共查询到20条相似文献，搜索用时 46 毫秒
1.
2.
《测绘科学技术学报》2013,(6)
在影像匹配领域,影像频率域的相位相关技术有着重要的运用。首先简要介绍相位相关基础;然后,接着为了得到亚像素级的匹配精度,提出了一种改进的基于SVD(奇异值分解)相位相关算法。该算法采用Hanning窗来抑制栅栏效应,并采用带权值的相位解缠技术对SVD分解后的特征向量进行处理。最后通过实验证明:提出的改进方法在影像匹配中具有较高的匹配精度。 相似文献
3.
利用网络图进行高分辨率航空多视影像密集匹配 总被引：1，自引：1，他引：0
提出了一种基于网络图的高分辨率航空多视影像密集匹配算法。首先利用影像间的重叠关系和方向确定候选立体像对并构建网络图;在立体像对密集匹配阶段,引入导向中值滤波采用由粗到精的改进半全局匹配(SGM)算法进行双向视差图生成;最后基于所有立体像对构建的网络图完成多视影像间的密集点云生成及融合。试验选取了ISPRS的Vaihingen航空影像和ISPRS/EuroSDR项目的苏黎世倾斜下视影像进行试验,结果表明:本文算法对高分辨率多视影像密集匹配是有效可行的,无论在匹配完整性、效率、精度上都能获取较好的结果,重建的密集点云平均反投影误差的中误差可以达到亚像素级精度,实际精度可以达到1.5倍GSD,并且在建筑物、植被、水体等视差不连续、弱纹理或重复纹理区域也取得了较好的匹配结果。 相似文献
4.
平台颤振是影响高分辨率卫星影像几何和辐射质量的关键因素。为提高从影像反演平台颤振特性的可行性和可信度,本文提出基于局部频率分析相位相关的智能化视差法颤振探测方法。通过结合结构影像表达和相位相关,并充分利用影像的局部和全局相位信息,减少了辐射变化和噪声等干扰因素对亚像素偏移值估计的影响,同时融入视差法颤振探测框架,保证精确稳健的密集匹配,从而实现高效的平台颤振精密探测。通过采用实际辐射变化数据集的算法对比及采用资源三号卫星影像的颤振探测试验验证了本文方法的有效性。结果表明,局部频率分析相位相关算法在辐射差异和噪声等情况下效果优于其他主流相位相关算法,匹配精度达到0.05个像素,本文颤振探测方法有效估计了资源三号卫星的颤振信息。 相似文献
5.
自动获取初始视差是影像匹配自动化的关键问题。提出了分层Fourier-Mellin变换相位相关的影像匹配初始视差的全自动获取方法,无需人工干预和其他辅助信息,能高效、自动地获取影像中心点较精确的初始视差。首先对基准影像与待匹配影像构建金字塔影像,使用Fourier-Mellin变换与相位相关法求解金字塔顶层影像上基准影像与待匹配影像间的旋转、缩放与平移参数,然后利用旋转参数和缩放参数矫正待匹配影像的旋转与缩放变形,再利用平移参数计算待匹配影像中心点与基准影像上对应的同名点的视差近似值,最后在金字塔逐层影像上使用相位相关法对该对同名点的视差近似值进行误差校正,从而得到较精确的初始视差值。 相似文献
6.
《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
7.
针对经典亚像素配准算法运算效率不高的情况,提出一种快速亚像素配准方法。在原有傅里叶变换相位相关方法与矩阵乘法离散傅里叶变换方法的基础上,利用有效子图代替原图进行图像亚像素配准。有效子图是通过二维小波分解高频分量的能量总和大小来选取,再对有效子图进行相位相关像素级定位与矩阵乘法傅里叶变换亚像素定位。改进方法不但继承矩阵乘法离散傅里叶变换亚像素高精度配准的优良性能,而且选用有效子图替代原图进行配准其速度可大大提高,对海量数据的遥感影像更显优势。经模拟试验与工程实例,综合分析该方法的配准精度与配准速度,证明改进方法较经典亚像素配准算法效率更高,更适合用于实际遥感影像的高精度配准。 相似文献
8.
针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。 相似文献
9.
《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
10.
11.
12.
基于边缘提取和改进型整体松弛匹配算法的InSAR复图像配准方法 总被引：1，自引：1，他引：0
配准精度是InSAR合成孔径雷达干涉成像技术中的重要指标。为获得高精确度的测量结果,提出一种包括概略配准、像素级初配准和亚像素级精配准三个环节的逐级提高精度的InSAR复图像配准方法。利用EnView软件提供的经度和纬度实现概略配准、采用基于多边形结构和边缘提取的像素级初匹配方法大大提高匹配速度。考虑以往的匹配算法都是基于能量图进行并且忽略了整体性,采用基于整体松弛匹配和相位最小二乘匹配相结合的亚像素级精匹配算法减少误匹配率,提高匹配精度。实验结果证明该方法具有良好的性能。 相似文献
13.
《测绘科学技术学报》2013,(2)
在建筑物密集、高度起伏变化剧烈的城市地区测绘中,采用大基高比摄影测量方案容易造成立体影像之间较大的辐射和几何差异,使得相关匹配处理异常困难。小基高比摄影测量能在一定程度上解决这一难题,但却要求极其精确的视差测量精度,常规的影像匹配方法难以奏效。这里在相位相关方法的基础上,分别利用局部上采样技术和奇异值分解等技术,对小基高比立体影像进行处理,在一定条件下可获得亚像素精度的匹配结果和较好的高程精度。 相似文献
14.
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
15.
16.
提出一种基于ASIFT和Harris集成互补不变特征的大角度影像亚像素自动配准算法。算法由中间输入图像获取、像素级配准和亚像素级配准三个主要处理过程。在中间输入图像获取过程中,首先提取ASIFT特征控制点,利用提取的控制点估计图像间的投影变换模型,将输入图像中的重叠区域重采样为与参考图像尺度相同的中间输入图像;在像素级配准过程中,用NCC函数进行配准,用基于投影变换模型的全局一致粗差检测方法删除误配点对;在亚像素级配准过程中,先利用二元二次曲面拟合方法进行亚像素位移测量定位,再进行亚像素配准,错误匹配点对剔除,配准精度计算。实际的大角度图像试验结果表明了算法的有效性和实用性。 相似文献
17.
18.
通过对航空立体像对及其边缘影像的分析,提出了一种新的航空影像初始视差的确定方法。试验表明,该算法能准确地确定纹理单一、影像对比度小的航空立体影像对的初始视差,可明显提高影像匹配的精度和可靠性。 相似文献
19.
20.
卫星影像立体匹配是大规模地球表面重建的重要步骤之一,现有研究相对较少,且存在匹配效果不佳、模型泛化能力较差等问题。本文提出了一种基于深度学习的卫星影像立体匹配算法,算法流程包括数据集构建、立体匹配网络搭建、多级迁移学习及后处理。首先将裁剪得到的核线影像对输入改进的注意力成本网络,完成特征提取、注意力成本构建、视差估计与视差优化;然后经多级迁移学习训练的网络,可适应不同数据源,预测得到视差图;最后对视差图进行自适应后处理,以消除错误匹配。使用吉林一号高分02、高分04系列卫星影像进行试验,获取的视差图精度优于1像素,表明使用本文算法可获取准确、清晰的视差估计,决定了后续高质量数字表面模型结果的生成。 相似文献