基于数字视差模型的立体影像最小二乘密集匹配

提出一种基于数字视差模型的立体影像最小二乘密集匹配方法。在高精度初始匹配点的基础上构建数字视差模型,利用多项式内插的方法预测出加密点的初始同名点位置,以结构相似性指数作为相似性测度进行加密点的粗匹配,然后利用最小二乘匹配算法将匹配精度提高至子像素级,最后由随机抽样一致性方法剔除误匹配点。实验结果表明,该方法能较为迅速地预测出加密点的同名点初始位置,且具有较高的匹配正确率,能得到十分密集的匹配点集,可以高效地应用于立体影像的密集匹配任务中。

基于有理多项式系数模型的物方面元最小二乘匹配

针对物方面元最小二乘匹配仅适用于单中心投影框幅式成像的匹配制作区域DSM问题,提出基于有理多项式系数(RPC)模型的物方面元最小二乘匹配算法,结合匹配窗口区域内多中心平行投影方式,构建RPC模型下的投影方程,将物方面元最小二乘匹配算法从适用于单中心投影框幅式成像扩展到适用于多中心投影推扫式成像的立体匹配,并用SPOT5-HRG、GeoEyeI、KONOS立体影像进行试验验证。试验表明,RPC模型能用于物方面元最小二乘匹配且不损失匹配精度,增加了物方面元最小二乘匹配的应用范围和价值。

采用金字塔分解的最小二乘影像匹配算法

最小二乘（ＬＳ）算法因其高精度而在影像匹配中被广为采用，但单纯的ＬＳ算法有收敛范围小、收敛速度慢等缺点．本文实现了结合金字塔分解的ＬＳ匹配算法，此算法能大大增加单纯ＬＳ算法的收敛范围，提高匹配率，而运算时间与单纯ＬＳ法基本相当，并且保持了它的高精度．实验表明，此算法的精度高、匹配率高、收敛范围大。

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像 ,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法 .算法首先利用特征提取与边缘检测对图像进行预处理 ,并且将特征匹配与最小二乘算法相结合 ,从而实现了图像与模板之间精确的子像素定位与匹配 .实验表明 ,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷 ,图像矫正效果良好 ,是一种有效的畸变图像矫正算法 .

相关系数和最小二乘影像匹配算法的实现与研究

基于相关系数的影像匹配和最小二乘影像匹配是两种比较基础的影像匹配方法。介绍了这两种方法的原理,算法的设计与实现,基于相关系数进行核线影像的匹配以及进一步采用最小二乘进行影像匹配,并根据试验结果对两种方法进行分析,从提高运行效率和提高精度两个角度提出了优化思想,为提高影像匹配效率提供了参考。

基于最小二乘影像匹配的超分辨率重建

通过序列影像间的互补信息改善影像失真和退化的超分辨率重建,其关键是精确获取序列影像间的运动信息。该文讨论了一种基于最小二乘影像匹配的高精度运动估计方法,根据最小二乘影像匹配的高精度同名像点,获取同名点在序列影像间的运动信息,从而进行低分辨率序列影像的子像素级运动信息精确估计,据此进行超分辨率重建。利用一组模拟低分辨率序列影像进行的超分辨率重建验证结果表明:基于最小二乘法运动估计精度较高,采用迭代反投影法重建影像具有较好的视觉效果,该方法尤其适用于存在平移运动的影像序列的超分辨率重建。

基于像方特征点的多视影像最小二乘匹配

为了能得到更精确的影像初始值,进行高精度的影像匹配,本文分别选取了两种物方多视匹配模型和不同匹配策略、不同约束条件下的影像粗匹配结果作为初始值进行最小二乘精匹配。实验结果表明物方匹配模型可以提供很精确的初始值,而金字塔、视差和共线方程共同约束下的最小二乘匹配精度更高,可靠性、鲁棒性及稳定性更好,验证了结合合理的匹配策略和约束方法的最小二乘优化可以将匹配精度达到1/10 000精度。

基于最小二乘法的多影像像点自动匹配算法

针对多源遥感影像的像点匹配问题,提出了一种结合相关系数法和最小二乘法的多影像自动匹配算法。该算法采取由粗到细的匹配策略,首先通过影像上像点间的坐标差值估算出基准影像上的待匹配像点在各影像上的大致位置,然后运用相关系数法进一步精匹配,最后采用基于最小二乘法的多影像匹配算法确定最佳匹配点位。实验结果表明,该算法匹配成功率高、运行速度快。

相关系数与最小二乘影像匹配算法的研究

相关系数法和最小二乘算法是进行影像匹配的两种常用方法,文章以核线影像为影像匹配的数据源,采用以上两种算法进行影像匹配的实验,对两种影像匹配算法的计算速度、算法的优势、缺陷及改进方案、匹配结果的精度等方便进行了讨论。

带约束条件的特征与最小二乘影像匹配

讨论了一种新的边缘检测方法和用链码描述的线矩数学模型，给出了基于不变线矩匹配的约束条件，并采用基于特征与最小二乘结合实现了精确的子像素匹配。

最小二乘影像匹配算法的实现与研究

最小二乘影像匹配算法是数字摄影测量中常用的影像匹配方法之一。文章探讨了最小二乘影像匹配算法的基本原理,介绍了该算法程序实现的关键问题,分析了其实验结果并与相关系数法进行了比较,最后为最小二乘影像匹配算法的改进提供了建议。

最小二乘影像匹配算法设计与实现

针对影像匹配问题,对最小二乘法影像匹配的算法进行了研究,理解了该算法的匹配原理,并应用测试程序对该算法进行测试。

基于最小二乘匹配影像道路网提取方法

本文利用最小二乘匹配算法进行遥感影像道路网提取,介绍了道路网提取的主要过程,通过对影像进行预处理、种子点选取、最小二乘匹配、道路段筛选和连接来实现道路网的提取。

基于多通道影像的最小二乘匹配算法

随着摄影以及信息存储和通信技术的提高,人们从影像中获取的信息量得到很大的提升。本文提出了一种基于多通道影像的最小二乘匹配算法,利用影像中获取的多通道信息构建最小二乘误差方程进行匹配计算,并采用某大学校区影像数据进行试验验证。结果表明,基于多通道的最小二乘匹配算法扩大了影像匹配窗口内像素的信息量,提高了影像匹配的精度和稳定性。

基于多视影像匹配模型的倾斜航空影像自动连接点提取及区域网平差方法

自动可靠地获取精确且均匀分布的连接点并进行区域网平差解算,是使用倾斜航空影像进行高精度测绘、三维信息提取和三维城市模型构建等应用的前提。本文提出了一种实用化的大重叠率倾斜航空影像的全自动连接点匹配和联合区域网平差方法。一方面,针对倾斜航空影像因遮挡严重、尺度变化大和几何变形严重而引起的同名点匹配困难问题,充分利用POS数据和平均飞行高度等初始数据,同时顾及这些数据的误差,通过有效组合一种改进的ASIFT算法和基于窗口的多角度多视影像匹配模型(WMVM),使用由粗到细的多分辨率分层匹配策略完成连接点的全自动提取;另一方面,在传统的最小二乘光束法平差的基础上,根据倾斜航空影像数据的特点,提出了基于稳健估值原理的粗差自动探测与剔除关键算法。最后,利用多组典型试验区域的倾斜航空影像数据试验结果验证了所提算法的可靠性、精度和实际性能。

一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法

动态视频的超分辨率复原中,连续各帧图像间的精确匹配具有非常重要的意义。该文提出一种基于多尺度最小二乘仿射块匹配的图像配准方法。首先定义了一个指标Dmv来衡量图像的整体和局部匹配效果,并以此为基础设计了一种多尺度块选择机制,根据图像的运动情况选择匹配块大小,以兼顾图像中运动平坦和非平坦区域的匹配效果。与传统的块匹配方法不同,该文采用基于仿射模型的最小二乘配准方法实现各图像块的匹配,并通过修正步长的归一化处理解决了不同大小图像块在匹配时的收敛问题,从而在提高参数估计精度的同时降低了算法的运算量。最后,通过实验对算法的匹配性能及其对超分辨率复原算法整体性能的影响进行了测试。实验结果表明,该方法不仅可以实现更为准确的运动估计,当用于最大后验概率MAP超分辨率复原算法时,能够进一步有效提高算法的复原性能和实现速度。

基于偏最小二乘法的平南县森林蓄积量估测模型研究

以平南县两景CBERS—02B影像为遥感数据源,提取CBERS—02B影像5个波段、植被指数的灰度值;利用研究区1∶10 000地形图提取海拔、坡度、坡向等GIS因子;以各遥感因子和GIS因子为自变量,研究区样地蓄积量为因变量,采用偏最小二乘法建立了森林蓄积量估测模型。结果表明:(1)CBERS—02B遥感影像5个波段,植被指数,郁闭度、海拔高、坡向、坡度等与蓄积量相关性不显著,且各因子之间存在明显的多重相关性;(2)运用偏最小二乘法建立的森林蓄积量估测模型,精度为85.44%,相对误差仅为-0.232%。研究结果为科学、准确、高效地估测森林蓄积量提供了理论依据和有效方法。

数字摄影测量最小二乘影像匹配原理和精度分析

本文讲述了数字摄影测量中数字影像匹配的方法-最小二乘影像匹配方法,并进行了精度分析。

遗传算法和最小二乘匹配相结合的DEM匹配方法

针对传统最小二乘无控制DEM匹配方法拉入范围小的问题,提出了一种遗传算法和最小二乘匹配相结合的无控制DEM匹配方法,为了克服基于传统匹配模型的遗传匹配方法易陷入缩放系数为0的错误全局最优极值处的问题,建立了采用距离等级划分的DEM匹配模型。在此基础上,设计了遗传算法和最小二乘匹配相结合的匹配方法流程。仿真和实际数据实验结果均表明,该方法能够保持最小二乘法匹配精度高和遗传算法拉入范围大的优点,并有较好的稳定性和较高的收敛效率。

基于加权整体最小二乘法的无人机影像配准

在经典的遥感图像配准中,多项式回归模型一般假设参考控制点(RCPs)是没有误差的。然而,实际情况是RCPs含有误差,并且不同图像之间RCPs残差中误差也不尽相同。通常,最小二乘(LS)方法仅考虑观测向量中的误差,而整体最小二乘(TLS)方法则同时考虑观测向量和系数矩阵的误差,并假设它们具有相同的残差中误差。针对上述情况,引入更为合理的加权整体最小二乘(WTLS)方法对多项式回归系数进行估计。实验结果表明,与LS和TLS方法相比,WTLS方法能够更好地求取几何变换的多项式系数,其图像配准精度明显提高。