一种改进下降序列影像匹配方法
本文关键词:一种改进下降序列影像匹配方法 出处:《遥感信息》2016年06期 论文类型:期刊论文
更多相关文章: SURF 下降序列影像 影像匹配 梯度方向 特征点
【摘要】:针对嫦娥三号获取的下降序列影像匹配过程中,程序耗时较大且匹配结果不理想的问题,提出了一种改进的SURF(Speeded Up Robust Feature)匹配算法。算法通过高斯模板辅助进行梯度直方图统计,并采用最佳匹配区域限制,优化匹配效率。首先通过高斯模板卷积后,采用直方图统计的形式代替60°区域扫描方式,精确描述特征点;然后在最佳匹配点搜索时,通过建立着陆器下降过程几何模型,得到匹配点间的几何约束关系,减小匹配点搜索区域,最终完成了特征点匹配优化。实验结果表明,与经典方法相比,改进后的算法具有匹配过程耗时少,误匹配数量低的优点,有效地提高了匹配效率。
[Abstract]:The Chang'e three gets down sequence image matching process, the program time-consuming and the match result is not ideal, we propose an improved SURF (Speeded Up Robust Feature) matching algorithm. The algorithm of gradient histogram by using template assisted Gauss, and the best matching region limit, optimal matching efficiency. Firstly Gauss convolution, using the histogram form instead of the 60 degree area scanning mode, feature points accurately described; then the best matching point in the search, through the establishment of the lander descent geometry model, get the matching geometric constraint relations between points, reducing the matching point of the search area, finally completed the optimization of feature point matching experiments. The results show that, compared with the classical method, the improved algorithm has a matching process less time-consuming, error, low number of advantages, effectively improves the matching efficiency.
【作者单位】: 辽宁工程技术大学测绘与地理科学学院;
【基金】:国家自然科学基金(41071298) 大学生创新创业训练项目(201410147016)
【分类号】:TP391.41
【正文快照】: 0引言影像匹配是通过一定的匹配算法在两幅或多幅影像之间识别同名点,寻找两幅影像间的映射过程,即将两幅或多幅不同视点的同一景物或物体的影像中,对应于空间同一位置的点联系起来的过程,在摄影测量、遥感和计算机视觉领域有着广泛的应用[1-2],如影像配准、影像控制点提取以
【相似文献】
相关期刊论文 前10条
1 李国;范大昭;郭海涛;;一种改进的自适应遗传算法在影像匹配中的应用[J];测绘科学;2009年05期
2 唐敏;李永树;李歆;刘波;;无人机影像局部增强方法及其在影像匹配中的应用[J];国土资源遥感;2013年04期
3 吉大纯;李学军;侯金宝;;影像匹配中的若干基本问题研究[J];计算机技术与发展;2010年05期
4 邱振戈;影像匹配算法模型[J];测绘学院学报;2000年02期
5 靳建立;范永弘;纪松;;基于面特征的整体影像匹配方法[J];测绘通报;2008年09期
6 邹峥嵘;谢萍;刘明选;肖奇;;基于相对定向和三角形约束的近景影像匹配[J];测绘工程;2011年05期
7 陈卫平;周晓敏;闵晓凤;张敏;;基于数字正射影像的影像匹配更新及精度探讨[J];测绘与空间地理信息;2011年06期
8 陶翊婷;;基于相关系数法的影像匹配研究[J];科协论坛(下半月);2012年07期
9 周时伦;;最小二乘影像匹配算法的实现与研究[J];信息通信;2013年04期
10 田一翔;吴波;;三角形约束下影像匹配的算法实现[J];测绘信息与工程;2006年03期
相关会议论文 前5条
1 耿则勋;;影像匹配中核线影像的快速生成算法[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
2 李国;郭海涛;范大昭;余磊;张振;;一种基于遗传算法的高速影像匹配方法[A];2007系统仿真技术及其应用学术会议论文集[C];2007年
3 王宇宙;赵宗涛;齐显峰;;仿射不变局部特征宽基线影像匹配[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
4 李乃强;宋小虎;;最小二乘影像匹配的实现和分析[A];江苏省测绘学会2007年学术年会论文集[C];2008年
5 张永生;范永弘;;带特征约束的城市区域大比例影像匹配算法的研究[A];中国空间科学学会空间探测专业委员会第十三次学术会议论文集[C];2000年
相关博士学位论文 前4条
1 张云生;自适应三角形约束的多基元多视影像匹配方法[D];武汉大学;2011年
2 明洋;特殊航空影像自动匹配的关键技术研究[D];武汉大学;2009年
3 肖汉;基于CPU+GPU的影像匹配高效能异构并行计算研究[D];武汉大学;2011年
4 姚国标;倾斜影像匹配关键算法及应用研究[D];中国矿业大学;2014年
相关硕士学位论文 前10条
1 秦川;无人机影像匹配点云滤波处理与三维重建[D];西南交通大学;2015年
2 贾丰蔓;基于优化条件抽样一致性的稳健影像匹配方法研究[D];中国地质大学(北京);2015年
3 陈启晟;无人机影像匹配点云三维构网算法的研究[D];东华理工大学;2016年
4 魏祖帅;倾斜摄影空中三角测量若干关键技术研究[D];河南理工大学;2015年
5 李岩;基于分块模型改进的SIFT算法实现无人机影像匹配方法研究[D];贵州师范大学;2016年
6 贺超;基于特征的SIFT影像匹配方法研究[D];昆明理工大学;2016年
7 张凯南;基于SIFT算法的低空摄影测量影像匹配方法研究[D];长安大学;2016年
8 邹小丹;基于半全局优化的多视影像匹配方法与应用[D];中南大学;2013年
9 吴乐文;基于半方差函数的影像匹配方法研究[D];西北大学;2008年
10 严宇波;无人机摄影测量影像匹配与纠正技术研究[D];沈阳航空航天大学;2013年
,本文编号:1417238
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1417238.html