共查询到18条相似文献,搜索用时 125 毫秒
高光谱(HS)遥感图像含有丰富的光谱信息,但是空间分辨率较低,而全色(PAN)遥感图像空间分辨率较高。针对高光谱遥感图像与全色遥感图像的融合问题,提出了一种新的基于边缘保持滤波和结构张量的遥感图像融合算法。首先,为了提取高光谱遥感图像的空间信息,提出使用边缘保持滤波方法,该提取方法可以保证提取的信息全部为空间细节信息,避免低频混叠。其次,对全色遥感图像采用高斯-拉普拉斯图像增强算法进行图像锐化,降低图像噪声,锐化细节信息。再次,为得到总空间信息,提出使用结构张量的自适应加权策略。传统的融合算法通常仅从全色遥感图像中提取空间信息,可能会引起光谱失真或空间细节加入不足等问题,为了克服这些问题,提出的自适应加权策略得到的总空间信息不仅包含全色遥感图像的空间信息,还包含高光谱遥感图像的空间信息,且自适应加权相对于全局常数加权,可以自动选取更加合适的加权数据。最后,通过构建可以控制光谱和空间失真的增益矩阵,将总空间信息注入到插值的高光谱遥感图像的每个波段中,得到融合的高光谱图像。实验结果表明,本文提出的遥感图像融合算法,在客观评价方面,取得了最优的空间和光谱性能,在视觉效果上,与其他融合算法相比,可以更有效地提高空间分辨率和保持光谱信息。 相似文献
2.
卫星上计算资源有限,星载嵌入式处理器处理遥感影像的配准时通常需要很长的时间。可编程逻辑门阵列(FPGA)利用其内部可编程器件可用于加速图像处理。提出了一种基于Xilinx公司的ZYNQ芯片加速ORB算法的遥感影像配准方法,可用于3000×3000像素尺寸的卫星图像配准,缩短了计算耗时,提升了ORB算法的计算能效比。利用FPGA能够实现真正的并行计算电路,实现ORB算法多支路单层流水线的并行计算结构。采用软硬件结合的方法实现架构,能够处理不同分辨率的图像,可灵活配置特征点的数量。基于设计的加速ORB配准方法,获得了较高准确率。与软件实现相比,OVS-1A遥感影像偏移精度损失低于0.05个像元;GF.4遥感影像偏移精度损失小于0.9个像元。将ORB配准算法流程应用在ZYNQ7020上,耗时减少了57.50%。 相似文献
3.
现有图像配准算法中,借助图像采集设备参数的方法存在硬件内参难以获得或精度不够的问题,采用匹配图像特征计算图像单应性的方法存在对场景深度信息利用不全的问题。针对这一现象,提出了结合可见光图像与其深度信息来生成更具有真实性的配准图像对数据,用以训练得到一个可以进行像素级别图像配准的深度神经网络PIR-Net。建立了一个大规模、多视角、超仿真的图像配准数据集:多视角配准(MVR)数据集,该数据集包含7 240对含有深度信息的待配准图像及其像素级别的坐标对准真值;基于编码器-解码器的深度神经网络结构,训练得到一个能以全分辨率形式对2幅输入图像之间的坐标变化矩阵进行重建的PIR-Net。通过实验验证了PIR-Net能够在未知相机内参的情况下实现不同视角的可见光图像配准,并比传统算法具有更高的配准精度。在MVR数据集上,PIR-Net的配准误差仅为通用的特征匹配对准算法(SIFT+RANSAC)的18%,同时减少了30%的时间消耗。 相似文献
4.
摘要: 针对用于地外天体着陆视觉导航的路标图像信息存在的计算量大和占用存储空间大等问题,提出一种路标图像的稀疏化表征方法.引入着陆路标图像的尺度估计和尺度变换,采用Harris 算法提取路标特征点,改进了FREAK特征描述子用以稀疏化表征天体路标信息;并针对图像旋转、尺度变化、图像噪声和尺度估计误差4种外界干扰,仿真对比改进算法与原FREAK算法、SURF算法的性能.仿真结果表明:提出的算法大幅减少计算量和特征描述子所占用的存储空间,同时能够正确匹配到更多的路标特征,鲁棒性更好,更适合地外天体着陆任务应用. 相似文献
5.
基于改进SIFT的图像配准算法 总被引:3,自引:0,他引:3
为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度. 相似文献
6.
为了实现激光雷达点云与图像重建点云的三维空间配准,基于自研三维扫描激光雷达系统,提出了新型的快速多尺度因子(FMSR)点云配准算法,研究了空间点云配准技术。该算法主要包括初始配准和精确配准2个步骤:初始配准使用基于尺度自适应关键点质量(ASKQ)的点云特征提取算法,提取关键点的特征匹配对,求解点云配准初始参数;精确配准利用K-邻近(KNN)算法全局搜索,提升计算效率,多次迭代得到2组点云之间的最优旋转矩阵、最优平移向量和最优尺度因子。仿真和实验结果表明,所提出的算法对空间目标(尺寸为20.30 m×7.85 m×26.56 m)实现空间点云配准,配准精度达到0.194 m,运行时间为16.207 s;与多尺度迭代最近点(S-ICP)算法相比,配准精度提高了0.131 m,运行时间提高了30%。所提出的空间点云配准技术可为场景重建和纹理匹配提供算法基础。 相似文献