共查询到20条相似文献，搜索用时 185 毫秒
1.
《测绘科学技术学报》2018,(6)
提出了一种小面阵辅助下的三线阵卫星影像区域网平差约束方法,该方法以天绘一号卫星三线阵影像严格成像模型为基础,将下视线阵影像的局部区域等效成面阵影像,根据等效面阵影像与小面阵影像上同名像点的坐标差异,增加区域网平差约束方程,实现小面阵影像辅助下的三线阵影像区域网平差处理,完成对等效框幅式平差方法的扩展。利用天绘一号卫星影像数据进行了实验和分析,结果表明,该方法能够以小面阵影像数据为辅助,实现三线阵影像的区域网平差处理和整体定位精度的提升。 相似文献
2.
火星快车高分辫率立体相机(high resolution stereo camera, HRSC)线阵推扫式影像具有分辫率高、全球覆盖性好等特点,对火星快车HRSL影像进行摄影测量处理可获取火星全球高分辫率地形数据,而影像匹配是自动获取地形数据的关键利用核线几何约束可以将影像匹配搜索范围由二维降至一维本文在构建火星快车HRSC线阵影像严格几何模型的基础上,提出了一种近似核线重采样方法首先,利用投影轨迹法分析 HRSC线阵影像核线的直线性与平行性;然后,将原始HRSC影像进行微分纠正生成水平影像,分析投影轨迹法得出的核线在水平影像上的几何关系并确定近似核线方向,再沿核线方向进行核线重排生成近似核线影像实验结果表明,本文算法生成的近似核线影像同名点上下视差优于1个像素,且在水平影像上进行近似核线重采样减少了由外方位元素变化引起的几何畸变,更有利于影像匹配。 相似文献
3.
宋佳璇范大昭董杨纪松李东子 《测绘学报》2023,(6):990-999
跨视角影像几何形变大,同名线段单侧邻域易产生明显差异,传统线特征匹配算法难以获得可靠线对。为此,本文提出了一种针对跨视角影像的神经网络学习与灰度信息结合的线特征匹配算法。首先,获取影像的像素级方向梯度直方图特征,并结合神经网络融合影像灰度信息形成特征描述格网;然后,在线段上提取离散点,根据离散点单侧特征描述格网信息计算点的单侧描述,采用深度学习方法聚合点单侧描述符形成线的单侧抽象表达;最后,利用已知同名点约束匹配区域进行分组匹配,通过比较线对拓扑一致性进行匹配结果核验,得到最终匹配线对。选取多组具有代表性的异源跨视角影像公开数据进行线匹配试验,并与主流线匹配算法进行对比分析。结果表明,本文算法能够针对内容差异明显的异源跨视角影像,获取分布均匀且正确率较高的匹配线对,实现跨视角影像线特征的稳健匹配。 相似文献
4.
基于三线阵航天遥感影像的DEM自动生成 总被引：2，自引：0，他引：2
由于三线阵立体影像在提取3维空间信息方面具有突出的优点，文中利用MOMS-02前、后视影像对基于三线阵航天遥感影像的DEM自动生成进行了研究与试验，主要内容包括三线阵航天遥感影像的外部定向、数字影像匹配、DEM自动生成等。试验结果表明，采用文中提出的方法用于DEM自动生成可以取得较高的高程精度。 相似文献
5.
6.
7.
8.
9.
SIFT算法具有较强的匹配能力,能够处理两幅影像之间在发生平移、尺度、旋转、光照、视角等变化的情况下的匹配问题.利用SIFT算法进行影像匹配,根据匹配点计算两幅影像之间的仿射参数,将左影像上的格网映射到右影像作为初始点,然后使用相关系数测度在右影像上初始点邻域范围搜索匹配点.实验结果表明,该方法能够得到很好的匹配效果. 相似文献
10.
11.
无人机影像匹配过程中，粗差是不可避免的，因此，获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除，该算法受抽样次数、误差阈值的影响，还会残存部分误匹配的特征点。利用图论原理，对SIFT算法提取的特征点进行预处理，通过构建特征点的能量函数剔除能量较低的特征点，可以提高匹配特征点的稳健性，减少特征点的粗差。本文提出了一种新的方法，将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFT-RANSAC算法，利用该算法可以提高特征点的稳健性，获取高精度的单应矩阵。采用两组无人机影像进行验证，本文提出的算法与单独利用图论剔除特征点的算法相比，粗差剔除率分别提高了5.31%和14.29%，说明该方法效果较好。 相似文献
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.
14.
基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。 相似文献
15.
三线阵CCD影像的像点自动匹配技术研究 总被引：3，自引：1，他引：2
目前国内针对三线阵CCD影像像点自动量测技术研究比较少,主要采用常规影像匹配方法进行处理。本文在分析众多匹配方法的基础上,根据三线阵CCD影像的特点,在立体环境下对三线阵CCD影像空三加密像点自动量测的方法进行研究。用实验的方法研究了基于金字塔分层动态窗口匹配运算的相关系数法在三线阵CCD影像像点立体匹配中的应用,最后通过三线阵CCD数字模拟影像试验,得出结论:采用金字塔分层动态窗口匹配运算的相关系数法是解决三线阵CCD影像空三加密像点自动量测问题比较有效的途径。 相似文献
16.
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
17.
利用自动匹配与三角剖分进行遥感图像几何精校正 总被引：1，自引：0，他引：1
在研究传统几何精校正方法的基础上,提出了一种高精度的基于自动同名点匹配和三角剖分技术的几何精校正方法,该方法是通过基准底图对待校正图像进行几何精校正的。首先利用FAST (Features from Accelerated Segment Test)算子在基准底图上快速提取均匀分布的候选特征点,通过图像自身携带的地理定位信息确定初始同名点对;经平移误差消除、互相关双向匹配、RANSAC(Random Sample Consensus)粗差剔除、二元三点插值等步骤获取稳定可靠的亚像元级同名点对;最后根据亚像元级同名点对构建Delaunay三角网进行图像变换和重采样处理。以Landsat卫星ETM为基准底图对环境卫星CCD数据进行几何精校正试验,本算法几何精校正精度较传统的方法得到了很大提高。 相似文献
18.
当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。 相似文献
19.
参考地理数据的大比例尺影像无控定位 总被引：1，自引：0，他引：1
针对传统摄影测量影像定位通过人工方式获取控制点导致的效率低、费用高等问题，本文提出了一种参考地理数据的大比例尺影像无控定位方法。首先利用经典SIFT算法从参考地理数据（DEM和DOM）提取带有控制信息的特征点；然后将通过POS获取的DSM配准到DEM地理坐标上，并利用形态学滤波对DSM进行处理，以提取并剔除建筑物、树木等高程剧烈变化区域的匹配点，降低校正误差；最后进行影像校正和定位。试验结果表明，本文方法能够满足大比例尺航空影像生产定位精度要求，具有高效生产、节约资源等优势。 相似文献
20.
图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术，其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像，本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法，该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配，然后使用RANSAC算法消除误匹配点并获取投影变换矩阵，从而获得图像序列间的亚像素级的运动信息；采用一组低分辨率序列图像进行试验，基于上述运动估计算法，采用迭代反投影进行超分辨率重建。试验结果表明，运动估计精度较高，重建影像具有较好的视觉效果，尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。 相似文献