一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

基于SIFT-SRBICP算法特征点云提取与配准研究

针对图像特征点提取效率低和稳定性差,点云集在实际情况下由于尺度变换引起的匹配不准确和旋转角变化过大引起的配准效果不佳的问题。本文对SIFT、SURF及ORB三种算法进行对比分析,验证了SIFT算法在解决图像特征点提取问题上优于其它两种算法。本文采用SIFT算法进行特征点提取,并提出基于改进型的SRBICP算法对点云进行配准,该方法不仅增加了初始信息素的随机性和考虑了尺度矩阵的边界,并加入了旋转角约束矩阵、动态迭代系数以及退火系数等因素对点云配准模型进行构建。最后采用基于开源GNU/Linux系统所搭载的的Ubuntu操作系统,在Ubuntu系统平台上进行仿真实验,实验结果表明,改进后的算法比传统ICP算法配准精度提高了约50%,同时配准速度提高了约40%。     

基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

基于SIFT特征的遥感影像自动配准

提出了一种基于特征点的全自动高分辨率遥感影像配准方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过RANSAC方法和双向匹配策略提高特征点的匹配精确度。最后利用同名特征点构建影像间的转换模型,实现高精度影像纠正与配准。实验结果表明,该算法具有较强的匹配能力和鲁棒性。     

云底高度测量中SURF特征匹配的应用研究

针对基于双目成像的云底高度测量中云图像不易检测同名点的特点,提出了基于SURF(Speeded Up Robust Features)特征匹配算法的检测方法。利用SURF算法检测特征点并构建描述子,采用FLANN(Fast Library for Approximate Nearest Neighbor)算法进行特征匹配,运用随机抽样一致性算法RANSAC(Random Sample Consensus)过滤掉错误匹配。实验表明,该方法对多种云图像匹配都具有良好的效果。     

基于图像锐化的SIFT图像复制粘贴篡改检测

SIFT算法提取图像的特征点多为图像目标的边缘点,对于较模糊图像而言,直接使用SIFT算法提取特征点后进行特征点匹配,会降低特征点的匹配数量和匹配正确率,甚至对于复制粘贴篡改图像不能做出正确的判断。所以,提出先对被检测图像利用梯度法进行锐化,使图像目标边缘变得清晰,再用SIFT算法提取特征点及后续操作,以提高匹配的正确率。实验表明,改进算法性能有明显提升。     

基于SIFT算法的视觉导航方法的研究

本文提出了一种基于SIFT算法和相对定向直接解算方法的视觉定位匹配方法,可解决SIFT算法无法准确定位的问题。SIFT算法通过构建尺度空间、检测极值点、确定关键点等步骤为含有位置信息的视觉图片序列生成关键特征点,然后,计算每个关键特征点周围图像区域的旋转不变纹理特征,并将其作为该关键特征点的描述,进行SIFT初匹配,利用得到的相匹配坐标进行相对定向直接解算,从而得到载体在运动中的位置坐标和运动轨迹。实验结果表明,本方法能够较为准确的得到物体在运动中的位置及其运动轨迹,误差较小,有很好的应用性。     

一种混合式图像特征检测与匹配算法研究

基于图像的三维重建近年来成为摄影测量和计算机视觉等学科的研究热点,其关键技术是将图像中的特征点进行提取和匹配,本文提出了一种混合式的图像特征检测与匹配算法。混合算法基于传统的Harris角点检测算法和SIFT算法,通过降采样构建图像尺度空间并提取Harris角点,采用综合图像色彩标准化算法(CCIN:Comprehensive Color Image Normalization)预处理图像,计算三色通道下的SIFT描述子,并二值化,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台上实现混合算法,测试3组不同图像,结果表明,混合算法提取的特征数量优于Harris算法和SIFT算法,且特征分布均匀,采用了具有色彩属性的描述子,特征匹配正确率达到了90%以上。混合算法能提高特征提取的数量,提高特征匹配正确率,为后期三维重建建立基础。     

基于Canny边缘特征点的接触网绝缘子识别方法

针对使用机器视觉技术对接触网绝缘子状态检测时的绝缘子识别问题,提出一种结合Canny边缘特征和SURF点特征的绝缘子识别算法。该算法首先提取图像边缘特征,然后使用SURF算法在边缘图像上提取特征点,并利用Haar小波对特征点进行描述;对检测出的特征点使用欧氏距离比值法进行初匹配;最后用RANSAC算法消除由噪声等干扰产生的错误匹配,从而实现接触网绝缘子智能识别。实验结果表明,该算法能在有背景干扰、小幅度旋转的目标图像中准确识别出绝缘子,为电气化铁路接触网绝缘子智能清洗的视觉识别定位问题提供了可行参考。     

一种基于金字塔相似层的SIFT双向匹配算法研究

针对SIFT特征匹配算法误匹配点多和特征空间中遍历搜索速度慢的问题,提出了一种基于分层策略的SIFT双向特征匹配算法。首先,建立待匹配图像的金字塔影像,计算图像的SIFT特征点,并根据不同金字塔层将特征点划分为不同的集合;其次,选择某一层集合,在另一图像中寻找相似层,并确定两幅图像金字塔层之间的相似关系,在相似层之间设置阈值完成单方向匹配;然后,利用单向匹配结果完成已配对点集合的反向匹配。实验结果证明本文方法能降低匹配时间,提高匹配正确率。     

基于透视强度影像特征的点云配准算法

针对大规模测绘项目,靶标的布设和定位通常耗费大量人力.本文提出基于透视强度影像特征的点云配准算法,对于站-站配准,首先利用点云数据生成待配准点云的透视强度影像;其次,从强度影像中提取角点,通过特征匹配的方法确定同名点,并将同名点的像点坐标转换为物方三维坐标;最后,依据同名点的三维坐标,基于奇异值分解方法估计站-站之间的...     

基于SIFT特征的消防侦察图像自动拼接算法

提出了一种基于尺度不变特征变换（SIFT）特征的消防侦察图像自动拼接算法,并介绍了该算法的具体工作原理。该算法首先通过消防侦察机器人采集火场图像,利用SIFT变换捕获图像中的特征点,然后通过有效匹配和变换矩阵的有效估计,并对重叠区域实施加权融合,实现图像拼接。仿真结果表明,该算法具有良好的拼接效果,为消防侦察提供更加全面和可靠的图像信息,有利于后方指挥中心的合理决策。     

基于遗传算法的DEM粗匹配研究

传统最小二乘无控制DEM匹配方法基于LZD算法实现,该类方法对基准DEM与待匹配DEM之间的初始匹配状态要求较高,其应用受到较大限制。为了解决该问题,提出了一种基于遗传算法的DEM粗匹配方法,结合遗传算法全局最优化的需要,设计了一种新的匹配模型,对最小二乘匹配方法的拉入范围、遗传匹配方法收敛效果和粗匹配效果进行了实验分析。结果表明,基于遗传算法的DEM粗匹配方法能够在基准DEM与待匹配DEM之间状态差异较大时,为最小二乘匹配方法提供合适的初始匹配状态。     

基于小波变换法的无人机图像拼接技术研究

无人机影像获取作为快速获取震后灾情信息的一种手段,近年来已被广泛使用.为了实现震后高图像分辨率和大收容面积,给后方指挥决策提供有效数据支撑,需对图像做拼接处理.在图像配准环节中,为解决边缘特征存在缝隙、边界不平滑的问题,采用小波变换和Canny算法结合的边缘提取算法,可提取出较为完整的大边缘,求出图像匹配点,然后使用最...     

基于点云数据的隧道中轴线自动提取方法研究

隧道中轴线可以反映隧道的整体走势,而中轴线的准确性影响着隧道点云数据的后续处理。对此,该文提出一种自动提取中轴线的方法,将点云数据投影后利用单位圆极坐标相邻角度差来确定边界点,根据RanSAC算法对不同参数模型进行统计,对直线段、缓和曲线及曲线的曲段进行区分,然后利用RanSAC算法对不同区段拟合,提取各区段的中轴线,对各区段中轴线进行加权整体最小二乘法拟合,最终得到整段中轴线。该文采用上海隧道点云数据进行了中轴线自动提取实验。实验证明了该方法能有效提取中轴线。     

Automated Registration of 3D Scans Using Geometric Features and Normalized Color Data

Abstract: Laser range sensors are playing an increased role in construction. These devices are used to collect a large number of points from different locations and then, those points are registered in a common framework. This article describes a new procedure for the registration of point clouds, especially suited to the fields of architecture and cultural heritage. Often, in these fields, the registration of point clouds is subject to errors due to the fact that an important number of points do not lie on particular geometric features. In this article, an accurate and efficient approach for 3D data registration based on Iterative Closest Point (ICP) algorithm is proposed, which takes advantage of the color data acquired along with range data. Points suitable for registration are selected according to their local geometry and/or color properties, thus a significant improvement on performance convergence and processing time is obtained. The algorithm performs an automatic, on‐the‐flight estimation of the overlapping region, taking into account possible color differences produced by lighting changes through the measurement process. The proposed approach has been tested on real scanned data from cultural heritage buildings and compared to other approaches, showing a better performance in terms of automation degree, accuracy, and speed.     

Fast automatic registration of range images from 3D imaging systems using sphere targets

The use of 3D imaging systems (e.g., laser scanners) in construction has grown significantly in the past decade. Range images acquired with such systems often require registration. This paper describes an automatic method to rapidly locate spheres and perform a registration based on three pairs of matching points (centers of fitted spheres) in two range images. The proposed method is directly applicable for regularly gridded datasets obtained with instruments that are typically used for construction applications and whose maximum ranges are greater than 50 m. A lab was scanned from two locations at three different scan densities. Four spheres were located in the lab, and the total number of points hitting the four spheres was a small fraction (< 0.01%) of all the points in the dataset. At the highest scan density, the registration of two datasets with 6.4 × 10⁶ and 3.4 × 10⁶ points is obtained in less than 30 s. At the medium scan density, two range images with 1.6 × 10⁶ and 0.8 × 10⁶ points can be registered in less than 2 s.     

基于影像匹配的无控空三精度试验

以广西某地区新航摄遥感影像数据为例,利用已有1∶10 000 DOM和DEM,通过影像匹配获取并自动提取控制点,实现无需外业控制的空中三角测量。通过检测空三和DOM产品的平面和高程精度,表明该方法在保证精度可靠性的同时,极大提高了成图效率。