共查询到18条相似文献，搜索用时 439 毫秒
1.
基于SURF算法的无人机遥感影像拼接技术 总被引：2，自引：0，他引：2
在影像匹配的研究上,SIFT算法在特征匹配方面的应用一直是国内外学者关注的热点之一。最近几年,有研究者提出了SURF算法,该算法是在SIFT算法基础上作了一些改进后得到的新算法。为了比较这两种算法在影像特征点提取上的优劣性,本文开发了相应的软件程序,并采用无人机遥感影像数据进行了算法的实例验证。发现相比于SIFT算法,SURF算法在影像特征点提取中无论是运算速度还是提取的特征点数量都有较大进步。基于此将SURF算法应用到无人机遥感影像拼接中,并通过高斯滤波对拼接影像进行平滑处理,获得了令人满意的拼接影像。 相似文献
2.
针对倾斜影像畸变大的现象,提出一种适用于倾斜立体影像匹配的方法。首先采用基于SIFT算法的匹配点对消除影像间的射影失真;然后提取Shi-Tomasi特征并采用多窗口的归一化互相关系数(NCC)计算相似性测度,获得稳定的匹配点对;最后使用两组倾斜影像将该算法同SIFT算法和ASIFT算法进行综合对比分析。实验结果表明,所提算法在正确匹配点对数量、匹配点对分布及匹配精度上均优于其他两种算法。 相似文献
3.
《国土资源遥感》2016,(1)
随着无人机(unmanned aerial vehicle,UAV)平台技术的发展,越来越多的应用行业和研究领域开始使用UAV影像数据。不同于现有的摄影测量结合像控点的UAV影像匹配方法,提出一种新的UAV影像匹配方法。该方法采用彩色尺度不变特征转换(color scale-invariant feature transform,CSIFT)算法,利用彩色信息的空间不变特性提取基准影像与待匹配影像的特征匹配点对;并采用单应性矩阵与随机抽样一致性(random sample consensus,RANSAC)算法对匹配结果进行提纯,得到最终匹配结果。仿真实验表明,该方法可在保证实验过程鲁棒性的同时,与传统的尺度不变特征转换(color scale-invariant feature transform,SIFT)方法相比,将匹配准确率从70%提高到了88%,而且大大减少了特征点对的数量,缩短了处理时间,提高了UAV影像匹配效率。 相似文献
4.
在倾斜航空摄影测量中,倾斜影像间由于视角差异较大,具有较大几何变形,而具备仿射尺度不变性的ASIFT算法存在效率较低的问题,提出一种DEM辅助下的倾斜航摄影像匹配方法。该方法通过利用影像的粗略外方位元素和测区的DEM数据,首先对倾斜影像进行仿射变换来减弱几何变形;然后通过SIFT特征匹配算法来获取同名点对,并使用RANSAC剔除误匹配;最后将同名点对根据单应矩阵反算回原影像,以基础矩阵估计法剔除误匹配,获得最终匹配点对。通过对多组数据进行实验,结果表明,该算法的计算效率较高,获得的匹配点对在数量和分布情况上也更为理想。 相似文献
5.
利用A-AKAZE算法进行喀斯特地区无人机影像匹配 总被引：1，自引：1，他引：0
喀斯特地区地形复杂，无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率，本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟；然后利用AKAZE算法对模拟影像进行特征点提取和描述，并获得原始影像的特征点和描述符；最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配，进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究，并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明，对喀斯特地区无人机影像匹配而言，与ASIFT算法相比，在保持相当匹配正确率的情况下，基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右，可以较大幅度地减少匹配总耗时；与AKAZE算法相比，基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数，本文算法优于AKAZE和ASIFT等常用算法，更适合于喀斯特地区的无人机影像匹配。 相似文献
6.
基于SIFT算法提出一种适合于不同分辨率遥感影像并能获取均匀分布匹配结果的匹配方法,该方法首先将匹配区域进行分块,然后针对每个分块区域提取SIFT影像特征,在提取过程中,通过不同层级高斯影像塔和高斯差分影像的分级实现匹配点数量的控制,从而获取均匀分布的匹配点对。 相似文献
7.
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
8.
滑坡单点式位移监测难以反映滑坡的整体位移状态,采用多尺度模型到模型的点云比对算法（M3C2）可实现对滑坡的面域监测。本文首先通过对无人机采集的影像进行运动恢复结构（SfM）分析,还原滑坡三维点云模型;然后利用点云比对算法对两期点云数据进行处理,以色值大小体现滑坡区域的位移,进而识别滑坡表面位移变化;最后将该方法运用于实际边坡的表面位移监测。试验结果表明,应用M3C2算法可成功识别边坡变动区域,捕捉到1 cm的水平或垂直位移变化,能直观反映滑坡面域的变形状况。该方法适用于复杂地形条件下的滑坡位移整体监测,识别精度达到厘米级,性能优于两云直接比对算法（C2C）。 相似文献
9.
针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。 相似文献
10.
利用线特征和SIFT点特征进行多源遥感影像配准 总被引：8，自引：3，他引：5
提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参考影像中的线特征,利用匹配直线构建虚拟角点;其次,针对传统SIFT算法匹配多源遥感影像特征点存在的不足,采用线特征约束点特征的方法进行SIFT同名点对的提取;最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。试验结果表明,本文方法能取得较高的配准精度。 相似文献
11.
滑坡是人类面临的主要地质灾害之一,而滑坡监测是减少滑坡灾害的有效方法之一,其中外观监测具有能监测滑坡体的运动特征等优势,在滑坡监测系统中占据了重要的地位。从滑坡监测控制网布设、监测点布置以及观测频率和周期的确定3个方面,结合滑坡的等级、变形阶段、滑坡类型以及变形特征等方面进行针对性布设实施,使其滑坡监测不仅经济合理且同时能较好地反映滑坡变形趋势,为后期预测预报分析提供可靠数据支撑。 相似文献
12.
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
13.
The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature; 2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage; and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation training method has been used for the selection of the five different random training sites in order to calculate the factor’s weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide test locations that were not used during the training phase of the neural network. Our findings of verification results show an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis. The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide areas. 相似文献
14.
Approaches for delineating landslide hazard areas using different training sites in an advanced artificial neural network model 总被引：10，自引：0，他引：10
The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks
with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in
the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as
well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing.
Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature;
2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage;
and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural
network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation
training method has been used for the selection of the five different random training sites in order to calculate the factor’s
weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard
maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide
test locations that were not used during the training phase of the neural network. Our findings of verification results show
an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently
analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis.
The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide
areas. 相似文献
15.
滑坡变形监测数据是认识滑坡变形演化规律的直接依据,对该数据深度挖掘是实现滑坡灾害预警预报的有力保障。现有的滑坡位移预测模型多局限于单个监测点的时序预测,且未考虑监测点间的空间相关性。针对上述问题,本文提出了一种基于深度学习的滑坡位移时空预测模型:首先,构建表达所有点间空间相关性的加权邻接矩阵;其次,引入外界影响因素加强属性特征矩阵,以构建图结构数据;最后,采用集合图卷积网络(GCN)和门控循环单元(GRU)的深度学习模型,并通过多组试验寻找最优超参数,实现滑坡位移的时空预测。本文模型结果的均方根误差为4.429 mm,与对比模型相比至少降低了47.3%。而消融试验结果也显示,引入外界影响因素的属性增强可进一步提高模型的预测性能,均方根误差相对于未属性增强结果减少了28.4%。结果表明,该方法可用于滑坡位移或其他地质灾害中同样具有时空关联属性的观测量的时空预测。 相似文献
16.
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
17.
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
18.
一种基于改进的SIFT特征点算法的无人机影像快速匹配研究 总被引：1，自引：0，他引：1
刘晓莉 《测绘与空间地理信息》2014,(9):207-210
由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该算法对无人机影像进行特征点的提取,并采用最小二乘算法进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。 相似文献