一种稳健的多源遥感图像特征配准方法

提出了一种稳健的多源遥感图像特征配准方法.首先引入相位一致性变换来消除图像灰度、对比度差异的影响并提取特征点;然后基于Zernike矩重构互相关函数并通过重构函数最大化实现图像旋转条件下的特征点匹配,同时结合双向最大互相关值匹配策略实现图像的粗略配准;最后,采用迭代修正变换参数算法最终实现多源遥感图像高精度配准.对大量多源图像进行配准实验表明,提出方法对多源遥感图像配准具有较强的适应性且配准精度高.

一种改进的辐射不变特征多源图像配准算法

针对多源图像匹配算法辐射不变特征变换(RIFT)计算成本高的问题,该文提出了改进RIFT算法。采用最大值图替换最大索引图来构造旋转不变描述子,大幅降低了构造旋转不变描述子的数量,提高了计算速度,并构造了一种似GLOH描述子,使其具有更高的独特性和旋转不变性,提高了正确匹配率。配准实验结果表明,该算法对于非线性辐射差异具有不变性,能够检测出大量的重复特征点,并快速构造旋转不变描述子,能够较好地实现多源遥感图像的自动配准。

不同生长时期果树多源图像的配准方法研究

为了实现苹果树冠层的三维重建,指导智能剪枝、疏花和采摘,构建了集成光学混合探测(PMD)摄像机和彩色摄像头的图像采集系统,研究了不同生长时期的多源图像配准方法。从相似度评价指标和PMD图像的像素可靠性两个方面来描述果树不同生长时期图像的不同特征。结合图像的特征信息,提出了应采用基于深度信息的多源传感器标定技术,实现果树从开花期到成熟期的图像配准;对休眠期到发芽期的果树图像应采用基于图像特征的多源图像配准算法。对自然场景下的成熟期、休眠期、开花期果树图像共90组进行图像特征分析和不同配准方法试验验证,成熟期和开花期的匹配率达到100%,休眠期的匹配率达到86.11%。

利用Zernike多项式的LiDAR点云和光学影像配准方法

针对激光雷达(LiDAR)点云与光学图像配准时提取的可用特征少的问题,该文提出了一种利用Zernike多项式的LiDAR点云与光学图像配准的方法。该方法能够在LiDAR点云数据和光学图像的基础上,同时提取Zernike多项式特征,用Zernike多项式特征构造配准描述子,实现LiDAR与光学图像的精确配准。实验结果表明,该文提出的配准方法能在多维度上对特征点进行表征,更突出目标特征,拟合精度更高,在几何角点多的场景中提高了LiDAR点云与光学图像的配准精度。