图像匹配中误匹配点检测技术综述

近年来,具有尺度、旋转不变性的SIFT(scale-invariant feature transform)及其改进算法,在图像匹配中得到了广泛应用并极大提高了匹配精度,但是无论采用何种匹配方法,总会产生误匹配点。因此,误匹配点检测也是图像匹配的一个重要步骤。为了使国内外同行对现有误匹配点检测方法有较全面的了解,对这些方法进行了综述。在参考国内外大量文献的基础上,将现有误匹配点检测方法分为三类:基于函数拟合的方法;基于统计模型的方法;基于图的方法。对以上三类方法进行了综述,并对各个方法的优缺点进行了分析;最后,提出了误匹配点检测中还需要解决的一些问题,并给出了基本的解决思路。

GSSAC:一种用于遥感影像配准的误匹配点检测方法

遥感影像配准中,由于光照、成像角度、几何变形等因素的影响,无论采用何种配准方法,总会产生误匹配点,因此误匹配点检测也是一个非常重要的步骤。针对常用RANSAC(random sample consensus)方法不稳定、无法准确检测分布不均匀匹配点的缺点,提出了分组排序采样一致性(group sorted cample consensus,GSSAC)方法来提高误匹配点检测的稳定性和精度。分组排序采样方法首先将匹配点分为若干组,在每组内计算匹配点的误差并排序,然后在每组中分别采样若干个匹配点组成估算模型参数需要的匹配点。实验结果表明,GSSAC方法可以稳定地获得高精度的检测结果。

一种基于多波束测深仪的水下同步定位与地图构建方法

数据库辅助导航系统(DBRNS)可以校正惯性导航系统(INS)的累积误差,是自主水下潜航器的重要辅助导航手段,但DBRNS的有效运行依赖于高分辨率的基准图。为解决这一问题,提出一种基于多波束测深仪的图优化同步定位与地图构建(SLAM)方法。该方法在通用图优化SLAM方法的前端部分增加误匹配检测模块,减少了错误闭环对结果造成的不良影响。此外,新方法将局部灰度值编码算法用于闭环检测模块以提高闭环检测的精度。基于真实海底地形图的仿真实验结果表明,相对于通用图优化SLAM方法,采用新方法对INS轨迹进行校正可以取得更高的定位精度。

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。