共查询到15条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差(Otsu)的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。 相似文献
5.
基于边缘相似性的异源图像匹配 总被引:1,自引:0,他引:1
异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。 相似文献
6.
针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。 相似文献
7.
为进一步提高基于灰度图像的匹配算法速度,在对图像进行一维灰度投影的基础上,利用序贯相似检测算法(SSDA)对一维数据进行匹配,从而得到一种改进的基于灰度投影的图像匹配算法。实验结果表明算法在保持精度不变的同时,提高了匹配速度。 相似文献
8.
9.
针对航拍视频图像在光学变换和几何变换下特征匹配容易产生误匹配,以及匹配精度不一致等问题,提出一种结合不变特征和映射抑制的航拍视频配准算法。首先,利用Harris检测器在尺度变化下的局部区域内选择出最稳定角点,并利用分区检测方法提取出分布均匀的角点作为待配准点。然后,计算以特征点为中心邻域窗口的描述符,通过比较两幅待配准图像特征点邻域描述符的欧式距离,提取出初始匹配点对。对匹配对点集建立D-三角网图,利用映射抑制方法提取出精确度最高的少数匹配点,并对模型参数进行估计,完成视频帧间的配准。大量实验表明,所提方法对航拍视频图像配准具有较强的适应性且配准精度高。 相似文献
10.
基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法 总被引:1,自引:1,他引:0
在惯性导航系统(INS)/合成孔径雷达(SAR)组合导航系统中,SAR图像易受斑点噪声的影响,图像匹配的精度对整个导航系统精度的影响十分明显,能够准确地分析SAR图像匹配过程中的误差特性,利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题,在加权Hausdorff距离匹配算法的基础上,对影响SAR图像匹配精度的因素进行了分析,提出了一种基于模糊推理的匹配结果可信度评价准则,经过可信度筛选,将有效的匹配信息与INS进行组合;对合理范围内的匹配误差变化引起量测噪声统计特性发生变化,进而导致Kalman滤波精度下降的问题,研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整,使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证,结果表明,该算法能够在合理的匹配误差范围内,有效地筛选出可信的图像匹配结果,相比常规Kalman滤波算法,显著地提升了INS/SAR组合导航系统水平方向的定位精度。 相似文献
11.
针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题,提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间,将高斯尺度空间划分为多个网格,在每个网格内借助FAST算法提取尺度空间特征点,使用BRIEF算法提取描述符并匹配,得到更加均匀分布的特征点;然后使用运动网格统计算法筛选匹配点;最后采用SPHP算法融合图像重叠区域,从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价,验证了该方法特征点匹配速度快、精度高,并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价,验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s,图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。 相似文献
12.
13.
14.
对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。 相似文献
15.
为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。 相似文献