基于SIFT改进的无人机图像匹配算法

针对无人机图像匹配时间较长的问题,提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点,它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点,从而提高算法的速度。同时,为了弥补FAST算法在高斯差分金字塔上搜索的不足,使用了基于Ostu和GA的图像分割算法对图像进行分割,对分割图像构建高斯金字塔,在高斯金字塔上进行特征点搜索。实验结果表明,与传统的SIFT算法相比,改进算法提高了无人机图像匹配的速率和正确率。

一种基于斜率差和方位角的矢量数据匹配算法

矢量空间数据同名特征点搜索和同名特征点匹配是对多时相、多尺度地理实体要素进行变化检测的关键技术。结合矢量空间数据的坐标特征和方位角,提出一种同名地理实体要素特征点搜索与匹配算法。该算法采用分步取点的思想,分别提取曲线X、Y方向上的极值点为初始特征点,利用各极值点斜率差的绝对值作为约束条件删除冗余极值点。在上述提取结果中,两个相邻特征点通常存在较大变形,需添加部分合理特征点。综合利用特征点坐标方位角和距离进行同名特征点相似度匹配,分别利用线实体和面实体进行试验验证。结果表明:本研究算法能够适用于线实体和面实体特征点的提取与匹配,并具有良好的精度和可行性。