共查询到17条相似文献，搜索用时 156 毫秒
1.
目前,针对影像特征匹配的算法有很多,但是对于不同地物特征的影像,无法准确地选取可适用的匹配算法。针对此问题,本文选取了四种稳健的算法SIFT、SURF、ORB、AKAZE,在四种不同地物特征的相似影像上进行特征点检测,之后结合不同的描述子进行影像特征匹配,并对所检测的特征点的重复率及其描述子进行适应性实验,以此来判断不同算法对不同地物特征的影像适应范围。实验数据表明:针对特征点适应性实验,AKAZE算法在各类影像上所提取的特征点相对比较稳定;针对特征点匹配实验,在影像不涉及旋转变化时,AKAZE与SIFT描述子结合进行特征点匹配,影像的匹配率显著提高;若要实现影像的旋转不变性,此时可选用SURF-SIFT、AKAZE。 相似文献
2.
近年来,随着摄影测量技术的不断发展,动态测量逐渐走入人们的视野.而动态测量对于特征提取而言,不仅意味着速度快,还需兼顾精度高.目前经典的特征提取算法在高速度与高精度之间并不能两全,就不同的场景,特征提取算法应有不一样的选择.本文通过比较SIFT、SURF、SIFTGPU与ORB四种算法,探讨不同场景特征匹配算法的选择参考.实验表明,SIFT算法最稳定,同时速度最慢,对平台要求最高.SIFTGPU有很棒的速度与较好的正确率,对多种场景的适应性良好.SURF速度较慢,但在特征缺乏的场景较为占优.ORB在特征丰富场景更具优势,要获得质量更高的特征点,需根据场景调整参数. 相似文献
3.
针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。 相似文献
4.
基于改进ORB算法的遥感图像自动配准方法 总被引：1，自引：0，他引：1
针对遥感图像自动配准的问题,提出了一种基于改进定向二进制简单描述符(oriented brief,ORB)算法的遥感图像自动配准方法.该方法主要由3个步骤组成:首先是特征匹配,利用改进的ORB算法提取特征点,并建立描述符进行匹配,获取初始控制点;然后采用随机采样一致性方法,结合变换参数估计,剔除可能的错误匹配;最后利用最小二乘法估计的变换参数,对图像进行几何纠正.分别利用2组卫星光学遥感图像和1组SAR图像进行基于改进ORB算法的自动配准方法试验,并与基于尺度不变特征变换(scale-invariant feature tramsform,SIFT)算法和加速鲁棒性特征(speeded up robust features,SURF)算法的自动配准方法进行了比较.试验结果表明,该方法能获得与SIFT算法和SURF算法相当或者更高的配准精度,并在配准效率上有较大提高. 相似文献
5.
6.
几何定位偏差是评估卫星影像质量的重要参数之一。本文利用特征匹配方法进行卫星影像几何偏差估计,并对该方法的可行性进行分析。首先,选取包含典型地物的局部卫星影像构建路标基准影像库;其次,采用局部点特征描述子对卫星影像与路标基准影像库进行亚像素提取与匹配,确定同名像点,然后为提升同名像点匹配精度,提出了顾及空间关系与几何一致性约束的匹配策略,继而,对卫星影像与路标基准影像库的匹配像点进行内插计算,获取同名像点的地理空间坐标;最后,通过差值计算得到卫星影像相对路标基准影像的偏移参数,完成几何偏差估计和可行性分析。本文以我国风云卫星为例,选取包含海岸线、湖泊、山脉、河流及岛屿的局部卫星影像集构建路标基准影像库,并选用SIFT、SURF、ORB 3个局部特征进行测试分析。测试结果表明,基于局部特征匹配策略对卫星影像几何偏差估计的系统误差小于0.1像素,定量地证明了局部特征匹配方法对卫星影像几何偏差估计的可行性。 相似文献
7.
在高分辨率无人机影像匹配过程中,多采用SIFT或SURF算法进行尺度和旋转不变的特征提取与描述,但经过SIFT或SURF算法提取出的特征都是高维向量,在匹配点数量较大时,匹配搜索速度比较慢。针对这一问题,比较了穷尽搜索与K-d树搜索算法的特点;然后按照"降维"的思路,提出了一种采用改进K-d树的匹配搜索方法。经过理论分析和实验验证,该方法可以有效提高匹配搜索速度,并且匹配数据集规模越大、维度越高,搜索速度提升越明显。 相似文献
8.
9.
针对不同尺度影像特征点提取的问题,提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照,详细分析了SURF特征点检测算法,并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、SURF等算法进行了比较。结果表明,SURF算法提取影像特征点的速度较快、适应性较强。 相似文献
10.
11.
首先对4种常见的尺度和旋转不变特征算子：SIFT,SURF,MSER,ORB进行简单的介绍。为定量比较各种特征算子在航空影像自动转点中的性能,本文提出了3种与倾斜影像相关的指标,并结合常用的4种指标组成本文的7个定量评价指标。在此基础上,采用一组倾斜影像数据进行了试验,结果表明,SURF/SIFT算子在航空倾斜影像空三转点中具有相对较好的性能,MSER次之,而ORB的效果较差。 相似文献
12.
基于NSCT和SURF的遥感图像匹配 总被引：2，自引：0，他引：2
SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。 相似文献
13.
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
14.
基于SIFT的多时相星载SAR图像特征点自动匹配 总被引：2，自引：0，他引：2
SAR图像配准是实现多时相图像监测的前提,但是由于SAR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现SAR图像的自动配准。本文在介绍旋转尺度不变特征(SIFT)提取特征点原理的基础上,利用SIFT方法对两个时相星载SAR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SIFT特征点进行多时相SAR图像自动匹配是基本可行的。 相似文献
15.
16.
The Remote Sensing Image Matching Algorithm Based on the Normalized Cross-Correlation and SIFT 总被引：2，自引：0，他引：2
SIFT (scale invariant feature transform) is one of the most robust and widely used image matching algorithms based on local features. However, its computational complexity is high. In order to reduce the matching time, an improved feature matching algorithm is proposed in this paper under the premise of stable registration accuracy. This paper proposed a normalized cross-correlation with SIFT combination of remote sensing image matching algorithm. The basic idea of the algorithm is performing the space geometry transformation of the input image with reference to the base image. Then the normalized cross-correlation captures the relevant part of the remote sensing images. By this way, we can reduce the matching range. So some unnecessary calculations are properly omitted. By utilizing the SIFT algorithm, we match the preprocessed remote sensing images, and get the registration points. This can shorten the matching time and improve the matching accuracy. Its robustness is increased correspondingly. The experimental results show that the proposed Normalized cross-correlation plus SIFT algorithm is more rapid than the standard SIFT algorithm while the performance is favorably compared to the standard SIFT algorithm when matching among structured scene images. The experiment results confirm the feasibility of our methods. 相似文献
17.
针对无人机在区域范围拍摄的低空遥感影像数量多,且相邻影像间存在旋转、尺度变化大等导致的立体定向困难问题,本文提出一种适用于无人机影像自动相对定向及模型连接的流程。即利用SURF算法对区域无人机影像进行特征提取后,连续相对定向及模型连接过程使用结合相对定向模型的RANSAC算法去除错匹配点,并针对RANSAC算法选取样本匹配点对容易陷入局部最优问题进行改进,提高了结果精度。 相似文献