Matlab环境下直线特征匹配中笛卡尔积的应用

针对传统的图像间直线特征编组匹配算法中采用笛卡尔积运算存在的计算量巨大、计算复杂等问题,本文提出了一种改进的采用分步笛卡尔积运算方法运用于直线匹配的算法,大大减少了候选线段集数量,提高了整个匹配的效率。实验数据和结果进一步验证了该算法的高效性和有效性。

尺度、旋转以及亮度稳健的高分辨率影像直线特征匹配

针对点特征匹配方法中特征的独特性不高,在弱纹理区域的影像匹配存在不足等问题,提出了一种尺度、旋转以及亮度稳健的高分辨率影像直线段特征匹配方法。首先,对待匹配的影像进行边缘检测和拟合,提取直线段特征;然后,将直线段特征分级,利用特征的方向关系匹配长直线段特征;最后,以同名长直线段特征对作为控制基础,以角度和距离作为量化特征,构造关系描述符,实现短直线段特征的匹配。实验结果表明,由于在同一幅影像中,每条特征直线段所在直线都有唯一对应的直线方程,特征的独特性很高,所以可以很好地避免误匹配,得到的正确匹配概率为90%以上,且均方根误差达到了亚像素级。该匹配方法在弱纹理区域比点特征匹配方法具有明显的优势,能够较好地满足应用需求。

局部结构约束下的宽基线影像直线特征匹配

针对宽基线影像视角变化导致现有直线特征匹配方法难以获得可靠匹配结果的问题,本文在局部结构约束下提出了一种对影像视角变化具有较强稳健性的直线特征匹配方法。首先,对影像进行直线特征提取并按照一定的规则进行特征编组;其次,基于直线特征几何结构关系构建视角不变特征区域,计算其特征描述符并进行相似性度量,获取直线特征初始匹配结果;然后,利用初始匹配结果中的直线特征区域顶点坐标关系构建约束条件剔除错误匹配;最后,设计直线特征扩展匹配算法,提高直线特征匹配率。试验结果表明,与传统直线特征匹配算法相比,本文方法在有显著视角变化的宽基线影像之间能够获得更多的同名直线特征和更高的匹配正确率。

直线特征立体匹配中的不确定性问题

直线特征断裂和提取不完整、过提取是直线特征提取结果中常见的不确定性问题,是影响直线特征立体匹配结果的关键因素。提出一种以边缘检测结果为依据定量描述这些不确定性的方法,依据已提取直线特征延长线附近边缘点分布,定义直线特征端点定位的概率密度函数,以单条直线特征的不确定性描述为基础,计算断裂直线特征编组假设的可靠性测度,进而计算用于衡量立体图像中任意两条直线特征匹配假设可靠性的核线约束测度和灰度相似性测度。应用真实遥感立体图像,对比已有方法,结果证明了本文方法能够有效提高直线特征匹配结果对于两类直线特征提取不确定性问题的抑制能力。

基于半直接方法的序列影像直线特征跟踪匹配算法

针对序列影像相邻帧间相对运动较小的特点,提出了一种基于半直接方法的序列影像直线特征跟踪匹配算法。首先,选取关键帧进行点特征和直线特征的提取与匹配;然后,利用运动恢复结构算法对直线上的特征点进行重建;接着,通过反向合成图像对齐算法实现相邻帧的直线特征点的跟踪和摄像机相对位姿估的计;最后,由跟踪特征点实现对直线特征的跟踪匹配。采用两组不同的序列影像数据对算法进行了验证,实验表明所提算法能够实现序列影像直线特征的准确跟踪匹配,并能同时估计得到摄像机的位姿;摄像机的位姿估计误差随着帧数的增加而累积。文中还提出了一种新的序列影像直线特征跟踪匹配算法,该算法仅利用直线上的稀疏特征点就可实现对相邻影像间的直线特征的准确跟踪匹配,并能估计得到摄像机的运动轨迹。但是,该方法存在累积误差,需要进一步改进。

面向街景影像的直线特征迁移学习匹配方法研究

街景影像因存在畸变较大、亮度变化、遮挡等问题,易导致街景影像匹配困难。建筑物包含丰富的直线特征,可显著提高街景影像的匹配精度。本文利用迁移学习的思想,通过自定义街景影像数据集对SOLD2预训练模型进行迁移学习,以实现基于直线特征的街景影像准确匹配。首先利用单应性变换结合训练检测器生成自定义数据集上的原始伪真值,并将数据集的点线真值作为图像标签信息。然后利用自定义数据集对预训练模型参数进行迁移训练。实验结果表明,本文所提方法能够克服街景影像线特征广泛存在的遮挡等问题,可取得更好的直线匹配效果。本文的研究可为城市影像三维精细重建等提供技术支持。

一种基于星表特征直线匹配的着陆器位姿估计算法

针对深空探测星际着陆过程中的自主导航问题,提出一种基于星表特征直线的着陆器位姿估计算法。该算法首先采用EDLine算法对着陆过程中所拍摄的图像进行特征直线提取;其次根据直线局部特征对特征直线进行匹配;之后利用至少3对已匹配的特征直线,建立关于着陆器位姿的几何约束方程;然后根据奇异值分解法得到着陆器位姿的候选解;最终通过最小二乘法从候选解中选取着陆器位置、姿态的唯一解。仿真结果表明:该算法可以快速估计着陆器位姿,且在高度为2 000 m时位置误差小于2 m、姿态误差小于0.10°。

局部图像特征直线描述算法综述

局部图像特征直线的描述现如今不仅是图像特征直线匹配过程的关键和基础,还已成为人工智能和计算机视觉领域中的研究难点和热点问题之一。它不仅被广泛应用到宽基线匹配、图像检索、图像拼接、3D重建等计算机视觉任务中,还被应用到产品质量检测、指纹解锁、自动工件检测等实际工程应用中。近年来,随着人工智能的发展和深度学习在许多领域的成功应用,文献中出现了诸多相关学者针对局部图像特征直线描述问题而提出的不同算法。本文对经典且具有代表性的局部图像特征直线描述算法进行阐述、分析总结以及全面客观评价,最后总结归纳了局部图像特征直线描述的现状、所面临的困难与挑战以及未来可能的研究走向,为相关学者未来的研究工作提供一定的参考。

基于联合特征块学习的特征直线描述方法

特征直线描述是特征直线匹配过程的关键和基础。为了改善手工设计方法在复杂场景下存在区分性弱、鲁棒性差的缺陷,提出了一种基于联合特征块学习的特征直线描述方法。首先,在原有的小型直线数据集上重新构造直线块,即通过联合每幅图像中直线支撑区域内像素的亮度与梯度获得固定大小的直线块。其次,将获得的直线块输入预先训练的L2-Net,使用微调策略和三元组损失函数训练网络。最后,输出紧凑且强区分性的特征直线描述子。特征匹配任务的实验结果证明,所提出的基于联合特征块学习的特征直线描述方法与最先进的手工直线描述符相比,更具有优越性和有效性。

基于DSM和影像特征的城市变化检测

随着城市的快速发展,城市的变化也越来越明显。为了能更好地为城市规划人员、城市管理决策人员及时提供信息,有必要对城市的变化发展进行适时地监测。利用大比例尺的航空影像来对城市地区的人工建筑物的变化进行检测,根据城市地区人工建筑物的变化主要反映在高度上的变化这一特点,利用两个不同时期的立体像对,从而生成两个不同时期的数字表面模型(DSM),在此基础上来检测出城市地区人工建筑物的变化区域。由于DSM影像上不仅有人工建筑物的变化反映在高度变化上,而且也有其它如树木等的变化反映在高度变化上。由于检测的目的是了解城市地区内人工建筑物的变化情况,所以利用DSM提出待选变化区域,在待选变化的区域中利用了梯度方向直方图、灰度匹配、及直线特征匹配等方法来针对城市地区人工建筑物的变化进行进一步的分析。利用日本的两个不同时期的1∶1万的航空影像进行了实验,从实验结果来看,所提出的方法是可行的,同时该方法简单、直观且易于操作。