排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。 相似文献
2.
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
3.
针对喀斯特地貌地形起伏大、沟壑纵深、影像局部存在阴影,该地区无人机遥感影像匹配难度大,该文提出一种基于AKAZE特征和RANSAC算法的喀斯特地貌无人机遥感影像的快速匹配方法。该方法采用AKAZE特征检测算法提取喀斯特地貌无人机遥感影像的特征点,能够较为精简地描述出影像的特征,影像匹配时间缩短,匹配速度提高明显;由于预匹配存在错误点对,利用单应性矩阵的RANSAC算法进行精准匹配,剔除错误匹配点对,同时得到最优的单应性矩阵。实验结果表明,该方法的匹配耗时和匹配正确率较优于经典的SURF和BRISK算法,该匹配方法更适合于喀斯特地貌无人机遥感影像匹配。 相似文献
4.
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
5.
贵州省地形复杂,地块破碎,农村宅基地形状不规则,且房屋多在植被高且茂密的地方,导致实地作业难度大、耗时多,常规RTK信号易被中断。针对该问题,本文考虑倾斜摄影技术和惯导RTK的优势,提出了一种倾斜摄影测量技术和惯导RTK技术在农村宅基地确权中的应用方法,旨在高效率地完成贵州省农村宅基地确权工作。在贵州省纳雍县董地乡新华村进行农村宅基地确权测量试验,采用全站仪对研究区的界址点点位、界址线边长及宗地面积的高精度观测进行验证,并从两个角度详细阐述了该方法的可行性:一是对全站仪数据和倾斜摄影技术图解法得到的数据进行对比分析和精度评定;二是对全站仪数据和惯导RTK解析法得到的数据进行对比分析。试验结果表明,倾斜摄影测量的图解法成果数据满足《地籍调查规程》(TD/T 1001—2012)中图解法1∶1000地籍图的要求,惯导RTK的解析法成果数据满足该规程中解析法二级精度的要求。基于此,该方法在农村宅基地确权中表现出精度高、操作性强、耗时低的优势,可为喀斯特山区农村宅基地确权提供一种可复制性强的参考方法。 相似文献
6.
针对无人机影像受拍摄条件影响或区域环境复杂造成的匹配效果不佳,局部区域甚至无法匹配的问题,基于SURF算法,利用多重约束条件改进算法对无人机影像进行了特征匹配。该匹配算法首先利用SURF算法检测影像特征点,利用FLANN快速搜索结合KNN算法筛选特征点,选出构造单应性矩阵的最优内点匹配对,然后利用基于单应性矩阵的RANSAC算法过滤掉错误匹配。试验结果表明:与基于SURF算法的单一约束条件的无人机影像匹配相比,多重约束条件的无人机影像匹配算法在匹配质量优化的同时能提高无人机影像匹配集数量,该算法在误匹配减少的前提下能获得更多准确的特征点。 相似文献
1