基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

基于RFNA和改进LBD的镜像线特征匹配方法

针对物体和镜像之间的匹配问题,引入RNFA(Relative Number of False Alarms)边缘链检测方法获取更丰富的线段。文中提出一种改进的LBD(Line Band Descriptor)算法用于构建局部不变特征描述符,通过比较局部不变特征描述符获得初始匹配对。采用全局投影角度的筛选方式,并通过拟合投影中线的方式剔除初始匹配对中误匹配项。在完成全局投影角度的选取和投影中线的拟合后,放宽对局部不变特征描述符阈值的筛选以获得更多的匹配对,提升召回率。图像集仿真实验结果表明,文中所提算法在纹理较弱区域能够更好地识别线段,且能够在保证原算法性能的基础上获得更多的匹配对,提高5%左右的正确匹配率,并达到90%以上的召回率。

一种仿射不变的直线描述子与直线匹配

从图像中提取的直线常出现不完整、端点位置不准确等问题,针对这些问题造成的直线匹配难点,本文提出了一种仿射不变的直线描述子.首先将待匹配直线离散为对应点的集合,将直线描述转化为点的描述,避免了直线不完整造成的支撑区域大小不一致的问题;然后结合直线的方向和长度,定义点描述子的主方向和尺度,通过统计离散点集的局部邻域的梯度信息使描述子具有仿射不变性.为了提高直线匹配速度,在进行直线描述之前,本文采用了极线约束精简了待匹配直线集合,再利用最近邻距离比准则对直线精确匹配.实验结果表明本文提出的直线描述子在仿射、亮度、视点、遮挡等变化条件下具有精确的匹配性能.

结合局部描述和拓扑约束的直线段匹配算法

针对弱纹理目标匹配问题,提出了一种基于直线局部邻域梯度信息和全局结构信息的直线匹配算法:对均值标准差直线描述符进行改进用于初始匹配;利用直线间的全局拓扑结构滤除误匹配;利用迭代拓扑滤波寻找更多的匹配,同时引入全局角度约束提高算法效率并进一步滤除错误匹配。实验表明,在光照变化、图像旋转、图像模糊、尺度变换、视点变化等条件下,该方法都具有很强的鲁棒性,并在匹配效率和准确度上优于现有的两种比较流行的方法。

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。

基于卷积神经网络的直线描述方法研究

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络(CNN)学习的直线特征描述方法。构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征。将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子。实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能。

基于改进Harris-SIFT的ZY-3卫星三线阵影像匹配

针对卫星三线阵CCD影像成像具有特殊性,提出了组合改进的Harris与SIFT多尺度空间影像检测方法,既提高卫星三线阵影像角点检测的可靠性,又保持尺度不变性.对于卫星三线阵影像,通过用改进的Harris算法进行角点提取,建立影像特征的SIFT描述符;进行特征向量的欧式距离匹配,保证了匹配的尺度和旋转不变性,并缩减了运算时间.通过采用北京地区ZY-3三线阵影像数据进行实验,验证了算法的有效性.

结合区域仿射变换的MSLD描述子与直线段匹配

针对直线匹配过程中直线描述子的稳定性问题,提出一种结合区域仿射变换的MSLD直线描述子用于直线段匹配。匹配在同名三角网和核线约束基础上,首先对左影像上目标直线建立直线平行支撑域;再根据目标直线段两端点及其平行支撑域四角点的核线确定候选直线对应区域及其平行支撑域;然后根据目标直线支撑域长度和宽度对目标直线和候选直线平行支撑域分别进行仿射变换,建立目标直线和候选直线的MSLD特征描述子;最后结合欧式距离和最邻近比值(NNDR)确定最终同名直线。选取具有不同类型纹理特征的近景影像进行实验,结果表明,本文方法能获得可靠的直线匹配结果。

中点描述符与直线段匹配

文章提出了一种直线段匹配的新方法。首先用直线段的梯度方向、梯度大小、长度和中点位置进行粗匹配;然后提取直线段中点的局部梯度信息,并形成中点描述符用于对直线段进行精确匹配;最后用人工图像和真实图像进行了实验。

基于几何约束与局部描述的航空影像直线匹配

针对航空影像场景复杂,干扰直线匹配的不确定因素较多的问题,本文提出了基于几何编组与局部均值标准差直线描述符(MSLD)的直线匹配算法。首先,利用直线检测器(LSD)获得影像的直线特征信息,将直线与直线间的几何特征作为约束条件进行编组,获得两幅航空影像的直线对;其次,运用核线约束确定候选直线对,并依次构建参考与候选直线对的支持区域,利用仿射不变性统一支持区域的大小,借助MSLD进行直线对外观的局部描述;然后,结合欧氏距离与最邻近比值计算航空影像中直线描述符间的相似性,进而确定匹配结果;最后,结合共线约束完成对匹配结果的检核,获取精确的同名直线。试验选择不同场景类型变换下的航空影像数据,结果证明了本文算法可以较好地应对航空影像直线匹配效果不佳的现象。

基于描述子与几何约束的直线段匹配

提出了基于描述子与几何约束的直线段匹配方法。采用LSD(line segment detection)算法提取直线特征并用LBD(line band descriptor)描述子表示直线,通过计算2幅影像中直线描述子之间的距离得到N(N>3)对描述子距离最小的匹配直线对;估计影像间的变换模型参数,以变换模型约束下直线段中点间的距离和直线段间的距离作为相似性测度实现直线段匹配。与现有的直线段匹配算法进行对比,比对结果表明,对于真实的遥感影像及仿射变换、旋转、噪声、光照变化等仿真遥感影像,该方法均得到了更多的匹配直线段对,且耗时更少、匹配准确率高。

Delaunay三角网约束下的影像稳健匹配方法

影像匹配是数字摄影测量和计算机视觉领域的关键问题。本文主要研究基于Delaunay三角网约束下的稳健影像匹配方法。首先利用Delaunay三角网对随机初始匹配点进行组织,构建分布均匀、结构稳定的局部连接关系;其次利用线段描述子和空间角度顺序建立了局部辐射和几何约束模型,并将粗差剔除问题转换为分析Delaunay三角网和对应匹配图的相似性问题;然后利用对应三角形局部约束实现匹配扩展;最后在分层策略和交叉验证策略下实现稳健影像匹配。利用3组数据集进行大量的匹配试验,结果表明本文的匹配算法即使在高外点率下依然能够实现稳健粗差剔除,得到高精度的影像匹配结果。

基于邻域纹理的线段匹配方法及应用

为解决建筑场景识别与测绘标定中的线特征匹配问题,提出基于邻域纹理统计直方图比较的线段匹配方法,结合线特征在建筑结构上的位置进行筛选。提取建筑物框架线段后,利用建筑物线段邻域纹理的射影不变性,提出线段邻域纹理分区统计与基于纹理进行线段结构分组的模型,并提出该模型下的线段匹配评价标准,基于线段组夹角内侧各区域纹理样本分布相似度,利用线段组的几何特征作为筛选条件。理论分析与实验结果表明,该算法可以有效地应用于建筑物图像采集中的旋转、缩放、透视变换情况下的建筑物线特征匹配。

树描述符匹配算法在地形匹配中的应用

提出了改良的树描述符匹配算法,用树描述符对地形特征(山谷线)进行重建,通过搜索树描述符中最长公共子串的方法获得最大同构子树,建立2个同构子树之间的匹配关系完成匹配工作。该算法可应用于存在缩放、旋转条件下的地形匹配问题,可大大降低三维实时地形图测量的要求,增强地形匹配的适应性,具有非常重要的现实意义。

结合线对几何特征及单线描述符约束的直线匹配算法

针对单直线几何属性的弱稳定性及“非一对一”匹配结果难以检核问题,提出一种结合线对几何特征及单线描述符约束的直线匹配算法。所提算法将邻域内满足一定几何条件约束的两直线构建线对,作为一个整体进行匹配。匹配过程中首先利用线对中两直线交点的核线约束匹配候选范围,然后逐一采用线对内角度、线段间距离比、线对邻域辐射信息三种属性特征对匹配候选进行筛选,最后根据三角形区域灰度相似性确定最终匹配对。检核过程中首先根据直线与核线夹角及直线斜率建立同名线对中单直线的对应关系,然后每组同名线对分裂得到两组同名直线,在此基础上对应地建立两直线梯度描述符并计算两直线描述符间的相似性,最后结合共线几何和描述符相似性对匹配结果进行检核,剔除错误匹配,并对结果中的共线直线进行合并,得到一对一的同名直线。选取典型纹理特征的航空影像和不同变换类型的近景影像进行参数分析及直线匹配实验,实验结果表明,所提算法匹配正确率较高,在纹理相似、视角变化、旋转变化、尺度变化、光照变化的复杂场景下匹配正确率均高于95%,具有较好的鲁棒性,且可有效解决因直线断裂等原因造成的复杂匹配关系难以检核问题。

Harris相关与特征匹配

基于图像梯度提出一种图像特征,称为Harris相关.应用Harris相关特征,构造图像特征描述子,包括特征点描述子、直线描述子和曲线描述子.这些描述子的构造较简单,对图像旋转与图像亮度的线性变化具有不变性.直线与曲线描述子的构造方法为直线和曲线的匹配提供一种思路.实验表明,应用Harris相关构造的特征点描述子对图像变化表现出较好性能,直线与曲线描述子在实际图像中取得较好的匹配结果.

均值-标准差描述子与直线匹配

提出一种通过直线描述子来进行自动直线匹配的思想.直线描述子的建立分为以下3个主要步骤:首先为直线定义平行邻域并将该邻域分解为一系列平行线,其次通过选择图像特征建立直线描述矩阵,最后通过计算描述矩阵列向量的均值和标准差获得直线描述子.基于不同的图像特征(灰度、梯度和梯度幅值),提出3个具有平移、旋转和线性光照不变性的直线描述子.实验结果表明本文提出的直线描述子具有较好的匹配性能.

多重约束条件下的LBD描述子与直线段匹配

目的针对直线描述子匹配算法缺乏有效的几何约束,且易受弱纹理、尺度变化的影响,提出一种结合多重约束条件的LBD描述子的直线段匹配算法(LBDs)。方法该算法以LSD算法提取的直线段作为匹配基元,利用SIFT匹配得到的同名点构建同名三角网约束确定候选直线;参考影像上以目标直线段为中心轴建立该直线段的矩形支撑域;根据目标直线段端点及其支撑域四角点在搜索影像上的核线约束建立候选直线段的对应支撑域;利用仿射变换统一目标直线段及候选直线段支撑域的大小;将直线段支撑域分解为大小相等的条形带,通过计算每个条形带的描述符得到该直线段的描述子,依次完成目标直线段与候选直线段LBD描述子的构建;分别计算目标直线段与每个候选直线段描述子向量间的欧氏距离,将满足最近邻距离比准则的候选直线段作为匹配结果;最后选取角度约束对匹配结果检核,确定同名直线。结果实验选取网上公开的3组分别存在角度、旋转、尺度变换的近景影像对作为实验数据,采用LBDs分别对其进行直线段匹配实验,并与其他直线段匹配算法进行对比分析,实验结果表明,LBDs获取同名直线数目约为其他算法的1. 06 1. 41倍,匹配正确率也提高了2. 4 11. 6个百分点,从匹配效率上来看,LBDs更为耗时,但兼顾该算法匹配获得同名直线数目、匹配正确率及运行时间,LBDs的鲁棒性更强,匹配结果的准确性与可靠性较高。结论结合多重约束条件构建的LBD描述子对于存在角度、旋转和尺度变化的影像进行直线匹配过程中具有稳定性。

结合网状描述符和单应约束的近景影像直线匹配

针对现有立体影像直线匹配方法中的线描述子只依赖局部灰度特征导致可靠性较弱的问题,本文提出了一种结合网状描述符和单应约束的直线匹配方法。(1)利用线特征检测算法(Line Segment Detector,LSD)提取参考影像及搜索影像中的直线段;(2)根据角度约束和核线约束确定候选直线,缩小直线搜索范围,并计算参考直线与候选直线的重叠部分以确保端点一致;(3)利用直线段固定邻域内的同名点对构建网状描述符,选择3组不同的同名点对分别计算直线相似值,取其中最大值作为直线段的最终相似度从而确定同名直线对;(4)将未搜索到同名点对的直线段利用单应性矩阵映射至搜索影像,并根据3个判别准则得到最终的匹配结果。为了验证算法的有效性及鲁棒性,本文选取国际公开的标准测试数据集中5组近景影像进行实验,并与现有3种具有代表性的算法进行对比。结果显示本文算法的准确度及有效性均优于对比的3种算法,在匹配准确率与运行效率上最高有16.1%与49倍的提升,对于不同条件下的影像均能取得良好的直线匹配结果。