基于级联变换的光学和SAR图像配准算法

针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题,提出了一种基于级联变换的多源遥感图像配准方法.首先,利用灰度变换提取光学和SAR图像间的稳定结构特征,去除辐射差异性;然后,提出一种新的加权对数极坐标变换算法,解决图像间全局几何差异性,保证算法的尺度和旋转不变性,并初步得到整体的平移量;最后,通过局部几何变换,得到一系列的匹配点对,构建薄板样条模型,实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力,与传统的多源图像配准算法相比,基于级联变换的配准算法鲁棒性好,配准精度高.     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

遥感影像图像拼接算法研究

针对高分辨率遥感影像的图像特点,采用SURF特征算法实现对图像的快速拼接。该方法利用SURF算子提取特定区域的图像特征;并应用图像的几何特征做进一步的特征点筛选,以提高图像拼接效率,减少计算误差;利用RANSAC配准算法对图像进行配准,以消除误匹配;对于光照不均匀情况,致使拼缝图像插值不均匀,可采用三次样条插值法处理,使拼接后图像整体更符合人眼评价标准。     

基于图像配准的无人机目标精确定位算法

为了满足"察打一体化"无人机精确打击目标的要求,针对现有目标定位算法的准确率低、实时性差的特点,本文提出了一种基于图像配准的无人机目标精确定位算法。该算法主要分为两个阶段:特征点检测阶段和目标精确定位阶段。首先采用基于侧抑制竞争的特征点检测算法,实现局部图像中目标特征点的检测工作;然后利用图像局部信息的配准算法,完成目标所处的局部区域图像的精确配准工作,最终实现了目标的高精度定位。实验结果显示该算法的定位精度可以达到0.21m,能够满足精确作战时的目标情报保障需求。     

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

基于结构特征的机载LiDAR数据与航空影像自动配准

针对现有机载LiDAR数据与航空影像配准方法对匹配特征具有较强的依赖性,易受数据等影响的问题,提出了一种基于结构特征的自动配准方法。该方法首先提取LiDAR距离图像与对应影像的结构特征,利用初始姿态参数将LiDAR结构特征投影至影像坐标系下,根据结构特征的几何约束条件获取初始匹配点集,完成粗匹配;接着利用粗匹配结果计算直接变换模型（DLT）参数,并以此为初值引入双点几何约束,采用循环迭代的匹配策略,不断剔除错误匹配,获得一组新的匹配点集,完成精匹配;最后根据精匹配结果,采用基于单位四元数的空间后方交会方法解算航空影像的姿态参数,实现机载LiDAR数据与航空影像的自动配准。实验证明,该方法受噪声影响小,能实现机载LiDAR数据与航空影像的自动配准。     

一种基于深度和局部特征的分布式光电图像配准方法北大核心CSCD

针对分布式光电成像系统采集的红外和可见光图像在配准时易受噪声影响,配准精度不高问题,提出一种基于卷积神经网络深度特征和RIFT局部特征的图像配准算法。首先基于改进的AVIRnet提取待配准红外和可见光图像的卷积深度特征,利用深度特征进行初匹配,得到初步的空间关系;然后在重叠图像区域内提取RIFT特征点;最后对局部特征点进行修正,得到最终的匹配点对,估算出精确的变换矩阵。实验结果表明:本文方法通过深度特征和局部特征两次匹配,对非线性辐射差异具有不变性,满足了分布式光电红外和可见光图像配准的精度要求。     

基于图像配准的纸币图像识别方法

提出了基于图像配准的多光谱纸币图像识别架构,通过对纸币图像的配准来实现相似纸币识别、纸币防伪特征检测。由于纸币图像同时具有显著的结构特性和不稳定的局部特性,采用分级的变换模型对纸币图像配准：对于全局的刚性形变采用基于Harris角点特征的仿射变换算法,对于纸币图像局部非刚性形变采用基于B-样条的FFD模型的非刚性配准算法。实验表明,本模型能很好的完成纸币图像的配准,并在相似纸币识别和红外防伪特征检测方面能达到较高的精确度。     

多源遥感影像高精度自动配准方法研究

针对遥感影像本身存在纹理差异,特征点提取不均匀的自动配准问题,提出了一种新的多源遥感影像高精度自动配准方法。首先,对Harris算子进行了改进,使其提取特征点覆盖范围更广;然后,对影像进行分块处理,对每块用文章改进的Harris算子进行特征点提取,并采用分块迭代剔除策略,保证了特征点在整幅影像中的均匀分布和非冗余分布;其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配,完成了最终同名点选取;最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理,能够更好地实现多源遥感影像的高精度配准,具有一定实际意义。     

一种视觉导航影像特征点整体匹配算法

视觉导航领域已有的影像特征点匹配算法主要基于描述子的相似性度量,由于需要大量特征点且缺少对影像整体特征的考虑,影像匹配的实时性和可靠性受到影响。为此,提出一种基于聚类分析的影像特征点整体匹配算法。该算法对特征点集进行基于距离的聚类分析筛选出具有代表性且重复率较高的特征点,参考特征点分布情况将目标影像和待匹配影像剖分为4个区域,从每个区域随机选取两个特征点计算基本矩阵,基于核线约束和位置约束进行特征点的整体匹配并依据特征点间的几何相似性对匹配结果进行检核。选取慕尼黑工业大学彩色-深度数据集、无人机、移动机器人拍摄的影像进行影像匹配试验,结果表明,提出算法匹配正确率高达到97.1%,平均匹配时间小于25 ms,可以满足实时匹配的要求。     

Delaunay三角网优化下的小面元遥感影像配准算法

针对遥感影像配准中控制点分布不均匀而影响配准精度的问题,论文提出三角网优化模型下的小面元遥感影像配准算法。首先利用RFM模型与DSM数据对其进行正射纠正;其次采用SIFT算子匹配特征点,通过RANSAC算法对其优化;同时设置影像边缘格网点,综合利用仿射变换、核线约束和灰度相似性约束匹配边缘格网点;构建初始Delaunay三角网,通过三角单元面积与角度双重约束优化三角网;最终通过扫描线填充算法实现小面元影像配准。多组实验结果表明该算法在遥感影像配准中的适用性和有效性,影像配准精度可达到亚像素级,使得存在地形起伏的遥感影像配准问题得到了有效解决。      

改进模型估计的无人机侦察视频快速拼接方法

针对提高无人机侦察视频的拼接速度与效果的问题,提出一种改进模型估计的无人机侦察视频快速拼接方法。首先,基于自适应鲁棒性尺度不变的特征检测子对视频各帧进行基于点的特征匹配。其次,提出改进的随机抽样一致性算法进行模型估计,并去除误匹配点。最后,提出侦察影像快速拼接算法,计算各影像变换到正射拼接图的单应性矩阵,完成视频序列拼接。实验结果表明:改进的随机抽样一致性算法在保证鲁棒性的同时,提高了执行速度;侦察影像快速拼接算法提高了拼接速度,同时改善了拼接效果。     

一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

结合NARF特征的改进型3D-NDT多视点云配准

提出了一种精确有效的多视图配准算法。首先,使用NARF算法对每幅点云进行关键点检测,并以NARF关键点为原点建立局部坐标系,估算FPFH描述符;其后使用基于RANSAC的对应估计和对应关系去除算法剔除错误对应关系,确定三维特征匹配点对,并求解出变换矩阵,完成初始配准。然后,使用3D-NDT算法体素化点云,并使用概率分布函数对点云精细配准。最后,使用逐步匹配法对一系列点云进行配准,使其全部配准到统一坐标系中。实验结果证明,该算法能精确的对由KinectV2.0获取的同一场景不同角度的多幅点云图像进行配准,且其配准精度较高。      

耦合相位一致性与互信息的光学影像与SAR影像配准方法

针对光学和SAR影像间非线性辐射差异和乘性噪声导致匹配效果不佳的问题,提出了一种耦合相位一致性与互信息的光学影像与SAR影像自动配准方法。首先,基于相位一致性矩特征图在参考影像上检测均匀分布稳定的特征点。其次,构建一种新的相似性测度最大索引图互信息,采用模板匹配策略实现同名点快速识别。最后,通过边缘化样本共识算法剔除外点,并利用分段线性变换模型几何纠正,实现光学-SAR影像间的精配准。对4组中高分辨率光学与SAR影像进行了实验,实验结果表明,所提方法相较于其他先进方法具有更高的配准精度。     

改进配准测度的SUFT红外图像快速配准算法

为方便电路板卡故障诊断,实现红外图像快速、有效配准,提出一种基于SUFT(Speeded-Up Robust Features)和相似四边形的红外图像快速配准算法。该算法首先对红外图像进行特征点检测,生成SUFT特征点描述子;然后采用欧氏距离进行相似性度量,提取粗匹配特征点对,再利用相似四边形进行精匹配,去除误配准点对;最后依据精匹配点对求解变换模型参数,实现红外图像的配准。实验表明,改进后的算法能有效剔除误匹配点对,提高配准精度,配准结果较理想,与同类算法相比耗时较短。因此该算法具有快速性、稳定性等优点,且配准精度较高,有很好的实用价值。     

邻域多维度特征点结合相关熵的点云配准北大核心CSCD

针对传统点云配准中存在配准精度低、耗时长的问题,提出一种邻域多维度特征点结合相关熵模型的点云配准方法。首先根据邻域点的加权投影信息、表面曲率和法向量夹角提取特征点;其次用二值化的方向直方图描述子(B-SHOT)进行特征描述与匹配,然后利用刚性距离约束剔除误匹配,并通过随机采样一致性算法获取初始变换矩阵;在精配准阶段,以点到面的距离为准则双向搜索对应点,并通过多种几何特征约束剔除误匹配点对,最后迭代最大相关熵模型的目标误差函数完成精配准。实验结果表明,本文算法比迭代最近点算法(ICP)的配准精度提高了15%~97%、配准效率提高了约90%。     

一种基于特征提取的点云自动配准算法

针对在不同视角下所获得的三维点云数据,提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点,综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明,与传统ICP算法相比,该算法在运行时间与精确度上都有着明显的提升。     

基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理.核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法.本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准.实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准.