结合Forstner与NCC约束的UAV图像配准研究

随着无人机(unmanned aerial vehicle,UAV)技术的飞快发展,UAV已成为航空遥感图像获取的重要手段。但与传统的大飞机航空摄影相比,UAV在平台的稳定性方面较差,采集图像时受自身配重、即时飞行环境等外界因素影响,使得最终获得的遥感图像存在复杂的几何变形,导致其图像配准过程存在很大的困难。针对此问题,首先基于UAV的POS数据进行图像重叠区域估算,利用Forstner算子提取图像中的特征点并结合信息熵对图像进行分块处理;然后通过基于旋转的归一化互相关(normalized cross-correlation,NCC)系数寻找相匹配的同名特征点,最终实现UAV图像的配准。实验结果证明该方法切实有效,并且保持了较好的鲁棒性。

Forstner特征点分类和精确定位方法探讨

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Forstner点特征提取算子探讨一种Forstner特征点分类和精确定位方法。首先利用一定的方法判定Forstner特征点的类别(即角点、圆点、中间点中的一种),然后根据该特征点的类别进行精确定位。通过对一组无人机数据进行实验,试验表明:相比Forstner算子的初步定位,精确定位的特征点精度显著提高。

Forstner算子及其改进

对于数字影像中的目标我们想要确定它的位置,只靠简单的数据是不够的,这时候我们就要借用算子。就算子进行介绍并引入了算子的一些改进思想。

混合Forstner算法和SIFT灰度图像特征点提取

提出了一种混合Forstner算子和SIFT相结合的图像特征点提取算法。本文首先介绍了灰度图像特征点提取的原理,接着针对传统的Forstner算子需要对图像中所有的像素点进行扫描导致速度比较慢等问题,采用SIFT算法快速准确地去除一些无关的点,然后在剩下的点中进行提取。实验结果证明了本文提出的方法能够有效地提取图像关键点信息。

基于简化Forstner算子改进的SIFT无人机图像识别算法

根据无人机获取图像信息量大、处理实时性要求高的特点,寻找一种符合无人机特点的图像目标识别算法,提高图像识别的效率。SIFT(Scale Invariant Features Transform)算法具有良好的准确性和鲁棒性,能够克服一定的图像形变及遮挡影响,但其还难以满足无人机图像的处理实时性,利用简化的Forstner算子对SIFT算法进行改进,降低SIFT算法特征点获取过程的计算量。通过仿真实验,证明改进的SIFT算法可以提高识别和匹配的速度和准确率,可以满足复杂背景下无人机目标识别精度与速度的需求。

基于改进的FORSTNER算子特征点提取方法

影像特征点提取是基于特征点影像匹配和三维重建的基础,对于数字影像中的目标,只靠简单的数据是不够的,这时候就要借用算子来确定。而FORSTNER算子原理简单,针对其可以提取角点、边缘上的点和圆点,精度高等优点进行探索。基于FORSTNER算子的基本原理,提出了一种改进的的算法,并设置了新的阈值,通过实验与MORAVEC算子进行对比,验证该算法不仅提高了准确度,还简化了计算量。

基于方差约束与几何不变特性的图像匹配算法

为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配,忽略了图像的结构信息,使其存在较多的误匹配的问题,本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于Forstner算子计算像素点的兴趣值,以检测图像的特征;计算图像的梯度信息,获取图像的方向值,并切割图像特征的圆形邻域,从而获取扇形子域;以图像的方向值为基础,通过计算扇形子域中的灰度不变矩,输出对应的特征向量;引入区域方差函数,获取图像的结构信息,将其加入至图像特征的匹配过程,以约束欧式距离的测量结果,实现图像特征匹配;最后利用匹配点间的几何不变特性,对匹配特征去伪求真,优化匹配结果。测试数据表明:相对于已有的匹配技术,在对无变换图像、缩放图像以及旋转图像匹配时,所提算法拥有更高的匹配准确度,分别达到了96.56%、95.38%和93.52%。

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息熵值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。

基于SURF描述子的遥感影像配准

针对多源遥感影像的配准问题,提出一种基于SURF描述子的匹配算法,该算法具有稳健及高精度特性,采用SURF匹配算法得到同名点,利用一次多项式、Forstner算子和最小二乘原理由粗及精地剔除残差较大的同名点,利用提取的密集同名点构建三角网,对影像进行分块精确纠正。实验结果表明,该算法能够实现多源遥感影像的高精度配准。

基于图像灰度点特征提取算子的比较研究及改进

现阶段常用的基于图像灰度的点特征算子有Moravec算子、Harris算子、Forstner算子和Forstner改进算子,不同算子的提取速度、定位准确性、稳定性存在一定的差异。通过人造测试影像和真实拍摄影像测评各算子的提取速度、定位准确性、稳定性、参数自适性,比较得出各算子的优缺点,并在此基础上提出一种改进算子。研究结果表明:改进算子具有稳定性强、定位精度高和自动设置阈值的特点。

基于机器视觉的服装尺寸在线测量系统

在服装尺寸在线测量过程中,针对传统人工测量所带来的误差率高、成本高、效率低等问题,提出了一种基于机器视觉的服装尺寸在线测量系统。服装尺寸在线测量系统从硬件和软件2个方面进行设计。系统硬件部分主要功能是通过CCD相机实现服装图像的采集;系统的软件部分是整个系统的核心,通过角点检测算法对特征点进行提取和定位,针对Forstner算法需要对图像中的每一个像素点进行扫描,从而导致检测速度比较慢的问题,采用SIFT算法先对图像进行快速的筛选,去除一些无关的点,然后运用Forstner算法在初选点集中进行角点提取。通过对提取出的关键角点进行坐标定位分析和比例尺寸测量,得到所测服装的真实值,并且运用友好的人机界面显示出尺寸测量的结果。所设计的系统用于对512×512的256级灰度图像进行检测,尺寸测量的标准误差均小于0.25 mm,重复性精度接近5 mm。实验误差和尺寸测量精度能够达到服装尺寸测量的标准。

基于低空摄影测量影像的特征点提取算子比较研究

影像匹配是低空遥感数据处理的核心步骤,而特征提取是影像匹配的基础。该文从兴趣算子的角度分析了摄影测量中几种主流特征点提取算法:Moravec算子、Forstner算子、SUSAN算子、Harris和SIFT算子,以角点类型较多的普通几何图形、卫星遥感影像和动力三角翼拍摄的低空遥感影像为数据,通过实验得到各算法的速度、精度、局限性和适应性。针对低空摄影测量影像,以重复率为指标定量比较和分析了各算法在抗噪、抗对比对变化、抗光照变化和抗旋转变化等方面的性能。实验结果表明,针对灰度信息丰富的低空遥感影像,SIFT算子具备尺度不变性,抗噪性最好,Harris算子提取速度最快,Forstner算子精度最高。实验结论为低空摄影测量影像处理提供了一种可行性方法。

遥感图像配准中特征点选择的高性能算法研究及其实现

在基于特征点的遥感图像配准过程中 ,特征点的自动、快速提取是影响配准精度和速度的关键 .采用手工选择特征点 ,能够保证特征点的分布 ,但是自动化程度低而且耗时 .该文提出了一种用于解决特征点选择的高性能算法 .该算法选择的特征点分布均匀 ,保证了配准的精度 ;特征点的选择过程完全自动化 ,并通过并行优化进一步提高了算法的效率 .

一种自动检测棋盘角点的新算法

提出了一种自动获取棋盘角点的新算法。该方法采用由粗到精的多层次检测策略,通过综合使用Radon变换、Harris算子以及Forstner算子,能够快速准确地提取出图像中的棋盘点。与传统方法相比,该算法具有两个明显的优点:无须人工干预,能够自动确定角点位置;定位精度高,角点的平均位置偏差在0.1个像素以内。

改进的亚像素级快速角点检测算法

针对采用手工选择特征点能够保证特征点的均匀分布,但是自动化程度低而且耗时的问题,提出一种自动获取亚像素角点的新算法.该方法采用一种由粗到精的多层次检测策略,先采用SUSAN算法对角点粗定位,在此基础上用Forstner算子对角点精确定位.实验证明:文中的算法不仅保证SUSAN算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且对噪声具有鲁棒性.特征点的选择过程无须人工干预,完全自动化.算法克服了手工选择特征点耗时及自动化程度低的问题,而且能提取某些特殊性质的角点,具有自动自适应检测性能和较强的实用性.

基于图像灰度的点特征提取算子参数自适应研究

目前基于图像灰度的点特征提取算子的参数选择均根据经验值手动设置。然而该方法常需多次设置比较后才能得到较好的特征点,所以有必要研究各算子的参数自适应。通过真实拍摄影像测试了各算子参数对提取特征点的影响情况;在此基础上提出各算子的自动设置参数算法,并通过3种对比度不同的影像分别测试了各自动设置参数算法的特征点提取效果。研究结果表明:各自动设置参数算法都能自动检测较优的参数值,避免了手动设置参数的不确定性,提高了影像特征点提取的效率。

一种基于点特征的高精度图像配准方法

提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集特征点,利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像,再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用性。

余弦约束法则耦合改进RANSAC策略的图像匹配算法

目的提高当前图像匹配算法的匹配精度与鲁棒性。方法引入Forstner算子,精确提取图像特征点;采用一阶Haar小波来生成特征点主方向,并通过求取Haar小波响应来生成特征描述子;利用特征向量构建余弦约束模型,联合特征向量的距离度量方法构成双重匹配约束,从而完成特征点之间的匹配;引入投票机制对RANSAC方法进行改进,制定多重筛选方法对伪匹配点进行剔除,完成图像匹配。结果与目前图像匹配方法相比,文中提出的算法具有更强的鲁棒性与匹配精度,在特征总数为200个时,所提算法的匹配正确数量达到196个。结论所提匹配技术具有较好的匹配正确率,对包装印刷产品的识别以及信息安全检测等领域具有较好的应用价值。

基于立体匹配技术的光流场计算方法

光流场的计算是移动机器人领域一个很重要的研究课题,但现有的光流场计算方法并未充分利用移动机器人的特点。本文假设移动机器人配备了双目视觉系统和码盘,在此基础上提出了一种基于立体匹配技术的光流场计算方法。该方法的基本思想是:首先利用Forstner算子对图像中易于跟踪的特征点进行提取;然后利用立体视觉方法计算这些特征点的三维坐标;在此基础上,进一步结合码盘信息对前后帧图像中的特征点进行预测和跟踪,从而最终实现了光流的准确提取。实验表明,该方法比传统方法具有速度更快、准确性更高的优点。

遥感多图像配准中自动提取特征点的并行算法

在遥感多图像配准过程中特征点的选择是一个关键的步骤。实际处理的遥感图像一般很 大,选择足够的特征点又要保证配准的精确度是极其耗费时间的。本文提出了一种用于解决特征点选 择的高性能算法,并将该算法进行并行优化,既保证了特征点的数量,又减少了所需时间。