用交叉相关算法实现不同影像金字塔同一层影像间的匹配，利用视差控制将同名点从金字塔高层影像向低层影像进行传递。利用该方法对具体的SPOT影像进行了实验，表明基于小波影像金字塔的数字影像自动匹配方法具有较好的效果。 相似文献