排序方式： 共有20条查询结果，搜索用时 15 毫秒
1.
月球测绘是完成月球探测任务的基础保障。这里提出了一种适合于CE-1获取的CCD影像的多尺度约束自动匹配方法。首先利用SURF算子提取影像上特征点;然后进行基于准核线和最小欧式距离约束的影像匹配;最后采用随机采样算法对误匹配点进行剔除而得到同名点信息。实验结果表明,该匹配方法提取的同名点有利于CE-1月球影像DEM的生成。 相似文献
2.
基于FAST和SURF的遥感图像自动配准方法 总被引：1，自引：0，他引：1
提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法. 相似文献
3.
针对无人机倾斜摄影测量影像的特点,采用一种影像特征点自动提取匹配算法,解决影像之间的比例尺不一致、分辨率不一致等问题,实现影像的自动精确匹配,最终构建具有精确地理信息的三维模型。实验结果表明构建的三维模型满足数字城市建设的需求,可为城市基础设施建设提供一种科学可靠的依据。 相似文献
4.
石善球 《测绘与空间地理信息》2013,(8):52-54,57,60
针对多源遥感图像匹配正确率低的问题,本文首先采用点空间约束的Harris角点检测算法,得到分布比较均匀的角点;接着构建Voronoi图进行图像分块;然后应用分块SURF特征点检测和匹配得到仿射变换参数;再利用灰度积相关算法实现同名点搜索;最后辅以两点对空间约束剔除误匹配。实验结果表明,本文采用的基于Harris和SURF的方法在遥感图像匹配正确率和效率上优于SURF算法。 相似文献
5.
6.
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
7.
相对于同源影像立体匹配,基于无人机倾斜摄影与近景摄影获取的异源影像在空间特征、视场角及分辨率等方面均存在较大的差异,给影像匹配带来困难。本文利用基于单应性变换的卷积神经网络提取特征点,在匹配阶段采用交叉注意力机制的图神经网络进行特征点匹配。该方法较好地克服了异源影像间因存在较大视差和扭曲变换而导致的匹配效果较差的问题,并以河北省廊坊市大城县的马家祠堂为试验数据,对比传统SURF （加速稳定性征）算法与深度学习算法的匹配效果。结果表明,基于深度学习算法对存在大视角差异的异源影像的匹配率更高。 相似文献
8.
9.
为了提高数字影像的相对定向精度,本文研究了几种定向点提取算法的相对定向适应性,并从计算速度、定向点有效性和相对定向精度方面综合评价各提取算法的性能。试验表明：Forstner 算子的计算速度最快, Harris算子的相对定向精度最差;SIFT算子的定向点有效性最高且相对定向精度最好,但是其计算速度最慢;SURF算子的定向点有效性和相对定向精度都稍逊于SIFT算子,但是其计算速度约为SIFT算子的2倍。 相似文献
10.
利用云导风技术结合高分辨率气象卫星遥感数据获取风矢量,在监测台风等极端气象灾害方面具有重要应用。本文提出了一种基于加速鲁棒特征(speeded up robust features,SURF)图像匹配的云导风计算方法,利用SURF算法结合随机抽样一致算法(random sample consensus,RANSAC),提取并匹配两景连续时序云图的特征点,计算风矢量,并结合当地大气温度廓线指定云高,经质量控制得到云导风矢量。运用该方法模拟了2018年台风“山竹”的云导风矢量,以美国威斯康星大学气象卫星研究合作所(CIMSS)的大气运动矢量资料进行验证,结果表明:(1)风速和风向的相关系数分别为0.78和0.79,均方根误差分别为4.75 m·s–1和37.64°,平均绝对百分比误差分别为33.49%和22.55%,整体具有良好的模拟精度;(2)与CIMSS资料相比,基于特征点匹配的SURF云导风计算方法在反演密集云区的风矢量有明显优势,可有效提高云区内风矢量的数量,扩大风矢量的空间覆盖范围;(3)图像对比度增强处理对特征点的提取和风矢量的空间分布有重要影响,伽马变换因子γ=5时,能较好地平衡台风外围螺旋云带和中心附近云区的风矢量数量,反映台风风场的整体特征。该方法作为基于尺度不变特征变换的云导风计算方法的改进,可为利用卫星遥感影像数据进行云导风计算提供新的思路。 相似文献