【摘要】：作為空中三角測量的關(guān)鍵步驟之一,影像量測對攝影測量的自動化具有重要意義。從最初的人工量測到數(shù)字影像相關(guān)技術(shù),再到現(xiàn)在的引入計算機視覺中的基于特征的影像匹配,影像匹配技術(shù)一直是研究熱點。隨著信息技術(shù)的快速發(fā)展,影像匹配技術(shù)也得到不斷的發(fā)展,使得空中三角測量的精度和效率大大提升,空中三角測量的應(yīng)用也越來越廣泛。影像匹配的目的是在含有重疊區(qū)域的兩張或多張影像上尋找相同的地物點,使得匹配點的數(shù)量、分布和精度可以滿足攝影測量的需要。然而,航攝影像通常包含大面積的荒漠、林地和耕地為內(nèi)容的影像,在紋理上表現(xiàn)為貧乏紋理和重復(fù)紋理,這類影像稱之為特殊紋理影像。由于貧乏紋理影像信噪比低,采用基于灰度的影像匹配方法時,易受噪聲干擾,匹配成功率低,采用基于特征的影像匹配方法時,難以獲得有效匹配點;重復(fù)紋理影像特性會導(dǎo)致描述符可區(qū)分性差,存在多義性,形成多個匹配,基于灰度和基于特征的影像匹配方法往往難以奏效。針對特殊紋理航攝影像匹配困難的問題,本文通過研究現(xiàn)有的匹配算法,提出了一種特殊紋理影像匹配方案,主要研究內(nèi)容如下:(1)常用的影像匹配算法特性分析。研究常用匹配方法在特殊紋理航攝影像匹配中的適用性和局限性。包括基于灰度的影像匹配算法(相關(guān)系數(shù)法,最小二乘匹配法)和基于特征的影像匹配算法(ORB算法,SIFT算法,MROGH算法)(2)結(jié)合顏色不變量和MROGH的描述符。充分利用影像的顏色信息和特征區(qū)域采樣點的空間關(guān)系,將顏色不變量引入MROGH描述符來提高特征點的獨特性和魯棒性,以描述特殊紋理航攝影像的特征。(3)特殊紋理航攝影像匹配策略。采用基于核線關(guān)系的特征匹配,通過在同名核線區(qū)域內(nèi)搜索匹配點,進(jìn)而減少匹配時間;通過基于圖模型的誤匹配點粗差剔除方法和基于特征的最小二乘精匹配方法來提高匹配正確率和匹配精度。(4)典型方法的對比實驗研究。將本文方法與SIFT算法、MROGH算法做對比實驗研究,分別從正確匹配點數(shù)量、分布、定位精度和匹配時間等角度進(jìn)行對比,實驗表明本文方法在處理特殊紋理航攝影像匹配時可以獲得較多的正確匹配點并且匹配精度可以達(dá)到子像素級。
【圖文】：

圖 2-1 影像匹配示意圖如果用 S 表示圖中左右兩幅影像的空間變換關(guān)系函數(shù)，I 表示在空間位度值，那么則有：n ( x , y )=I n ( S ( x , y)) （

圖 2-2 FAST 特征點檢測示意圖[16]解決提取特征點數(shù)目過多的問題，ORB 的改進(jìn)方法是計算 ris 響應(yīng)值，最終的特征點集合為 Harris 響應(yīng)值最大的前 n 個特像的金字塔，，在每層金字塔上提取 FAST 角點，來保證特征點
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P231.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭肇葆;數(shù)字影像匹配的動態(tài)規(guī)劃方法[J];測繪學(xué)報;1989年02期

2 張力,沈未名,張祖勛,張劍清;基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配[J];武漢測繪科技大學(xué)學(xué)報;2000年01期

3 ;全自動影像匹配[J];測繪通報;1999年04期

4 李愛霞;關(guān)澤群;馮甜甜;;一種利用流形學(xué)習(xí)進(jìn)行多影像匹配的方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2012年11期

5 姚艷;;低空無人機影像匹配流程設(shè)計的優(yōu)化[J];北京測繪;2019年04期

6 邵巨良;無需相似性量測的多片影像匹配[J];武漢測繪科技大學(xué)學(xué)報;1998年04期

7 付冬暇;趙淮;李愛霞;;基于流形學(xué)習(xí)的航空影像匹配方法研究[J];測繪與空間地理信息;2013年08期

8 袁修孝;明洋;;一種綜合利用像方和物方信息的多影像匹配方法[J];測繪學(xué)報;2009年03期

9 姜挺,江剛武;基于小波變換的分層影像匹配[J];測繪學(xué)報;2004年03期

10 魏明果,劉德富;影像匹配的算法研究與實踐[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2002年02期

相關(guān)會議論文 前10條

1 耿則勛;;影像匹配中核線影像的快速生成算法[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

2 李乃強;宋小虎;;最小二乘影像匹配的實現(xiàn)和分析[A];江蘇省測繪學(xué)會2007'學(xué)術(shù)年會論文集[C];2008年

3 葉勤;陳鷹;;圖像壓縮對影像匹配精度影響的研究[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

4 李東子;范大昭;;幾種局部特征描述算法在高分辨率衛(wèi)星影像匹配中的準(zhǔn)確度比較[A];第四屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2017年

5 饒闖江;;無人機影像處理新流程實驗研究[A];云南省測繪地理信息學(xué)會2017年學(xué)術(shù)年會論文集[C];2017年

6 李乃強;宋小虎;;最小二乘影像匹配的實現(xiàn)和分析[A];江蘇省測繪學(xué)會2007年學(xué)術(shù)年會論文集[C];2008年

7 李國;郭海濤;范大昭;余磊;張振;;一種基于遺傳算法的高速影像匹配方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2007年

8 朱繼文;;基于立體影像匹配數(shù)據(jù)構(gòu)建DEM方法研究[A];中國測繪學(xué)會九屆四次理事會暨2008年學(xué)術(shù)年會論文集[C];2008年

9 馬智剛;馬煈;叢鳳波;郭海濤;;點特征提取在影像目標(biāo)識別中的應(yīng)用[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十四次學(xué)術(shù)信息交流會論文集[C];2010年

10 王宇宙;趙宗濤;齊顯峰;;仿射不變局部特征寬基線影像匹配[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)會議論文集[C];2004年

相關(guān)重要報紙文章 前1條

1 賈道金;精準(zhǔn)定制殺傷:精確打擊“2.0版”[N];學(xué)習(xí)時報;2018年

相關(guān)博士學(xué)位論文 前10條

1 張彥峰;粗略地形引導(dǎo)下影像匹配與地表重建的半全局優(yōu)化方法[D];武漢大學(xué);2017年

2 陳時雨;基于圖論的影像匹配方法研究[D];武漢大學(xué);2017年

3 余美;傾斜立體影像匹配若干問題研究[D];中國礦業(yè)大學(xué);2018年

4 張云生;自適應(yīng)三角形約束的多基元多視影像匹配方法[D];武漢大學(xué);2011年

5 姚國標(biāo);傾斜影像匹配關(guān)鍵算法及應(yīng)用研究[D];中國礦業(yè)大學(xué);2014年

6 王亞超;SAR立體影像匹配關(guān)鍵技術(shù)研究[D];中國礦業(yè)大學(xué);2017年

7 戴玉成;基于UAV傾斜影像匹配點云的城市建筑物信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

8 王競雪;移動高程平面約束的多視影像可靠匹配方法[D];遼寧工程技術(shù)大學(xué);2010年

9 韋春桃;基于相位信息的影像特征檢測與匹配方法研究[D];武漢大學(xué);2010年

10 熊金鑫;基于區(qū)域分割的多源、多時相衛(wèi)星遙感影像聯(lián)合匹配方法研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 郭瑩;特殊紋理航攝影像匹配方法研究[D];武漢大學(xué);2019年

2 吳冰冰;基于視覺局部特征的遙感影像匹配方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

3 王n玉;植被覆蓋區(qū)域無人機遙感影像匹配方法研究[D];河北工業(yè)大學(xué);2016年

4 李瑩;多視影像匹配密集點云的建筑物單體化構(gòu)建研究[D];遼寧工程技術(shù)大學(xué);2017年

5 胡佳怡;高分辨率航空影像特征匹配技術(shù)研究[D];東華理工大學(xué);2018年

6 鄒小丹;基于半全局優(yōu)化的多視影像匹配方法與應(yīng)用[D];中南大學(xué);2013年

7 仇多兵;多視角傾斜航空影像匹配關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2017年

8 孟俊俊;機載三線陣影像匹配方法研究[D];中南大學(xué);2014年

9 朱師歡;自動空三點特征高精度影像匹配研究[D];西安科技大學(xué);2017年

10 孫一權(quán);基于特征的近景樹木影像匹配策略研究[D];北京林業(yè)大學(xué);2011年

本文編號：2635002