共查询到20条相似文献，搜索用时 203 毫秒
1.
针对传统单一Census变换未充分利用影像信息且精度不高的问题,该文提出了一种结合颜色信息的Census变换半全局立体匹配算法。该算法联合像素点间RGB颜色绝对差值与其Census变换值的匹配代价计算方法,采用八方向半全局视差获取方法获得初始稠密视差图。为进一步提高匹配精度,利用左右一致性交叉检测确定初始视差图中不稳定视差;采用基于均值偏移图像分割的视差优化算法对视差图中不稳定视差进行优化,获得最终视差图。选取4组middlebury立体图片库经典立体像对进行视差获取实验并检测。结果表明,本算法能够获得较高精度且可靠视差图,且在遮挡、视差不连续处的视差精度明显优于单一Census变换立体匹配算法及一些改进半全局立体匹配算法。 相似文献
2.
《武汉大学学报(信息科学版)》2016,(4)
建成区的建筑物等地物通常高于周围地表,因此高度梯度在其边缘发生突变。从立体像对生成两幅核线影像及其对应的视差图,然后利用该规律由视差图生成立体像对视差指数(stereo pair disparity index,SPDI)图。对SPDI图的高值像素进行空间聚类,得到该视差图对应的核线影像中的建成区结果,并且该结果可投影定位于立体像对的原始影像。此外,对于立体像对的两幅影像中分别检测的不一致结果,由于视差图包含了同名点间的对应关系,因此利用视差图有利于对齐不一致结果。然后,对取交集可获得高可信度的、一致的建成区结果。最后,采用两组立体像对进行试验验证,结果表明该方法可从立体像对检测出高精度的建成区。 相似文献
3.
《测绘译丛》1980年第4期刊载的“在CTД-2型立体量测仪上使用象片偏心法进行立体摄影测量作业的经验”译文（以下简称“偏心法”译文），读后颇受启发。“偏心法”使原来用于中小比例尺测图的立体量测仪，有可能扩大到大比例尺测图中去。本文从推导左右视差较改正数公式着手，对左右视差较附加改正数及二次定向界限进行了讨论，同时提出了恢复偏心片中心投影关系的高程透写图方法，并进行了城市1：2000比例尺测图的试验。 相似文献
4.
本文讨论了最简便的立体量测工具——反光立体镜和视差杆——在航测分工法中的应用,全文分四个部分：（一）量测视差——叙述在正立体和零立体效应情况下,象片对定向的方法和精度。（二）测定象片对的相对定向元素——对两条航线作了实验,并对结果进行了分析。（三）单独象对内加密特征点高程——仿CTД-2原理,但采用解析或图解法确定对左右视差较或高程的改正,从而求得加密点的高程,以供勾绘等高线之用。在这部分中阐述了方法的理论、分类及精度,并对实验工作进行了分析。（四）航线网高程加密——采用了本文附录中的oo定向及on定向的坐标关系公式,将无扭曲模型法加以发展,得出了新的δp公式。并在此基础上进行了实验和分析。所有实验均与由立体坐标仪或立体量测仪求出之相应成果进行了比较,得出结论如下：1．利用反光立体镜和视差杆能精确地量测象片对的左右视差和上下视差。2．用反光立体镜来测求相对定向元素,可以达到类似立体坐标仪的精度。3．用反光立体镜按图解法或解析法加密象对内特征点的高程,可以代替CTД-2用于生产中。4．用反光立体镜按大中oo定向或on定向公式,可进行航线网高程加密用于中小比例尺测图。 相似文献
5.
本文论述了利用ＳＰＯＴ影像制作立体正射影像图的基本原理。阐述了利用数字微分纠正方法制作正射影像图和视差匹配影像图的基本方法。最后利用我国西南高山地区１ＡＰ级ＳＰＯＴ影像制作了一幅１：１００ ０００比例尺的立体正射影像图。 相似文献
6.
POS数据用于立体模型恢复时的上下视差分析 总被引：1，自引：0，他引：1
从连续法相对定向原理出发，推导了直接由像片外方位元素恢复立体模型时模型点上下视差的计算公式，用模拟数据验证了计算方法的正确性，并对两组不同摄影比例尺的实际航摄像片进行了试验。通过比较利用GPS辅助光束法区域网平差获得的像片外方位元素和POS提供的像片外方位元素重建立体模型所产生的模型上下视差，分析了POS系统误差对模型上下视差的影响。结果表明，直接利用POS提供的像片外方位元素进行安置元素测图会出现作业员难以忍受的模型上下视差，不能满足地形测图的规范要求。 相似文献
7.
《武汉大学学报(信息科学版)》2015,(9)
嫦娥一号电荷耦合元件(charge coupled device,CCD)相机同轨前后视影像组成的立体像对的基高比较大,立体像对在撞击坑边缘、山脉等地形起伏区域存在较大的遮挡和变形,影响了DEM的精度。为弥补这一不足,根据嫦娥一号CCD相机邻轨下视短基线立体像对成像模型,本文提出了一种自适应窗口归一化互相关(normalized cross correlation,NCC)-相位相关(phase-only correlation,POC)视差估计的DEM生成方法。首先,根据影像纹理特征计算各像素点对应的自适应窗口大小,通过NCC方法估计立体像对左右片对应窗口的整数像素位移;然后,用POC方法估计亚像素位移;最后,将窗口的总位移作为窗口中心像素点的视差,依次计算所有像素点的视差,得到立体像对稠密亚像素视差图。模拟实验结果表明,本文方法视差估计精度可达±0.075像素,利用空间分辨率为120m的嫦娥一号CCD邻轨下视影像生成的月面DEM与LOLA 30m平面分辨率的DEM基本一致。 相似文献
8.
计算机立体视觉是运用两个或多个摄像机对同一景物从不同位置成像并进而从视差中恢复深度(距离)信息的技术.在几十年的发展中,计算机立体视觉已形成了自己的方法和理论.文中系统地叙述了计算机立体视觉的研究现状,分析了存在的问题和今后的发展方向. 相似文献
9.
基于投影基准面的线阵推扫式卫星立体像对近似核线影像生成方法 总被引：1，自引：0，他引：1
提出一种实用的基于物方投影基准面的线阵推扫式卫星影像核线模型,研究并实现基于该模型的近似核线影像生成方法.该方法能够生成子像素级上下视差的近乎严格的核线影像,且能直接由立体影像的定向参数建立原始影像与核线影像之间的严格坐标对应关系;基于投影基准面进行近似核线排列,有利于生成分辨率一致、相对于物方水平的核线立体模型,方便进行立体量测和立体判读.为了验证本文方法的正确性、可行性和通用性,分别对带有高精度RPC的SPOT5-HRG异轨立体像对、IKONOS同轨立体像对、IRS-P5同轨立体像对以及Quickbird同轨立体像对进行了核线试验.目前,该方法已应用于卫星影像的立体测图和DEM自动生成软件模块中. 相似文献
10.
11.
本文探讨了深度学习在航空影像密集匹配中的性能,并与经典方法进行了比较,对模型泛化能力进行了评估。首先,实现了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3种代表性卷积神经元网络在航空立体像对上的训练和测试,并与传统方法SGM(semi-global matching)和商业软件SURE进行了比较。其次,利用直接迁移学习方法,评估了各模型在不同数据集间的泛化能力。最后,利用预训练模型和少量目标数据集样本,评估了模型微调的效果。试验包含3套航空影像、2套开源街景影像。试验表明:①与传统的遥感影像密集匹配方法相比,目前深度学习方法略有优势;②GC-Net与MC-CNN表现了良好的泛化能力,在开源数据集上训练的模型可以直接应用于遥感影像,且3PE(3-pixel-error)精度没有明显下降;③在训练样本不足时,利用预训练模型做初值并进行参数微调可以得到比直接训练更好的结果。 相似文献
12.
摄影测量与深度学习 总被引：3，自引：2，他引：1
深度学习正逐渐占领与“学习”相关的诸多研究领域,也对摄影测量这门学科造成冲击和促进。根据摄影测量学的定义：“利用光学像片研究被摄物体的形状、位置、大小、特性及相互位置关系”,其研究对象包括几何与语义。本文从这两个方面回顾和探讨深度学习目前的应用现状,并对其影响下的摄影测量的发展进行展望。在几何上,基于卷积神经元网络的学习架构已经广泛用于图像匹配、SLAM及三维重建,取得了较好的效果,但仍需进一步改进。在语义上,由于传统的手工设计方法未能将语义信息以工程化的形式确定并生成类似4D产品的各类语义“专题图”,语义部分长期受到忽视。深度学习强大的泛化能力、对任意函数的拟合能力及极高的稳定性,正使得专题图的自动制作成为可能。笔者通过道路网、建筑物、作物分类等应用实例,回顾已经取得的研究成果,并预计：利用光学像片生成高精度的语义专题图,在不远的未来即将实现;并可能成为摄影测量的一类标准产品。最后,针对几何和语义,分别介绍了笔者的两个相关研究：基于深度学习的航空图像匹配以及基于3D卷积神经元网络的精细农作物分类专题图自动提取。 相似文献
13.
深度残差网络的多光谱遥感图像显著目标检测 总被引：2，自引：2，他引：0
本文侧重于介绍智能化摄影测量深度学习的深度残差方法。显著目标检测致力于自动检测和定位图像中人最感兴趣的目标区域。多波段遥感图像因其更加丰富的光谱信息和揭示观测目标物理属性的能力在目标检测中获得重要应用。传统的显著目标检测方法通过手工设计特征,计算图像各像素或者超像素与邻域像素或者超像素之间的对比度检测显著目标。随着深度学习的巨大发展,特别是全卷积神经网络的引入,基于深度卷积网络的显著目标检测算法取得重要进步。然而,由于数据获取和标记的困难,多波段遥感图像显著目标检测的研究依然主要采用手工设计特征。本文研究基于深度卷积神经网络的多波段遥感图像显著目标检测算法,提出一种基于深度残差网络的自上而下的多光波段遥感图像显著目标检测网络,该网络可以有效挖掘深度残差网络不同层次上的显著性特征,以端对端方式实现显著目标检测。为了应对多波段遥感图像数据量有限、无法训练深度残差网络的问题,本文提出通过浅层神经网络从RGB图像直接生成多波段遥感图像,实现光谱方向的超分辨率。在现有多波段遥感图像和可见光图像显著目标检测数据集上的试验结果超过当前最好方法10%以上,验证了本文方法的有效性。 相似文献
14.
多模态遥感影像间(光学、红外、SAR等)存在显著的非线性辐射差异,传统方法难以有效地提取影像间的共有特征,匹配效果不佳.鉴于此,本文将深度学习方法引入影像匹配中,提出了一种基于Siamese网络提取多模态影像共有特征的匹配方法.首先通过去除Siamese网络中的池化层和抽取特征来优化该网络,保持特征信息的完整性和位置精度,使其可有效地提取多模态影像间的共有特征,然后采用模板匹配策略,实现多模态遥感影像高精度匹配.通过利用多组多模态遥感影像进行试验,结果表明,本文方法的匹配正确率和匹配精度都优于传统的模板匹配方法. 相似文献
15.
深度学习的迅速发展极大地推进了多种图像解译任务的精度提升,然而深度学习网络模型的“黑箱”性质让使用者难以理解其决策机理,这不仅不利于模型结构优化和安全增强等,还会极大地增加训练调参成本。对此,本文围绕影像智能解译任务,对深度学习可解释性国内外研究进展进行了综合评述与对比分析。首先,将当前可解释性分析方法分为激活值最大化分析法、代理模型分析方法、归因分析法、扰动分析法、类激活图分析法及样例分析法等6类方法,并对方法的原理、侧重点及优缺点进行了回顾。其次,对8种衡量各类分析方法所提供解释的可靠性的评估指标进行了回顾,并梳理了当前公开可用的可解释性开源算法库。在当前开源算法库的基础上,以遥感影像智能解译任务中的可解释性分析为例,验证了当前深度学习可解释性方法对遥感影像的适用性;试验结果表明当前可解释性方法在遥感解译中还存在一定的局限性。最后,总结了现有基于自然影像的可解释性算法在遥感影像解译分析中存在的问题,并展望了设计面向遥感影像特性的可解释性分析方法的发展前景,旨在为相关研究者提供参考,推动面向遥感影像解译的可解释性方法研究,从而为深度学习技术在遥感影像解译任务中的应用提供可靠的理论支持与算法设计指导。 相似文献
16.
遥感影像建筑物提取的卷积神经元网络与开源数据集方法 总被引：2，自引：2，他引：0
从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义。本文提出和展示了建筑物提取的数个研究进展。由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战。先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展。针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取。通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性。 相似文献
17.
18.
19.
为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。 相似文献