亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于面積比不變量的遙感圖像配準(zhǔn)算法

        2022-09-27 09:18:16唐慶偉
        關(guān)鍵詞:利用特征

        顏 普,唐慶偉

        (1.智能建筑與建筑節(jié)能安徽省重點(diǎn)實(shí)驗(yàn)室,安徽 合肥 230022;2.安徽建筑大學(xué) 電子與信息工程學(xué)院,安徽 合肥 230601)

        遙感圖像配準(zhǔn)常用于遙感圖像的變化檢測(cè)、圖像融合、全景圖合成、環(huán)境監(jiān)測(cè)、目標(biāo)識(shí)別等任務(wù)[1]。一般而言,遙感圖像配準(zhǔn)的結(jié)果會(huì)極大地影響后續(xù)算法的性能[2],因此,遙感圖像配準(zhǔn)要求獲得高效且精確的結(jié)果。

        特征匹配是遙感圖像配準(zhǔn)中較為基礎(chǔ)且重要的一步[1-4],其中尺度不變特征變換(SIFT)是最成功的獲取初始特征匹配的算法[5],這是由于SIFT算法對(duì)圖像縮放和旋轉(zhuǎn)具有不變性,對(duì)圖像光照變化和視角變換具有部分不變性。由于遙感圖像成像的復(fù)雜性,在初始匹配中不可避免地存在大量錯(cuò)誤匹配,而這些錯(cuò)誤匹配會(huì)對(duì)配準(zhǔn)結(jié)果產(chǎn)生負(fù)面影響,因此,消除錯(cuò)誤匹配是提高遙感圖像配準(zhǔn)性能的有效途徑。大多數(shù)研究者利用特征點(diǎn)的幾何約束和空間信息來(lái)消除錯(cuò)誤匹配,文獻(xiàn)[6]提出著名的隨機(jī)一致性采樣(RANSAC)算法以剔除錯(cuò)誤匹配。該算法通過(guò)反復(fù)迭代,隨機(jī)選取初始匹配集中的一個(gè)最大一致性子集,該子集是在初始匹配集中剔除錯(cuò)誤匹配后的正確匹配集,但當(dāng)錯(cuò)誤匹配數(shù)較多時(shí),使用RANSAC 算法將耗費(fèi)大量時(shí)間。文獻(xiàn)[7]提出一種圖形變換匹配(GTM)算法來(lái)剔除錯(cuò)誤匹配,該算法分別在兩幅待配準(zhǔn)圖像上構(gòu)建K 最近鄰圖(KNN),每次迭代去除K 近鄰圖中結(jié)構(gòu)差異最大的匹配,直到K 近鄰圖的結(jié)構(gòu)一致。文獻(xiàn)[8]提出了一種基于向量域一致性(VFC)的錯(cuò)誤匹配去除算法,該算法在貝葉斯框架下將每個(gè)樣本與一個(gè)潛在變量聯(lián)系起來(lái),將求取正確匹配問(wèn)題表示成最大后驗(yàn)估計(jì)問(wèn)題,并利用期望最大化(EM)算法求得最優(yōu)解。文獻(xiàn)[9]提出了一種基于一致空間映射(CSM)的錯(cuò)誤匹配去除算法,該算法將一致空間變換的求解表示為一個(gè)最大似然問(wèn)題,并利用EM 算法求得最優(yōu)的空間變換,最后利用求得的最優(yōu)空間變換濾除錯(cuò)誤匹配。文獻(xiàn)[2]在RANSAC 算法的基礎(chǔ)上,提出一種快速一致性采樣(FSC)算法,該算法通過(guò)迭代選擇正確匹配和迭代去除不精確匹配兩個(gè)策略來(lái)提高圖像配準(zhǔn)的性能,從高正確率的SIFT 匹配集中迭代隨機(jī)選擇三個(gè)匹配對(duì),計(jì)算待配準(zhǔn)圖像間的變換模型參數(shù),使用此模型參數(shù)剔除低正確率的SIFT 匹配集中的錯(cuò)誤匹配。

        以上方法均需要進(jìn)行大量的迭代次數(shù)來(lái)獲取精確的特征匹配,限制了配準(zhǔn)效率。為了進(jìn)一步提高遙感圖像配準(zhǔn)的運(yùn)算速度和配準(zhǔn)性能,本文提出一種基于面積比不變量的遙感圖像配準(zhǔn)算法,該算法在不需要進(jìn)行迭代的情況下便可獲取正確率較高的特征匹配,并通過(guò)后期實(shí)驗(yàn)驗(yàn)證了本文算法的優(yōu)越性。

        1 面積比不變量

        當(dāng)物體本身尺寸遠(yuǎn)小于物體與傳感器的距離時(shí),物體在傳感器上所成圖像間的變換可近似為仿射變換[10]。因此,遙感衛(wèi)星所拍攝的遙感圖像間可選擇仿射變換模型來(lái)估計(jì)其變換模型參數(shù)。仿射變換模型可以表示為:

        2 基于面積比不變量的錯(cuò)誤匹配快速去除算法

        圖1 衡量錯(cuò)誤匹配的例子

        圖2 以一組遙感圖像為例,展示本文提取精確匹配的過(guò)程。圖2(a)是由SIFT 算法(距離比參數(shù)設(shè)置為0.9)獲取的初始特征匹配集S,圖2(b)為利用一次面積比約束后提取的特征匹配集S0。可以看出,S0中已剔除了絕大部分錯(cuò)誤匹配,存在極少數(shù)的錯(cuò)誤匹配,因此,圖2(c)再次利用面積比進(jìn)行約束,得到精確的特征匹配集S1。此時(shí)S1中都是精確的特征匹配,不存在錯(cuò)誤匹配,同時(shí)可以觀察到S1中匹配較少。這是由于鄰域內(nèi)的誤匹配可誤刪除一些正確匹配,利用S1中精確的匹配可獲取圖像間的仿射變換模型參數(shù),把經(jīng)變換后誤差小于2 個(gè)像素的匹配作為正確匹配,如圖2(d)所示。

        圖2 提取正確匹配的過(guò)程示例

        3 基于面積比不變量的遙感圖像配準(zhǔn)算法

        為了去除錯(cuò)誤匹配,提高遙感圖像配準(zhǔn)的性能和效率,本文提出了一種基于面積比不變量的遙感圖像配準(zhǔn)算法,具體步驟如下:

        ①輸入?yún)⒖紙D像和待配準(zhǔn)圖像;

        ②分別從參考圖像和待配準(zhǔn)圖像提取SIFT 特征點(diǎn);

        ③利用最近鄰距離比策略獲得初始特征匹配;

        ④剔除重復(fù)的特征匹配以避免三角形面積為零的情況;

        ⑤利用公式(2)和(3)分別構(gòu)建每對(duì)匹配的中值KNN 圖;

        ⑥利用中值KNN 圖計(jì)算每對(duì)匹配的面積比不變量;

        ⑦利用公式(5)計(jì)算每對(duì)匹配的鄰域結(jié)構(gòu)誤差。如果該誤差小于所設(shè)閾值,則該匹配正確,否則為錯(cuò)誤;

        ⑧為避免得到的匹配集中存在少量錯(cuò)誤匹配,重復(fù)一次⑤-⑦步驟,得到更加精確的特征匹配,并利用公式(6)在初始匹配中獲取所有正確匹配;

        ⑨利用最小二乘法和⑧中的正確匹配結(jié)果求解兩幅圖像間的仿射變換模型參數(shù);

        ⑩利用⑨中的仿射變換模型參數(shù)對(duì)待配準(zhǔn)圖像進(jìn)行重采樣和雙線性插值,獲得精確的遙感圖像配準(zhǔn)結(jié)果。

        本文算法流程圖如圖3 所示。

        圖3 算法流程圖

        4 實(shí)驗(yàn)結(jié)果與分析

        本文使用五組遙感圖像進(jìn)行實(shí)驗(yàn),如圖4 所示,左邊為參考圖像,右邊為待配準(zhǔn)圖像。圖4(a)是不同視角下拍攝的兩幅遙感圖像,圖4(b)是存在較大角度差異的兩幅遙感圖像。圖4(c)來(lái)自CIAP 數(shù)據(jù)庫(kù)[14],兩幅圖像間具有較小的重疊區(qū)域,圖4(d)和圖4(e)來(lái)自PAN 數(shù)據(jù)庫(kù)[14],圖像間存在較大的視角變化和地形起伏變化(如建筑物和山脈)。

        圖4 實(shí)驗(yàn)圖像

        本文將最近鄰距離比為0.9時(shí)的SIFT算法匹配結(jié)果作為初始匹配,使用均方根誤差(RMSE)[2]、準(zhǔn) 確 率(Precision)[15]、召 回 率(Recall)[15]、BPP(1.0)[2]和運(yùn)行時(shí)間(TIME)作為評(píng)價(jià)標(biāo)準(zhǔn)。本文算法包含兩個(gè)參數(shù)K 和ε,K 是特征點(diǎn)鄰域個(gè)數(shù),約束特征點(diǎn)的局部鄰域結(jié)構(gòu),ε的大小可判斷初始特征匹配的正確性。顯然,K 值越大,ε越小,所得匹配集的準(zhǔn)確率越高,而召回率越低,反之亦然。為了同時(shí)兼顧準(zhǔn)確率和召回率,根據(jù)文獻(xiàn)[14]的建議,本文設(shè)置K=4,ε=6。

        為驗(yàn)證本文算法的有效性,將本文算法、RANSAC 算 法、GTM 算 法、VFC 算 法、CSM 算 法和FSC 算法進(jìn)行比較。由于VFC 算法、CSM 算法和FSC 算法使用隨機(jī)策略,實(shí)驗(yàn)中取10 次運(yùn)行數(shù)據(jù)的平均值作為對(duì)比結(jié)果。運(yùn)行時(shí)間是指從提取SIFT 特征到完成遙感圖像配準(zhǔn)所需的時(shí)間。實(shí)驗(yàn)均在相同實(shí)驗(yàn)環(huán)境下(Intel Core CPU 2.80GHz,8GB 內(nèi)存,MATLAB2019b)重復(fù)50 次取平均值作為對(duì)比結(jié)果。上述6 種配準(zhǔn)算法在5 類評(píng)價(jià)標(biāo)準(zhǔn)上的對(duì)比結(jié)果如表1 所示。

        由表1 可知,本文算法取得最低或非常接近最低的均方根誤差。在兼顧較高的準(zhǔn)確率和召回率方面,本文算法表現(xiàn)得最好。雖然其他算法可能得到較高的召回率或準(zhǔn)確率,但對(duì)應(yīng)的準(zhǔn)確率或召回率卻降低了。除在第三組圖像中,GTM 算法取得最低的BPP(1.0)值,其他組均由本文算法取得最低的BPP(1.0)值。這是由于GTM 算法僅僅獲取極少的17 對(duì)正確匹配(初始匹配為546 對(duì)),17對(duì)正確匹配誤差均小于1,BPP(1.0)值為0,但也導(dǎo)致其召回率極低,限制了GTM 算法的性能。在運(yùn)行時(shí)間方面,除第四組圖像外,本文算法均達(dá)到最低,這是因?yàn)楸疚乃惴o(wú)需大量迭代即可得到精確的特征匹配,而其他算法均需要不同次數(shù)的迭代以獲取相對(duì)高正確率的特征匹配。如在第一組圖像中,RANSAC 算法需迭代203 次,GTM 算法需迭代186 次,VFC 算法需迭代10 次,CSM 算法需迭代15 次,F(xiàn)SC 算法需迭代500 次。雖然FSC 算法迭代次數(shù)較多,但作為一種快速的一致性采樣算法,運(yùn)行速度較快,特別在特征匹配數(shù)較多的圖像組表現(xiàn)較好,如第四組和第五組圖像,詳見(jiàn)文獻(xiàn)[2]??梢钥闯觯疚乃惴ǖ倪\(yùn)行時(shí)間并未表現(xiàn)出較強(qiáng)的優(yōu)勢(shì),這是因?yàn)檫@兩組圖像獲取大量的初始匹配(分別為1836 和2097 對(duì)匹配),導(dǎo)致本文算法在構(gòu)造中值KNN 圖上耗費(fèi)了一定時(shí)間。同時(shí),RANSAC算法也取得了不錯(cuò)的結(jié)果,這是因?yàn)殄e(cuò)誤匹配數(shù)沒(méi)有達(dá)到50%以上,并且RANSAC 算法運(yùn)行到最大迭代次數(shù),導(dǎo)致其運(yùn)行時(shí)間一般較長(zhǎng)。圖5 為本文算法在五組遙感圖像上的匹配和配準(zhǔn)結(jié)果。為更好地顯示配準(zhǔn)效果,將配準(zhǔn)后圖像與參考圖像簡(jiǎn)單拼接,可以看出本文算法取得了較好的結(jié)果。

        圖5 本文算法在實(shí)驗(yàn)圖像上的匹配和配準(zhǔn)結(jié)果

        表1 幾種配準(zhǔn)算法性能的對(duì)比結(jié)果

        5 結(jié)論

        針對(duì)遙感圖像配準(zhǔn)中如何快速有效去除錯(cuò)誤匹配的問(wèn)題,提出一種基于面積比不變量的遙感圖像配準(zhǔn)算法,該算法不需要迭代即可得到較為精確的特征匹配,大大提升了遙感圖像配準(zhǔn)的效率。實(shí)驗(yàn)結(jié)果證明,本文算法在均方根誤差、準(zhǔn)確率、召回率、BPP(1.0)和運(yùn)行時(shí)間等方面均表現(xiàn)出良好的性能,是一種快速、有效的遙感圖像配準(zhǔn)算法。

        猜你喜歡
        利用特征
        抓住特征巧觀察
        利用min{a,b}的積分表示解決一類絕對(duì)值不等式
        利用倒推破難點(diǎn)
        利用一半進(jìn)行移多補(bǔ)少
        新型冠狀病毒及其流行病學(xué)特征認(rèn)識(shí)
        如何表達(dá)“特征”
        不忠誠(chéng)的四個(gè)特征
        利用數(shù)的分解來(lái)思考
        Roommate is necessary when far away from home
        抓住特征巧觀察
        久久综合精品国产丝袜长腿| 国产精品精品| 精品推荐国产精品店| 熟女性饥渴一区二区三区| 精品无码成人片一区二区| 国产自拍精品在线视频| 99re66在线观看精品免费| 首页 综合国产 亚洲 丝袜| 国产成人综合在线视频| 亚洲不卡电影| 亚洲av五月天天堂网| 国内国外日产一区二区| 国产精品亚洲一区二区三区在线看| 国产a级毛片久久久精品毛片| 免费人成激情视频在线观看冫 | 中文字幕无线码中文字幕| 久久亚洲aⅴ精品网站婷婷| 极品少妇一区二区三区四区| 在线观看日本一区二区三区四区| 日本精品无码一区二区三区久久久 | 亚洲另类国产精品中文字幕| 婷婷精品国产亚洲av麻豆不片| 午夜免费啪视频| 亚洲男人第一无码av网站| 尤物无码一区| 亚洲国产av高清一区二区三区| 无码人妻h动漫中文字幕| 人妻aⅴ无码一区二区三区 | 国产亚洲精久久久久久无码77777| 丰满熟妇人妻av无码区| 国产毛片精品一区二区色| 丰满少妇被猛烈进入高清播放| 色婷婷综合久久久久中文| 岛国成人在线| 极品新娘高清在线观看| 亚洲国产精品无码久久一区二区| 丰满少妇a级毛片野外| 狠狠躁天天躁无码中文字幕图| 日韩日本国产一区二区| 漂亮人妻被强了完整版| 色一情一乱一伦一区二区三区日本 |