星载光学遥感图像特征误匹配剔除方法研究

误匹配剔除是提高特征匹配精度的重要手段,星载光学遥感图像由于数据量大、纹理重复、光照强度变化等特点,导致现有误匹配剔除方法的性能下降。针对此问题,提出一种基于局部和全局几何约束的误匹配剔除方法。在初始匹配集的基础上,首先利用特征局部一致性对误匹配进行初步过滤;然后根据图像间的变换关系构建特征拓扑结构,并提取其几何属性描述结构相似度,基于此建立特征全局结构一致性约束模型,通过推导模型的最优解剔除残留误匹配;采用引导式匹配策略,选取局部一致性高的匹配点组成高内点率匹配集,以此作为特征全局邻域,提高全局约束的鲁棒性和效率。实验结果表明,与现有方法相比,所提方法对星载光学遥感图像的匹配性能更优,平均精确率、召回率分别为0.9和0.89;在不同内点率的初始匹配集上表现鲁棒,平均F分数为0.86。

基于多种几何约束的图像误匹配剔除算法

尺度不变特征变换SIFT由于其良好的性能在图像匹配中具有广泛应用,但传统的SIFT特征匹配结果中仍然会包含不少的错误匹配.提出了一种基于多种几何约束的误匹配剔除算法,该方法利用匹配点对之间多种几何约束的组合来识别并剔除错误的匹配,具体包括方向角算法、邻域信息算法、点线距离算法和局部相似三角形算法.实验结果证明:这一基于组合策略的方法能有效地剔除错误匹配,并且极大限度地保留正确匹配.

改进误匹配剔除的SLAM算法

为改善ORB特征点提取与匹配过程中存在的部分误匹配现象,提高智能移动机器人的位姿估计精度,基于ORB-SLAM2系统框架改进误匹配剔除算法,对RGB图像中ORB特征点的提取进行优化,同时降低关键帧中ORB特征点的误匹配率。实验结果表明,改进误匹配剔除的SLAM算法较RANSAC算法在正确匹配点对数量和运行速度上分别提高了7%、38%。在进行同步定位与地图构建时,采用德国慕尼黑工业大学的公开TUM数据集分别对ORB-SLAM2与改进误匹配剔除的SLAM算法有效性进行验证,后者均方根误差和均值误差较前者分别优化了26%和20%。改进误匹配剔除的SLAM算法不仅能快速处理相机读取的每一帧图像,而且能提高正确匹配点对数量与回环检测精度,从而提升智能移动机器人的位姿估计精度。

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其他两种误匹配点剔除算法,且时效性也较RANSAC算法好。

基于有向线段误匹配剔除的煤矿巷道复杂场景图像拼接方法

为解决煤矿巷道复杂场景图像特征点误匹配较多和图像拼接过程中易出现的投影失真问题,提出了一种基于有向线段误匹配剔除的煤矿巷道图像拼接方法。首先,使用SIFT(Scale Invariant Feature Transform)算法进行图像特征提取与匹配,得到粗匹配点对;然后构造相邻图像粗匹配点对有向线段模型,利用线段的方向和长度属性对误匹配点对进行一次剔除;接下来建立各自图像之内的特征点有向线段模型及其方向标签,再对相邻图像对应有向线段进行方向匹配,并通过概率统计模型对误匹配点对进行二次剔除,得到最终的精匹配点对;最后,建立图像网格模型,利用AANAP(Adaptive As-Natural-As-Possible)算法对齐拼接图像,并使用加权平均法融合图像,完成图像拼接。在煤矿巷道图像和4组公共数据集上进行特征匹配和图像拼接试验,该算法较RANSAC(RANdom SAmple Consensus)算法实时性更好,匹配点精度更高;并且对应的煤矿巷道图像拼接的配准精度更高,得到的全景拼接图观感自然度更好。试验结果表明,该算法对于煤矿巷道复杂场景具有较高拼接精度和较好的拼接效果,同时具有较好的鲁棒性和有效性。

一种基于仿射变换的SIFT误匹配剔除方法

针对基于尺度不变特征转换(scale invariant feature transform,SIFT)在配准过程中存在大量误匹配的问题,提出一种基于仿射变换的误匹配剔除方法.该方法首先根据SIFT算法粗匹配后得到的初始匹配点对,利用最小二乘法求解仿射变换的系数,然后通过不断迭代去除均方根误差较大点对的匹配关系.以长汀县不同时相的TM影像配准为案例的实验结果表明,所提出的方法简明高效、配准精度优于目前被广泛使用的RANSAC误匹配对剔除方法.

多目鱼眼视觉SLAM特征点误匹配的剔除优化

为了解决由于鱼眼图像显著失真和明显的视角差异而导致的定位精度下降的问题,提出了一种去除多目鱼眼视觉SLAM系统中误匹配特征点的策略。该策略采用从粗到细的误匹配特征点去除过程,在粗匹配阶段,使用阈值为0.6的匹配算法获得粗匹配阶段的初始点集。在精细去除阶段,采用预校准的多摄像机模型将匹配的特征点转换为同一坐标系,并将其作为承载向量投影到单位球上,利用球上的外极约束去除不匹配的特征点。在去除不匹配的特征点后,在投影球面上建立重投影误差函数,对初始姿态点和映射点进行非线性优化。该策略在24 000张鱼眼图像上进行了测试,结果表明,该剔除策略显著降低了失配率,提高了初始化和定位精度,有效地提高了系统的定位精度和性能效率。

遥感影像匹配中的反定位误匹配剔除算法

图像匹配的准确率和精度一直是瓶颈问题,直接制约遥感影像的自动化处理。在简要分析现有典型误匹配剔除方法的基础上,提出了能够适应遥感影像自动化匹配与处理的REPRAM(Reverse Positioning Re-fining Algorithm in Matching)算法,给出了REPRAM排除法和优选法的原理和性能分析,在不需要相机的外参数、内参数以及控制点的情形下,相对分离了正确同名点与错误同名点之间的相互影响,尽量保留正确同名点,最大限度剔除错误同名点。大量遥感影像和航拍影像测试表明,算法的稳健性强,在初始匹配正确率为30%的情况下,在设定误差容限内,算法的可靠率仍能在99.5%以上。

基于主方向的SIFT误匹配点剔除方法

针对RANSAC方法在剔除SIFT误匹配点方面的不足,提出了一种基于主方向的SIFT误匹配点剔除方法。结果表明,该算法与RANSAC相比,耗时较少,剔除效果更好,保留的正确匹配点数更多,且当误匹配点数量多于正确匹配点时也能得到很好的剔除效果。

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。

基于聚焦线索的数字图像误匹配点剔除仿真

当前方法对数字图像误匹配点剔除未引用离散马尔可夫随机能量,不能直接与待估计图像匹配,导致数字图像匹配正确率低、误剔除率高、均误检率高,提出基于聚焦线索的数字图像误匹配点剔除方法。按照模糊聚焦线索对数字图像的深度信息进行估计,通过高斯函数对数字图像深度信息做模糊处理,对数字图像深度信息提取;引用离散马尔可夫随机能量,凸显图像的分布特征,与待估计图像直接匹配,利用交叉双边滤波法对数字图像深度滤波;在此基础上,利用双向匹配策略对数字图像的特征点进行匹配,并根据视差约束条件来剔除数字图像的误匹配点,实现了对数字图像误匹配点的剔除。实验结果表明,在对数字图像误匹配点进行剔除时,提出方法数字图像匹配正确率较高、误剔除率和数字图像平均误检率较低,验证了提出方法良好的性能。

一种基于图像特征点信息的误匹配点剔除改进算法

误匹配点剔除是基于特征点图像匹配过程的重要一步,关系到图像匹配的精确度。在特征点匹配求精方面,改进基于特征点信息的误匹配点剔除算法,通过自适应特征点邻域半径得到的邻域特征点数量及位置信息进行逐步求精,克服原算法不能处理尺度变换的情形。实验结果表明,该算法简单高效,剔除误匹配点对能力较强,具有尺度、旋转不变性,同时,该算法具有较好的鲁棒性,正确性。能基本满足图像匹配的精度要求。

SVR在异源图像误匹配点对剔除中的应用

针对红外和可见光图像匹配算法中普遍存在正确匹配率低的问题,提出了一种基于支持向量回归(sup-port vector regression,SVR)的误匹配点剔除算法.算法在已知特征匹配点对的基础上,将点坐标作为SVR的训练样本;通过SVR建立回归模型,拟合匹配点对的坐标映射函数;最后根据映射函数判定匹配点对的正确性,实现误匹配点对的剔除.实验表明,本文算法对于误匹配点的判定与剔除具有明显的效果.与随机抽样一致性算法相比,能够在不损失正确匹配的前提下有效减少误匹配对,具有较高的正确率.

一种基于空间二次梯度的图像误匹配点剔除算法

由于基于特征点的图像匹配算法只考虑了特征点的相似性，没有考虑特征点的空间位置信息，因此易产生误匹配的问题。本文针对该问题提出一种基于空间二次梯度的误匹配点剔除算法，该算法通过先空间排序整合，再初次梯度分区，二次梯度剔除的方法很好地剔除了误匹配点。

基于马氏距离谱特征的图像匹配算法

传统的基于谱特征的图像匹配算法中,采用的欧式距离度量不能公平地反映数据样本各维度分量之间的潜在关系,并且当存在较大的形变和出格点时匹配精度和稳定性较差.为了解决谱特征构造中所存在的问题,文中提出一种基于马氏距离谱特征的图像匹配算法.该算法首先利用马氏距离在子特征点集上构造局部无向加权图;接着对图的关联邻接矩阵进行奇异值分解,用特征值向量构造描述点集属性的马氏距离谱特征;然后根据马氏距离谱特征构造出匹配矩阵,并利用贪心算法得到图像特征点之间的匹配关系;最后,为了进一步提高匹配的精度,采用SVM方法剔除误匹配点.大量实验结果表明,该算法提高了匹配的精度,并且对出格点问题具有较高的鲁棒性.

多传感器辅助的快速图像匹配算法

针对现有图像匹配算法效率和精度难以兼顾的问题,提出了多传感器辅助的快速图像匹配算法。该算法利用FAST算法提取特征角点,再利用SIFT算法为特征点生成主方向和描述符;并结合基于点积的相似度度量,利用多传感器输出的姿态数据辅助搜索策略,以完成快速初匹配;最后通过统计特征点距离误差的方法剔除误匹配点,获取最终同名点集。实验表明,该图像匹配算法在效率和精度方面均优于传统的SIFT算法,能够满足增强现实系统对图像匹配算法的精度高、速度快的要求。

DEM辅助下的倾斜航摄影像匹配方法

在倾斜航空摄影测量中,倾斜影像间由于视角差异较大,具有较大几何变形,而具备仿射尺度不变性的ASIFT算法存在效率较低的问题,提出一种DEM辅助下的倾斜航摄影像匹配方法。该方法通过利用影像的粗略外方位元素和测区的DEM数据,首先对倾斜影像进行仿射变换来减弱几何变形;然后通过SIFT特征匹配算法来获取同名点对,并使用RANSAC剔除误匹配;最后将同名点对根据单应矩阵反算回原影像,以基础矩阵估计法剔除误匹配,获得最终匹配点对。通过对多组数据进行实验,结果表明,该算法的计算效率较高,获得的匹配点对在数量和分布情况上也更为理想。

用于多通道单分子定位的高精度图像配准方法

单分子定位技术可以绕过光学系统的衍射限制,在生物样品的单粒子追踪和超分辨显微成像中得到了广泛应用.多通道单分子定位采用多个成像通道,可以实现对不同目标的同时追踪或多色超分辨成像,也可以提升单粒子追踪的轴向深度或实现更高的定位精度和密度.但各通道图像间的差异会影响协同定位或定量分析,因此图像配准是其图像数据预处理的关键环节;且由于单分子定位精度高,其对多通道图像配准精度的要求也很高.现有技术一般采用基于控制点的配准方法,且多采用复杂而精密的方式来获取基准物网格图像用于定位得到控制点对,以实现高精度图像配准,对样品或实验设备要求高,难以直接推广.为此,本文基于局部非线性变换和误匹配点剔除,发展了一种可以直接采用随机分布荧光珠样品作为基准物的高精度图像配准方法,通过在特征匹配和变换模型参数估计的过程中对控制点进行监测和迭代筛选,以剔除因单分子定位不准确或精度差而导致未精确匹配的控制点对,从而消除以随机分布荧光珠样品作为基准物时对于控制点准确获取和精确匹配所带来的不良影响,同时采用基于局部加权平均的二阶多项式拟合进行变换模型参数估计,以更好地适用于不同通道间存在局部非线性形变的情形.结果表明,采用该方法只需要3次迭代,就可以将未准确定位和精确匹配的控制点对找到并剔除,从而实现更准确的变换模型参数估计,将配准精度提高一个数量级,在图像局部非线性形变情况严重的正交像散双通道单分子定位成像系统中实现了约6 nm的配准精度.

基于特征的宽基线立体匹配技术研究

在立体匹配技术中,宽基线匹配技术具有更广泛的应用领域。在宽基线条件下,由于摄像机视点范围的变大,使得同一空间目标在两视图上的方向和尺度都发生变化。同时,透视变形使得目标的形状也发生变化,所以需要选择具有仿射不变特性的局部特征实现立体匹配。文中对近年来的基于特征的宽基线立体匹配技术进行了归类总结,包括特征提取算法及算法分析、相似性度量方法以及误匹配的剔除算法等。最后指出了宽基线立体匹配算法迫切需要解决的问题。