改进SIFT算法结合两级特征匹配的无人机图像匹配算法

论文摘要

针对无人机航拍图像匹配过程中所需时间长、成本高、计算量大的问题,提出一种几何代数法(Geometry Algebra,GA)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT)结合的无人机图像匹配算法,以实现图像的快速特征提取和特征匹配。首先利用GA算法和SIFT算法进行特征点的检测及描述;接下来进行两级特征匹配,即先使用快速最近邻搜索包(Fast Library for Approximate Nearest Neighbors,FLANN)算法对特征点进行粗匹配,再根据改进的随机抽样一致算法(Random Sample Consensus,RANSAC)来优化匹配结果。实验结果表明,与传统的图像匹配方法相比,提出的算法可以准确地定位更多的特征点,极大地提高了图像对准过程的速度,并且可以为大型无人机图像匹配节省大量时间。

论文目录

• 1 特征点描述
•   1.1 基于SIFT的特征提取算法
•   1.2 几何代数法
•   1.3 多光谱图像的GA-SIFT算法
•     1.3.1 GA中多光谱图像的表示
•     1.3.2 卷积
• 2 特征匹配
•   2.1 特征点粗匹配
•   2.2 利用改进的RANSAC算法进行精确匹配
•     2.2.1 RANSAC算法
•     2.2.2 改进RANSAC算法
•   2.3 本文算法
• 3 实验分析
•   3.1 实验数据
•   3.2 实验结果与分析
• 结束语

文章来源

类型: 期刊论文

作者: 邵进达,杨帅,程琳

关键词: 无人机图像匹配,几何代数法,算法,粗匹配,改进算法

来源: 计算机科学 2019年06期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 航空航天科学与工程,计算机软件及计算机应用

单位: 南京工业大学测绘科学与技术学院,东南大学交通学院

基金: 国家自然科学基金项目(51378119)资助

分类号: TP391.41;V279

页码: 316-321

总页数: 6

文件大小: 729K

下载量: 309