一种适合降落序列影像的快速匹配方法

针对嫦娥三号降落序列影像特征匹配耗时较多的问题,提出了一种适合降落影像的快速匹配方法。首先对待匹配的降落影像进行尺度变换,将二者进行统一,然后采用9×9大小的窗口进行基于Moravec方法的特征点提取。其次,基于降落过程几何模型约束,以相关系数为匹配测度,实现降落影像间的匹配。采用真实嫦娥三号降落影像开展了匹配实验。实验结果表明,特征点窗口大小为9×9,相关系数阈值为0.90时,提出匹配方法的性能最佳;此外,与经典SIFT匹配相比,提出的方法可以平均减少59%左右的匹配耗时,且误匹配率更小。研究成果对我国后续深空探测任务中降落影像的匹配工作具有重要的参考价值。     

基于统计直方图两步法的星载单光子数据去噪

针对星载单光子激光有效回波信号混杂于噪声中难以区分的问题,提出一种基于统计直方图两步法的星载单光子数据去噪方法。先后采用沿轨小窗口直方图粗去噪与距离平方统计直方图精去噪,实现星载单光子回波数据中的噪声光子有效剔除。利用该方法对美国星载单光子激光雷达先进地形激光测高系统(ATLAS)的强与弱波束、白天和夜间、平地与山地3种典型情况下的回波光子数据进行实验,结合ATLAS官方去噪结果,基于混淆矩阵统计去噪精确度。实验结果表明,强波束数据去噪精确度为98.86%,弱波束数据去噪精确度为96.94%;夜间数据去噪精确度为99.02%,白天数据去噪精度为98.86%;山地数据去噪精确度为96.28%,平地数据去噪精确度为96.94%。说明本文方法适用于常见的以上3种典型情况下的星载单光子数据去噪。     

一种采用最小平方中值的改进极线校正方法

鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法。在未标定摄像机的情况下,首先使用SURF(speededup robust features)算子对立体影像进行特征点提取与匹配,然后利用RANSAC算法与LMedS算法对匹配点进行基础矩阵估计,基于基础矩阵根据极线校正准则对影像进行重采样,得到校正后的立体影像。最后利用垂直视差均值、方差和均方根距离3个评价指标对极线校正的结果进行精度评价。实验结果表明,与RANSAC算法相比,改进的方法消除垂直视差的效果更好,影像变形较小,可以为三维重建过程中视差图的生成提供更可靠的结果。