集成SIFT算法与检测模型优化的UAV影像匹配方法

低空无人机（UAV）测量凭借着低成本、高效率、高精度的数据采集模式,可快速获取高空间分辨率的影像数据,已经成为遥感领域的一种重要技术手段。其中,影像匹配技术是UAV影像数据处理的重要步骤,图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂,植被覆被率高及地物分布不规则等问题存在,致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制,大场景影像需要借助多幅影像匹配拼接得到。目前,基于特征点的影像匹配是一种图像配准技术,不仅适用于低重叠度影像之间的匹配,还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术,提出一种面向高原山地复杂地形的集成尺度不变特征变换（SIFT）算法与最近邻次近邻距离比（NNDR）、随机抽样一致算法（RANSAC）模型约束改进的UAV影像匹配方法。主要技术流程为：首先,基于SIFT算法,进行尺度空间的极值检测,构建高斯金字塔函数,通过高斯差分运算来实现特征点定位,并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析,据此生成适合UAV影像特征的描述符;其次,集成“马式距离”和NNDR模型的综合运用,进行特征点对的第一次约束优化提取及相似度检测,在此基础上,利用RANSAC算法,引入匹配点对的均方根误差值（RMSE）进行第二次约束,以实现匹配错误点对的剔除,保证了影像匹配精确优化。此外,为了证实所提出优化算法的有效性,选择了1组高原山地典型地貌UAV影像数据进行匹配试验,结果表明：面向高原山地复杂地形进行无人机影像匹配中,所提出的改进算法不仅可以提取大量的特征点对,同时还可以提高同名特征点的检测正确率,并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。     

无序高空间分辨率影像快速拼接方法

遥感影像拼接技术作为影像成图的重要手段,一直是遥感领域研究的热点。在保证拼接精度的同时,如何提高拼接效率,成为低空遥感技术应急应用的难点。针对低空航空遥感影像成像姿态变化剧烈、数据量大等特点,提出针对无序影像改进的基于稀疏矩阵的光束平差SURF拼接算法,即对无序影像进行特征选取和匹配,自行判断相邻和相间位置信息,配准平差中引入稀疏矩阵进行加速。方法在保证精度的同时,极大提高了航空相机影像拼接算法的速度,能很好地解决无人机影像高建筑物的拼接错位问题。无人机倾斜数据集拼接和航空相机影像拼接的结果验证了利用本算法进行高空间分辨率影像拼接的精度和效率。     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.     

水下环境中基于曲线约束的SIFT特征匹配算法研究

针对水下双目图像匹配时不再满足空气中极线约束条件以及尺度不变特征变换(SIFT)特征匹配算法处理水下图像误匹配率较高等问题,提出一种基于曲线约束的水下特征匹配算法。对双目摄像机进行标定获取相关参数,再获取参考图和待匹配图;利用SIFT算法对两幅图像进行匹配,同时利用由参考图提取的特征点推导出其在待匹配图上对应的曲线,将该曲线作为约束条件判定待匹配图上对应特征点是否在曲线上,从而剔除误匹配点,以达到提高精度的目的。实验结果表明,该算法优于SIFT算法,可以有效地剔除误匹配点,比SIFT算法匹配精度提高约12%,解决了SIFT算法在水下双目立体匹配中误匹配率高的问题。     

轻小型无人机高光谱影像拼接研究

轻小型、低成本无人机(unmanned aerial vehicle, UAV)机载光谱成像仪的快速发展为水质监测、精准农业提供了新的手段。ZK-VNIR-FPG480机载高光谱成像仪是国产仪器,拥有自主产权,影像共有270个波段,光谱范围为400～1 000 nm,光谱分辨率为3 nm,空间分辨率为0.9 m@1 km,成像方式为运动推扫成像,该成像仪的特点是影像之间不存在航向重叠,只存在旁向重叠。它在提供高光谱、高空间分辨率影像的同时也存在着一系列问题：①无人机的狭窄视场限制了每条航带的地面覆盖范围,需要进行航带拼接;②其自带的POS系统定位精度低;③为提高作业效率,航带间的重叠率较低,一般设置在30%左右,为影像拼接增加了困难;④因飞行时受风力、光照以及仪器自身等影响使得每条航带间存在亮度差异,拼接时会出现拼接缝现象。针对上述问题提出一种基于曲面样条函数和相位相关的无人机高光谱影像拼接方法,旨在将无人机拍摄的单条高光谱航带拼接成一幅完整的带有地理坐标的全景图,并实现影像几何和光谱上的匹配。该方法包括以下几个步骤：首先,以正射影像为基准采用曲面样条函数法对高光谱航带进行地理配准,赋予每条航带真实的地理坐标;然后采用局部方差法计算各波段信噪比,取分值最高的波段作为最优波段;再利用该最优波段采用基于2幂子图像的相位相关算法来纠正航带间已经存在的地理空间映射关系,消除航带间存在的错位;最后选用加权平均融合法对相邻航带进行融合,消除航带拼接时因光照、仪器自身等影响所产生的拼接线问题,最终得到带有绝对地理坐标的高光谱全景图。实验使用ZK-VNIR-FPG480机载高光谱成像仪获取大理某地区的高光谱数据进行拼接,结果表明,该拼接方法得到的全景图拼接处没有错位现象,几何位置准确。选取4种典型地物拼接前后的光谱曲线,其曲线走向基本一致,计算拼接影像与拼接前左右影像的光谱角余弦均值为0.965 2,光谱相关系数均值为0.863 2,光谱信息散度均值为0.424 0,欧式距离均值为0.494 1,四种光谱曲线相似性测度指标客观上显示了曲线的高度相似性,表明拼接前后同名点的光谱匹配度高,适用于无人机高光谱数据的拼接。该方法不仅提高了拼接影像的地理坐标精度,还在消除拼接缝的基础上最大限度的保证了光谱的保真性,并通过引入2幂子图像解决了影像在重叠度低的情况下配准算法失效的问题。但拼接前相邻航带同名点间存在光谱差异,且高光谱数据量大,拼接耗时多,如何利用重叠区域的像素修正系统误差,统一拼接图像的度量空间以提升光谱精度和稳定性并提高拼接速度仍是今后需要解决的问题。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

A non-rigid cardiac image registration method based on an optical flow model

According to non-rigid medical image registration, new method of classification registration is proposed. First, Feature points are extracted based on SIFT (Scale Invariant Feature Transform) from reference images and floating images to match feature points. And the coarse registration is performed using the least square method. Then the precise registration is achieved using the optical flow model algorithm. SIFT algorithm is based on local image features that are with good scale, rotation and illumination invariance. Optical flow algorithm does not extract features and use the image gray information directly, and its registration speed is faster. The both algorithms are complementary. SIFT algorithm is used for improving the convergence speed of optical flow algorithm, and optical flow algorithm makes the registration result more accurate. The experimental results prove that the algorithm can improve the accuracy of the non-rigid medical image registration and enhance the convergence speed. Therefore, the algorithm has some advantages in the image registration.     

基于无人机载的光电与SAR图像融合技术研究

为了提高无人机侦察识别能力,提出基于小波变换方法的无人机载光电与SAR的图像融合技术。经时间配准算法生成图像配准源,采用SIFT算法提取图像特征点,BBF算法计算生成匹配点集,依据匹配点集计算图像间透视变换模型完成图像配准,利用小波变换算法实现配准图像融合。经实验验证以及利用Matlab分析图像灰度直方图和计算信息量,结果表明:融合图像保留了光电图像95.7%的细节(熵),相比于光电图像平均梯度提高了1.52倍,增强了光电图像目标区对比度,降低了随机性噪点;融合图像相比于SAR图像信息量提高了1.44倍。     

基于RGB-NIR图像匹配的作物光谱指数特征可视化分析

归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°,54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF,SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time), 峰值信噪比(PSNR), 信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性三个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示,RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R2分别为0.78,0.76,0.74,0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。     

基于SIFT特征匹配的电力设备外观异常检测方法

基于电力设备巡检机器人平台,提出了一种电力设备外观异常检测方法。该方法使用SIFT特征点提取算法,进行特征匹配,使用基于RANSAC的方法求解单应矩阵进行配准。在经过配准后,对像素的差值使用Mean Shift分割算法提取异常区域。实验证明该方法对于光照有较高的鲁棒性,且受匹配误差和拍摄角度偏差、位置偏差影响较小,能够有效的将变化区域提取。     

舰船小目标图像配准算法

当舰船目标距离红外/可见光复合导引头较远的时候,红外与可见光图像中的目标信息微弱,可供提取的特征较少且差异较大,传统的图像配准算法很难适用.针对该问题,本文提出一种基于传感器参量的图像配准算法,首先根据红外与可见光传感器的成像模型将图像配准分解简化为视场配准与平移配准两个相对分离的步骤;然后利用传感器参量进行图像的视场配准;最后基于海天线和水平高通能量分布确定匹配点完成平移配准.仿真实验结果表明,该算法具有较高的配准准确度,可以应用于实际远距离海上舰船的红外和可见光图像配准.