基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

基于HPI的神经网络图像匹配多处理机系统

针对嵌入式图像匹配计算特点,采用TMS320C6X系列处理器作为并行神经处理单元,设计了 一种基于TMS320C6X系列处理器HPI(Host-Port-Interface)互连的神经网络图像匹配多处理机系统,在这种并行计算系统中,包括一个主控计算单元和三个并行神经计算单元,主控计算单元通过HPI接口与各个神经匹配处理单元直接连接,通过HPI接口,主控计算单元可以直接访问各个神经元的片上和片外存储器,实现实时图像数据的直接转发和神经元中间运算结果的读取.理论分析表明,该设计可有效优化神经计算结构,提高图像匹配的实时性.      

卫星遥感图像信息作为姿态敏感器的应用研究

陆标敏感器可以从卫星遥感图像信息中提取卫星的姿态信息,它根据卫星实时图像与基准图像之间的偏移量,计算出卫星的姿态。对陆标敏感器的总体方案进行了设计,在图像匹配技术中采用基于区域特征的先粗匹配、后精匹配的匹配算法,在姿态确定算法中对可能达到的姿态测量精度进行了理论分析,研究表明陆标敏感器可以获得较高精度的卫星姿态信息,作为新型光学姿态敏感器具有重要的研究意义。     

改进S／DB提高FY—2A云图配准精度的方法

针对ＦＹ－２Ａ卫星因扫描辐射计步进引起卫星自旋周期变化从而造成图像精度恶化问题,根据扫描辐射计的运动规律,提出地面同步与数据缓冲系统（Ｓ／ＤＢ）预先补偿系统误差的解决方法;增强了Ｓ／ＤＢ的跟踪水平,使卫星图像的配准精度提高了近三倍,达到了内外先进卫星的水平,实际应用效果良好。     

基于SAR景象不变特征点的匹配定位技术研究

针对精确制导领域中的SAR景象匹配定位技术中由于实时图与基准图可能存在形变、分辨率不一致,图像旋转及雷达视角变化及噪声的影响下差异较大情况时直接利用基于灰度的规则正交二维信息匹配算法适应性差的问题,将不变特征点匹配方法(Scale Invariant Feature Transform,SIFT)应用到SAR景象匹配中,通过仿真实验取得了满意的效果,试验结果表明SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、噪声也保持一定程度的稳定性,对提高匹配概率和对不同图像的适应性,降低应用风险具有借鉴意义。     

基于多通道梯度的异源图像匹配

异源图像的成像特性不同,难以直接利用灰度和梯度进行匹配。本文提出了一种利用多通道梯度进行匹配的新方法。该方法首先构造一组具有不同尺度参数和方向参数的梯度掩膜,采用核密度估计方法分别计算与每个掩膜对应的梯度,从而得到一组梯度图。在基准图和实时图对应的梯度图上计算相似系数,对全部相似系数图加权融合得到综合系数图,其中的峰值点即为图像匹配点。实验结果表明本文方法明显优于传统异源图像匹配方法。     

一种基于卫星图像匹配的无人机自主定位算法

针对基于图象匹配的无人机自主定位易失效的问题,文章提出了一种基于卫星图像辅助的由粗到精的无人机自主定位框架。首先设计了一种CNN-LSTM联合分类器,利用CNN网络抽取图像特征的优势,结合无人机图像时间维度上的连续性,实现无人机图像与卫星基准图像的区域匹配;然后从匹配后的区域提取同名点,结合光学成像的共线约束,设计了一种基于多点加权约束的无人机自主定位算法。试验结果表明提出的算法鲁棒性好、精度高,适合用于无人机自主定位。     

基于骨架角点的双目图像模板匹配算法

应用数学形态学算子抽取图像的骨架 ,根据图像骨架角点进行模板匹配。提出一种有效的双目图像的匹配算法。其特点是计算量小 ,匹配速度高 ,适用于角点明显的图像。     

基于RVCF的大视角差异图像匹配方法

文章针对 SIFT算法对大视角变化图像匹配效果差的问题,提出一种改进的 SIFT算法——抗视角变化特征 提摘取算法(Resistance to Viewpoint Change Feature,RVCF)。首先,利用最大稳定极值区域(MSER)算法提取图像中 的仿射不变特征区域；然后,利用协方差矩阵将 MSER检测出的椭圆区域转化成符合尺度空间条件的圆形区域；最 后,利用 SIFT算法对获得的圆形区域进行仿射不变特征的提取与匹配。实验结果表明:RVCF算法能够在大的视 角和尺度变化下成功实现图像间的匹配。     

基于FLoFTR算法的无人机实时在线地理定位

研制高效鲁棒的智能视觉定位方法是解决全球导航卫星系统（GNSS）拒止条件下无人机导航定位的重要途径之一。传统视觉定位方法存在精度较差、容易丢失定位的问题。本文提出一种FLoFTR算法，通过对高精度影像匹配算法LoFTR进行改进优化，在无人机计算平台上实现实时高精度定位。FLoFTR采用知识蒸馏方法压缩模型规模，提升推理效率，并通过改进特征提取模块和应用基于余弦距离的特征匹配方法，进一步降低了匹配时间并维持相当的匹配性能。在研制的软硬一体的平台上试验表明，优化后模型平均定位误差损失维持在0.1m以内，定位平均处理时间为47ms，定位速度提升超过7倍，可满足无人机定位的精度和实时性要求。