- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
计算机软件及计算机应用论文_集成SIFT算法与检
作者:网站采编关键词:
摘要:文章目录 引 言 1 实验部分 1.1 基于尺度不变的影像的特征点提取 (1) 构建“最佳尺度空间” (2)特征点检测 (3)特征点主方向确定 (4)特征点描述 1.2 基于“马氏距离”的位置匹配 1.3 基于
文章目录
引 言
1 实验部分
1.1 基于尺度不变的影像的特征点提取
(1) 构建“最佳尺度空间”
(2)特征点检测
(3)特征点主方向确定
(4)特征点描述
1.2 基于“马氏距离”的位置匹配
1.3 基于NNDR模型影像相似度检测
1.4 基于RANSAC的误匹配处理
2 结果与讨论
2.1 试验数据与试验平台
(1)数据源。
(2)试验平台。
2.2 基于尺度不变的影像特征点提取处理结果
2.3 集成马氏距离位置匹配与NNDR相似度检验
2.4 综合RANSAC的误匹配剔除改进
3 结 论
文章摘要:低空无人机(UAV)测量凭借着低成本、高效率、高精度的数据采集模式,可快速获取高空间分辨率的影像数据,已经成为遥感领域的一种重要技术手段。其中,影像匹配技术是UAV影像数据处理的重要步骤,图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂,植被覆被率高及地物分布不规则等问题存在,致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制,大场景影像需要借助多幅影像匹配拼接得到。目前,基于特征点的影像匹配是一种图像配准技术,不仅适用于低重叠度影像之间的匹配,还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术,提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。主要技术流程为:首先,基于SIFT算法,进行尺度空间的极值检测,构建高斯金字塔函数,通过高斯差分运算来实现特征点定位,并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析,据此生成适合UAV影像特征的描述符;其次,集成“马式距离”和NNDR模型的综合运用,进行特征点对的第一次约束优化提取及相似度检测,在此基础上,利用RANSAC算法,引入匹配点对的均方根误差值(RMSE)进行第二次约束,以实现匹配错误点对的剔除,保证了影像匹配精确优化。此外,为了证实所提出优化算法的有效性,选择了1组高原山地典型地貌UAV影像数据进行匹配试验,结果表明:面向高原山地复杂地形进行无人机影像匹配中,所提出的改进算法不仅可以提取大量的特征点对,同时还可以提高同名特征点的检测正确率,并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。
文章关键词:
论文分类号:TP391.41
文章来源:《影像研究与医学应用》 网址: http://www.yxyjyyxyy.cn/qikandaodu/2022/0507/2044.html