基于特征点的影像匹配

在数字摄影测量中,影像匹配代替了传统的人工观测,来达到自动确定同名像点的目的。影像匹配的理论与实践,是实现自动立体量测的关键,也是数字摄影测量的重要研究课题之一。本文中对基于特征点的影像匹配思路及特征点的提取与匹配中所涉及到的各种算法进行说明,并通过实验对算法展开分析。     

基于特征点的影像匹配

在数字摄影测量中,影像匹配代替了传统的人工观测,来达到自动确定同名像点的目的。影像匹配的理论与实践,是实现自动立体量测的关键,也是数字摄影测量的重要研究课题之一。本文中对基于特征点的影像匹配思路及特征点的提取与匹配中所涉及到的各种算法进行说明,并通过实验对算法展开分析。     

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其它两种误匹配点剔除算法,且时效性也较RANSAC算法好。      

基于统计模型的三线阵CCD月球影像快速匹配算法

为实现快速鲁棒的同名像点匹配,基于概率统计特征,提出一种针对CCD影像进行快速匹配的方法。首先应用统计方法建立月表整体形状模型和特征形状模型并构建轮廓特征;然后提取轮廓上的关键点作为特征点,随机选择若干特征点对得到候选变换;最后对其变换参数进行检验和求精。实验结果表明,本文算法比传统匹配算法的速度有了较大的提高,能够在...     

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。     

最小二乘影像匹配算法的实现与研究

最小二乘影像匹配算法是数字摄影测量中常用的影像匹配方法之一。文章探讨了最小二乘影像匹配算法的基本原理,介绍了该算法程序实现的关键问题,分析了其实验结果并与相关系数法进行了比较,最后为最小二乘影像匹配算法的改进提供了建议。     

适应于大幅面图像的快速匹配算法研究

基于特征的图像匹配算法具有更广的适用范围和更好的性能表现,但因为其算法更加复杂,使其很难满足实时性,尤其当图像尺寸变大后,这一缺点更加限制了此类算法在实际工程中的应用。针对这一问题,本文提出了一种新的用于大幅面图像的快速匹配算法。算法采用空域分割和频域压缩的方式对图像进行预处理。通过提取目标图中高频信息丰富的区域作为待匹配子图,减小用于匹配的目标图像尺寸;通过小波变换提取源图尺度空间的高尺度表示,压缩SIFT特征点在图像频域中的存在空间。算法采用由粗到细的匹配策略,粗定位待匹配子图在源图中的空间区域后,再次进行细匹配操作,最终实现大幅面图像间的快速匹配。仿真实验表明,新提出的算法极大地提高了大图像匹配的速度,在对部分算法模块进行硬件加速后,新提出的算法甚至可以满足实时性的要求。      

一种无人机航拍影像快速特征提取与匹配算法

无人机影像具有非常高的分辨率,边缘和纹理信息更加丰富,基于经典SURF特征的影像拼接算法在处理无人机影像时面临着新的挑战。为提高无人机航拍影像拼接效率,该文提出一种快速特征提取与匹配算法。在特征提取环节,提出采用局部差分二进制算法描述特征,在不降低特征区分性的同时,较SURF描述子而言降低了特征维度。在特征匹配环节,提出采用局部敏感哈希搜索算法代替kd树搜索算法,提高了最近邻特征匹配效率。实验结果表明,与基于SURF描述子和kd树搜索算法的最近邻匹配拼接算法相比,该文算法特征匹配效率有明显提升,匹配精度也有所改善,更适合应用于基于特征的无人机航拍影像快速制图。     

基于统计模型的三线阵CCD影像并行匹配算法

在基于统计方法实现CCD影像匹配算法的基础上,提出了CCD影像匹配计算任务的分解方法和计算任务的调度策略,进一步构建了基于统计模型的三线阵CCD影像匹配算法的并行计算方案。并通过实验进行了验证,结果表明,对于CCD影像该并行匹配算法获得了良好的加速比,可扩展性好。适用于超大规模的三线阵CCD影像中同名像点的匹配计算。     

图像匹配算法的研究进展

图像匹配是计算机视觉和图像处理中的重要研究内容.分析了图像匹配中的难点问题及其关键技术,研究了组成匹配算法的四个要素,介绍了近来出现的新思路和新方法,对匹配算法进行了分类和性能比较,提出了实际应用中有待进一步研究的内容,如算法的集成、神经网络、遗传算法和基于高层语义的应用等.     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法.首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐...     

图像特征匹配算法的FPGA实现

图像特征匹配算法是对同一场景不同条件下所获取的两幅图像进行特征提取的过程,目前被广泛应用于多个领域.针对传统匹配算法存在的实时性差、准确度不高、环境适应能力弱等问题,本设计提出了基于FPGA开发平台实现的SIFT算法.匹配结果表明:该算法对于图像的旋转、光照、仿射、尺度等具有良好的不变性,能满足特征匹配的需求,存在一定...     

结合区域分割的SIFT图像匹配方法

针对待配准图在参考图上存在多个相似的区域,传统的SIFT算法导致匹配点数量较少,影响对模型变换参数估计的情况,提出了结合区域分割的SIFT方法。与原始算法相比,该算法可以得到更多正确的匹配点对,时效性上更优。实验结果表明,该算法比原算法的正确匹配点对提高了近30倍,结合区域分割的特征匹配,剔除了90%以上的误匹配点对,改进后的算法时间性能上也更优。     

基于双目CCD测距的目标图像匹配算法研究

为了实现高精度的远距离双目CCD被动测距,提出改进的互相关匹配算法与三次曲面拟合算法,对双目CCD拍摄的两幅图像进行亚像素级匹配。介绍了双目测距系统的测距原理;进行测距图像的匹配操作,提出基于模板的灰度互相关算法,根据互相关运算的结果,提出亚像素级匹配算法,即采用三次曲面拟合方法,拟合出相关峰的亚像素级坐标;对测距实验结果进行误差分析,并修正系统误差的计算公式。实验表明,3 km以内的目标实际测量精度优于0.5%,满足高精度双目测距的精度要求。     

基于NCC的图像匹配快速算法

在图像匹配过程中,针对传统归一化积相关（NCC）算法计算量大的问题,提出一种对NCC进行改进的图像匹配快速算法。该算法首先使用差分求和定理改造NCC相似度量函数,以降低匹配计算量。然后提出模板区域分割,设定阈值,进一步去除大量不必要的计算,优化匹配搜索过程,实现了快速匹配。实验结果证明,与传统的匹配算法相比,在保证精度的前提下,计算复杂度大大降低。     

基于像素连通特征的一种快速图像匹配算法

针对基于灰度相关的图像匹配方法速度慢的特点,提出了一种基于像素连通特征的快速图像匹配算法。算法先利用一定的像素分类原则,将所有像素分为5类,再按照一定的连接原则按列统计每个模板列长度的连通分量个数。用模板各列的连通分量个数与待搜索图的各统计值进行串模式匹配。分析及实验结果表明,算法在保持较高匹配精度的同时,运算速度显著提高。     

基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法.算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出.本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题.测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势.     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

图像匹配中NCC算法的一种快速实现方法

在计算机视觉领域,图像匹配是常见的任务,基于灰度的点的匹配是常见的方法。其中又以抗噪能力强、匹配精度高的归一化互相关（NCC）算法最为常用。然而NCC算法计算量较大,常常难以满足实时处理的要求。通过引入合适的全1矩阵,让其和原图像的数据做卷积,大幅度地降低了NCC的计算量,提高了效率,仿真实验结果也证明了本文方法的有效性。