图像拼接技术能够很好地解决单张拍摄照片的视野狭窄问题,是数字图像处理的一个重要分支.其一般步骤是先粗匹配,后提纯,然而在用随机抽样一致性算法(random sample consensus,RANSAC)提纯时,将粗匹配的所有特征点对都进行迭代运算,运算...图像拼接技术能够很好地解决单张拍摄照片的视野狭窄问题,是数字图像处理的一个重要分支.其一般步骤是先粗匹配,后提纯,然而在用随机抽样一致性算法(random sample consensus,RANSAC)提纯时,将粗匹配的所有特征点对都进行迭代运算,运算量较大,导致拼接速度慢.针对该问题,文中采用了ORB(oriented FAST and rotated BRIEF)算法,并结合空间一致性检测理论来改进RANSAC算法,以提高拼接速度.文中采用ORB算法提取特征点,并进行粗匹配;在RANSAC提纯之前,先进行一次空间一致性检测,从而缩小RANSAC抽样总量,减少迭代次数.分别用ORB+改进RANSAC算法和ORB+RANSAC算法对两组图片进行对比实验,实验表明,ORB和改进RANSAC算法的结合在保证匹配精度的基础上提高了匹配速度.展开更多
针对无人机遥感图像配准对于实时性和稳健性的要求,提出了一种基于ORB(Oriented FAST and rotated BRIEF)和改进RANSAC的无人机遥感图像配准算法。首先通过ORB算法快速进行特征检测和特征描述;接着使用正反双向匹配和余弦相似度方法进...针对无人机遥感图像配准对于实时性和稳健性的要求,提出了一种基于ORB(Oriented FAST and rotated BRIEF)和改进RANSAC的无人机遥感图像配准算法。首先通过ORB算法快速进行特征检测和特征描述;接着使用正反双向匹配和余弦相似度方法进行特征点粗匹配;最后,结合空间一致性检测理论、PROSAC(Progressive sampling consensus)算法和L-M(Levenberg-Marquardt)算法来综合改进传统RANSAC(Random sample consensus)算法,对匹配点对进行了提纯并计算出变换矩阵。实验结果表明,本文改进算法的匹配正确率和配准精度分别达到了97.8%和0.563,较ORB+RANSAC算法提高了7.5%和20.6%,较ORB+PROSAC算法提高了4.3%和10.1%。在提纯耗时方面,改进RANSAC算法耗时最短,约占传统RANSAC算法耗时的68.3%和PROSAC算法耗时的90.1%,有效提高了无人机遥感图像配准工作的速度和精度。展开更多
文摘图像拼接技术能够很好地解决单张拍摄照片的视野狭窄问题,是数字图像处理的一个重要分支.其一般步骤是先粗匹配,后提纯,然而在用随机抽样一致性算法(random sample consensus,RANSAC)提纯时,将粗匹配的所有特征点对都进行迭代运算,运算量较大,导致拼接速度慢.针对该问题,文中采用了ORB(oriented FAST and rotated BRIEF)算法,并结合空间一致性检测理论来改进RANSAC算法,以提高拼接速度.文中采用ORB算法提取特征点,并进行粗匹配;在RANSAC提纯之前,先进行一次空间一致性检测,从而缩小RANSAC抽样总量,减少迭代次数.分别用ORB+改进RANSAC算法和ORB+RANSAC算法对两组图片进行对比实验,实验表明,ORB和改进RANSAC算法的结合在保证匹配精度的基础上提高了匹配速度.
文摘针对无人机遥感图像配准对于实时性和稳健性的要求,提出了一种基于ORB(Oriented FAST and rotated BRIEF)和改进RANSAC的无人机遥感图像配准算法。首先通过ORB算法快速进行特征检测和特征描述;接着使用正反双向匹配和余弦相似度方法进行特征点粗匹配;最后,结合空间一致性检测理论、PROSAC(Progressive sampling consensus)算法和L-M(Levenberg-Marquardt)算法来综合改进传统RANSAC(Random sample consensus)算法,对匹配点对进行了提纯并计算出变换矩阵。实验结果表明,本文改进算法的匹配正确率和配准精度分别达到了97.8%和0.563,较ORB+RANSAC算法提高了7.5%和20.6%,较ORB+PROSAC算法提高了4.3%和10.1%。在提纯耗时方面,改进RANSAC算法耗时最短,约占传统RANSAC算法耗时的68.3%和PROSAC算法耗时的90.1%,有效提高了无人机遥感图像配准工作的速度和精度。
