共查询到10条相似文献,搜索用时 15 毫秒
1.
为了提高多视点云拼接算法的稳定性及其拼接的精度和效率,对现有的ICP算法进行了优化,提出了基于最小二乘法的混合定位点云预拼接方法,对两块点云进行了粗略拼接,获取了两块点云中可匹配部分的对应点集,并给出了具体的算法,进而提出了基于总体最小二乘法的点云精确拼接算法,对两块点云进行了精确拼接,实现了现有ICP算法的优化,保证了拼接的全局收敛性和算法的稳定性,减少了算法的迭代次数,提高了点云拼接的精度和效率. 相似文献
2.
为了提高多视点激光图像的场景重构能力,提出基于激光成像及VR技术的多视点图像场景重构技术。建立多视点激光场景图像虚拟现实三维重构模型,在大气散射环境下进行多视点激光场景图像的光强自适应融合,采用分块特征匹配技术进行多视点激光场景图像的信息增强处理,采用激光散射光晕点匹配方法进行多视点激光场景图像的细化滤波处理,采用激光散射光晕点特征检测方法进行图像特征提取,使用亮度分量进行多视点激光场景图像特征细节透射分析,对提取的多视点图像场景特征信息采用卷积神经网络学习方法进行多视点激光场景图像场景融合和特征重构,实现多视点激光场景图像虚拟现实三维重构。仿真结果表明,采用该方法进行多视点激光场景图像虚拟现实三维重构的精度较高,峰值信噪比较高,图像细节特征分辨力和准确性较好。 相似文献
3.
4.
针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。 相似文献
5.
针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。 相似文献
6.
基于SIFT算法的异源遥感影像自动匹配研究 总被引:2,自引:0,他引:2
由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。 相似文献
7.
自由视点立体视频既可以给观看者强烈的立体感,又可以为用户同时呈现不同角度的视点画面。但是垂直视差的存在,会影响合成立体图像的质量,出现图像的模糊,严重的垂直视差会使图像出现“跳跃”现象,甚至不能观看。因此,多视点图像的校正是提高3DTV观看质量的重要步骤之一。现阶段关于双视点图像校正技术的研究已较多,但多视点图像校正研究却需深入。其中,基于多相机标定参数的校正算法需要提供预先的标定数据,应用不便。本文提出了一种在无多摄像机标定参数情况下,消除垂直视差的校正方法。首先,使用SIFT算法提取图像特征点。然后,利用多视点图像公共点的匹配关系,选取唯一基准视点图像平面计算各视点校正矩阵。实验结果表明,该方法有效降低了垂直视差,限制了校正误差的传播,从而保持了校正后图像质量的一致性。 相似文献
8.
分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。 相似文献
9.
10.
针对多源SAR(Synthetic Aperture Radar)图像几何精处理需要大量离散控制点的问题,文章中提出一种级联SIFT(Scale Invariant Feature Transform)匹配算法.首先,采用大尺度自适应各向异性高斯SIFT(Adapted Anisotropic Gaussian-SIFT,AAG-SIFT)算法进行图像粗配准,大尺度AAG尺度空间可以在模糊不稳定局部纹理干扰的同时,保持图像的结构信息,提高算法的鲁棒性;其次,级联一种局部SIFT匹配算法,在粗配准后图像间进行局部匹配,避免不相关区域内重复纹理对特征匹配的影响;最后,通过尺度和旋转等先验条件筛选匹配点对,保证匹配结果的准确性.对比实验表明,级联SIFT处理可以增加提取同名点的数量和空间分布质量,而且匹配点定位准确. 相似文献