為解決遙感圖像配準(zhǔn)易受到環(huán)境變化等影響,導(dǎo)致匹配魯棒性低、配準(zhǔn)精度差的問題,提出一種基于網(wǎng)格運(yùn)動約束的遙感圖像配準(zhǔn)方法。利用AKAZE (accelerated-KAZE)算法提取圖像特征點(diǎn),采用二進(jìn)制描述子BRISK (binary robust invariant scalable keypoints)對特征點(diǎn)進(jìn)行有效描述,利用GMS (grid-based motion statistics)基于網(wǎng)格的運(yùn)動估計方法實(shí)現(xiàn)快速且魯棒性較強(qiáng)的特征點(diǎn)匹配,利用隨機(jī)采樣一致性算法對匹配點(diǎn)對進(jìn)一步提純。實(shí)驗(yàn)結(jié)果表明,該方法提高了匹配速度和匹配正確率,在遇到光照變化、尺度變化及旋轉(zhuǎn)變化的情況下能夠保持穩(wěn)定的匹配效果。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 算法流程

基于網(wǎng)格運(yùn)動約束的遙感圖像配準(zhǔn)方法流程如圖1所示。1.1AKAZE特征點(diǎn)檢測

圖2 BRISK描述子采樣模式

為了提高遙感圖像匹配的實(shí)時性，本文采用計算成本較低且計算速度較快的二進(jìn)制描述子BRISK來對特征點(diǎn)進(jìn)行描述。BRISK描述子是通過比較鄰域內(nèi)像素點(diǎn)對的灰度值，進(jìn)行二進(jìn)制編碼得到的。其特征點(diǎn)鄰域的采樣模式如圖2所示，以特征點(diǎn)為中心，構(gòu)建不同半徑的圓，在每個圓上獲取等間隔的采樣點(diǎn)，所....

圖3 Si分布

如圖3所示，正確的匹配和錯誤的匹配都有自己的分布，且均滿足二項(xiàng)分布，為了使它們的區(qū)分度更大，首先這兩個分布要相隔足夠遠(yuǎn)，即mt-mf足夠大，其次這兩個分布的標(biāo)準(zhǔn)差或方差要足夠小，區(qū)分能力得分如式（9）所示GMS算法將一幅圖分成N×N的不重疊的網(wǎng)格，并且選取3*3網(wǎng)格作為一組來計算....

圖4 實(shí)驗(yàn)數(shù)據(jù)遙感

對于本文提出的基于網(wǎng)格約束的遙感圖像匹配方法，我們進(jìn)行了大量的實(shí)驗(yàn)，本實(shí)驗(yàn)運(yùn)行環(huán)境是Intelcore5的CPU,64位Windows10操作系統(tǒng)，所有算法集成在Visualstudio和OpenCV3.1環(huán)境下實(shí)現(xiàn)。為了驗(yàn)證算法效果，選出如圖4所示的圖（a）～圖（c）這3....

本文編號：4031116