导读:本文包含了立体影像匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:密集匹配,Delaunay叁角网,重心,核线约束
立体影像匹配论文文献综述
王琦,宋伟东,王竞雪[1]（2019）在《叁角网约束的立体影像密集匹配方法》一文中研究指出文中总结了基于叁角网约束的立体影像密集匹配方法。本次实验采用核线影像,首先在核线影像上使用SIFT算子匹配出一部分可靠的种子点,然后用这些种子点构建Delaunay叁角网。该网络能够将所加密的点的位置范围作为一个约束,根据左右影像上同名叁角网的位置、左影像上某一叁角形重心位置、该叁角形在右影像上的对应的叁角形的重新坐标,以及左侧重心在右侧像方影像的核线,在核线约束与灰度相似性约束的两层限制下,完成点-点的匹配工作。本文采用Matlab程序实现对待匹配叁角形重心的加密,运用核线约束方法,将点匹配的搜索区域由二维降到一维,不但能缩小搜索范围,提高工作效率,而且很大程度上降低了错误发生的概率,既能使得算法的运算速度得以提升,又能使其匹配精度得到较大的改善。(本文来源于《测绘与空间地理信息》期刊2019年05期）
王竞雪,张晶[2]（2019）在《局部仿射变换的自适应窗口立体影像匹配算法》一文中研究指出针对现有固定窗口相关匹配方式难以适用纹理断裂、深度不一、纹理匮乏等近景影像匹配问题,该文提出一种结合局部仿射变换的自适应窗口匹配算法。以ASIFT特征点作为匹配基元:①利用同名叁角网局部仿射变换确定匹配搜索区域;②利用Canny边缘点约束确定候选点自适应相关窗口,对应的建立参考点相关窗口;③建立顾及窗口尺寸的灰度差异相似性测度函数,将小于阈值的最小函数值对应的候选点作为匹配同名点;④采用RANSAC方法对匹配结果进行检核剔除错误匹配。选择3组典型特征的近景影像进行匹配实验,该文算法均能获得可靠的匹配结果,验证该算法的鲁棒性。通过与不同窗口、不同算法进行对比分析,本算法能有效减少窗口内像素点深度不一致引起的错误匹配,且在增加匹配点数量的同时提高匹配精度和可靠性。(本文来源于《测绘科学》期刊2019年09期）
余美[3]（2018）在《倾斜立体影像匹配若干问题研究》一文中研究指出倾斜摄影技术是国际测绘领域近年发展起来的一项高新技术。航空倾斜摄影系统颠覆了以往只能从垂直角度拍摄的局限,通过在同一飞行平台上搭载多台传感器,同时从垂直和倾斜角度采集影像,将用户引入了符合人眼视觉的真实直观世界,已成为当前获取空间信息的有效方式之一,在叁维(Three-Dimensional,3D)城市建设等领域有着独特的优势。由于在获取影像过程中传感器视角发生显着变化,导致影像间存在较大的几何和辐射畸变、同名区域遮挡等问题,加大了计算机自动确定同名特征的难度,直接导致了倾斜影像空叁解算及地物空间信息提取相对传统航测影像更为困难。因此研究倾斜立体影像的可靠自动匹配算法对推动倾斜航空摄影测量快速发展具有重要的理论和实用价值。本文以影像局部特征提取为出发点,研究了基于局部特征的复杂畸变立体影像匹配、倾斜立体影像多元特征融合匹配及倾斜影像直线特征匹配问题,主要工作及成果如下:(1)分析了Harris、最大稳定极值区域(Maximally Stable Extremal Regions,MSER)、尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)、加速分段测试特征(Features from Accelerated Segment Test,FAST)及KAZE等常用特征提取算法对于存在几何畸变及辐射畸变影像的匹配性能,对其鲁棒性进行验证并总结各类特征的特点及适用场景。(2)研究基于加权α形状(Weightedα-Shape,WαSH)特征的匹配方法。针对复杂畸变影像特征点较少,受噪声影像较大的缺陷,结合二维离散小波变换(2-Dimensional Discrete Wavelet Transform,2D-DWT)对WαSH匹配方法改进,提出了WWF、IWWF和LIWWF叁种方法用于无人机航空倾斜立体影像匹配。实验表明:对于存在较大仿射畸变及模糊的影像,基于WαSH特征的匹配方法比基于MSER的匹配方法的匹配正确率高;WWF、IWWF和LIWWF相对于WαSH的匹配点数和正确率有所提升;IWWF匹配方法与MSER、WαSH、WWF和LIWWF相比更稳定;(3)针对归一化互相关(Normalized Cross-Correlation,NCC)算法无法直接对存在旋转、缩放和仿射等畸变的影像匹配点判断的问题,提出了以特征点邻域内的仿射变换关系为基础的仿射不变归一化互相关(Affine-Invariant Normalized Cross-Correlation,AINCC)匹配算法。列举了两种AINCC的应用场景,并通过模拟影像,验证了AINCC算法对各种几何畸变的适应性。针对倾斜影像匹配点数量少且分布不均匀的问题,提出一种融合仿射和尺度不变特征的倾斜影像匹配算法。基于MSER特征匹配结果,通过使用AINCC算法对SIFT特征点进行匹配,并提出邻域支持强度(Neighbour Support Strenth,NSS)策略剔除MSER误匹配点,然后提出基于局部单应约束的迭代传播匹配策略对初始匹配进行扩展,最终获得数量充足且均匀分布的匹配点。实验分析并确定了初始匹配中AINCC系数和NSS系数的最佳阈值。通过对存在不同几何畸变的近景、航天立体影像及航空倾斜立体影像的配准实验,表明本文算法匹配效果优于现有的较为优秀的匹配算法,为倾斜立体影像提供鲁棒性较强、配准精度较高的自动匹配方法。(4)针对现有直线匹配方法效果极大依赖影像灰度信息,难以用于倾斜立体影像的问题,提出了基于直线间距离和中点距离、旋转角及重迭度所构成的空间结构信息的直线匹配方法。该方法利用特征点估计影像间投影变换模型,并基于直线间的距离及直线中点间的距离进行匹配,然后通过误匹配剔除及匹配优化操作获得“一对一”匹配。对包含不同类型纹理及几何畸变的无人机下视及斜视影像构成的立体像对进行实验,结果表明该直线匹配方法匹配正确率较高,匹配结果几乎不受点匹配结果及影像噪声影响,具有较强的适应性。(本文来源于《中国矿业大学》期刊2018-12-07）
葛忠孝,王克平,魏兰[4]（2018）在《基于数字视差模型的立体影像最小二乘密集匹配》一文中研究指出提出一种基于数字视差模型的立体影像最小二乘密集匹配方法。在高精度初始匹配点的基础上构建数字视差模型,利用多项式内插的方法预测出加密点的初始同名点位置,以结构相似性指数作为相似性测度进行加密点的粗匹配,然后利用最小二乘匹配算法将匹配精度提高至子像素级,最后由随机抽样一致性方法剔除误匹配点。实验结果表明,该方法能较为迅速地预测出加密点的同名点初始位置,且具有较高的匹配正确率,能得到十分密集的匹配点集,可以高效地应用于立体影像的密集匹配任务中。(本文来源于《海洋测绘》期刊2018年04期）
余美,邓喀中,杨化超,袁凯[5]（2018）在《基于WαSH局部特征的立体影像匹配》一文中研究指出针对传统方法对影像畸变敏感,难以用于具有较大变形的立体影像匹配的问题,提出了一种基于加权α形状(WαSH)局部区域特征的匹配方法.该方法采用WαSH特征检测算法提取图像的局部特征,并引入特征区域的二阶矩矩阵对椭圆拟合后的特征进行归一化,获得去除仿射变形的影像块;在归一化后的影像块上采用尺度不变特征变换(SIFT)描述算法提取特征描述向量,并基于最近邻与次近邻距离比率(NNDR)匹配测度进行特征匹配,确定同名特征.选用5组代表性影像进行实验.结果表明:提出的方法对发生较大视点变化、尺度+旋转变化、模糊及JPG压缩的影像均能获得正确率较高的匹配结果,与基于最大稳定极值区域(MSER)的匹配方法相比,匹配正确率及匹配效率更高.(本文来源于《中国矿业大学学报》期刊2018年03期）
陈登[6]（2018）在《倾斜多视立体影像匹配及重建若干问题研究》一文中研究指出随着摄影测量技术以及计算机技术的发展,叁维重建技术已被广泛应用于数字城市建设以及文物修复等多个领域。同时,无人机的迅速发展,使得将无人机航拍影像用于叁维重建成为可能。然而,无人机影像存在旋转、仿射、尺度等各种变换,增加了影像匹配的难度。影像匹配是叁维重建的关键步骤之一,为了完成物体的叁维重建,进行无人机影像匹配的研究至关重要。由于无人机获取影像时存在摄影“盲区”,导致生成的点云出现“空洞”区域,这将会直接影响后续重建模型的精度与结构完整性,所以对如何修补点云的“空洞”问题展开研究很有现实意义。针对这一实际问题,本文对叁维重建过程中的若干关键技术展开研究,具体内容如下:(1)为提高初始稀疏匹配的可靠性和匹配点数量,采用了一种融合尺度不变特征转换(Scale Invariant Feature Transform,SIFT)和DAISY算法的特征匹配方法。该方法首先采用SIFT算法提取特征点继而基于DAISY算法进行特征描述,并基于最近邻比值法进行匹配,最后采用随机抽样一致(Random Sample Consensus,RANSAC)算法剔除误匹配。实验表明,与仅采用SIFT算法相比,该方法对运动恢复结构(Structure from Motion,SFM)算法中单独采用SIFT特征点描述方法进行了改善,获得的正确匹配点数更多,匹配正确率更高。(2)为提高叁维重建模型的结构完整性,在相机标定的基础上,构造了一种两步法逐次叁维重建策略。该策略首先基于重构的SFM算法进行稀疏重建,生成叁维稀疏点云,然后采用基于区域增长的散列聚簇分类(Clustering Views for Multi-view Stereo,CMVS)和基于面片的叁维多视角立体视觉(Patch-based Multiview Stereo,PMVS)算法在稀疏点云的基础上进一步完成稠密重建。实验结果表明,采用的策略可得到更稠密更完整的叁维点云。(3)针对外业低空影像获取时摄影“盲区”导致的点云“空洞”问题,采用了一种基于地面近景影像的空洞修补方案。利用手持相机获取空洞区域的序列影像,经前述方法处理后得到空洞区域稠密重建点云,然后基于迭代最近邻点(Iterative Close Point,ICP)算法实现两个点集的配准和融合,实现了空洞区域的填补,获得了更完整的重建目标点云,最后对稠密点云进行叁角网格化处理以及纹理映射,获得完整的叁维模型。(本文来源于《中国矿业大学》期刊2018-05-01）
王竞雪,朱庆,王伟玺[7]（2017）在《顾及拓扑关系的立体影像直线特征可靠匹配算法》一文中研究指出针对单直线匹配过程中缺乏考虑邻近直线特征之间关系,纹理断裂处单一直线描述符的弱可靠性,提出了一种顾及拓扑关系的立体影像直线特征可靠匹配算法。该算法首先根据直线间距离、角度等基本拓扑关系对参考影像、搜索影像上提取的直线进行编组;然后将编组得到的直线组作为匹配基元,充分利用直线特征组内的拓扑关系,依次采用核线约束、单应矩阵约束、象限约束、不规则叁角形区域灰度相关约束对其进行匹配;最后将同名直线组分裂为两对同名单直线、并对分裂后的结果进行整合、拟合、检核等后处理,得到"一对一"的同名直线。选取典型纹理特征的航空影像和近景影像进行参数分析及直线匹配试验,结果表明,本文算法能获取可靠的直线匹配结果。(本文来源于《测绘学报》期刊2017年11期）
黄旭,刘璐,胡堃,周刚[8]（2017）在《基于全局代价积聚路径的立体影像快速密集匹配方法》一文中研究指出针对目前立体影像密集匹配精度和匹配速度相矛盾的问题,本文提出一种基于全局代价积聚路径的立体影像快速密集匹配方法(Global Aggregation Path Based Stereo Dense Matching,GAPM),能够快速取得鲁棒的密集匹配视差图。该方法设计一种全局的代价积聚路径,能够保证基准影像上每个像素的代价积聚受到整张影像上其余所有像素的影响。在全局路径上,本文采用动态规划优化的方法实现代价积聚,最终快速获得鲁棒的密集匹配视差图。该方法的时间复杂度远远低于传统的全局密集匹配算法,而匹配鲁棒性要优于传统的半全局密集匹配算法。本文采用Middlebury Benchmark标准数据集、无人机核线立体像对和航拍核线立体像对进行密集匹配试验,试验结果表明:本文所提出的算法与传统的半全局密集匹配算法的匹配时间基本一致,但是本文算法的匹配精度和匹配完整度均优于半全局密集匹配算法。(本文来源于《第四届高分辨率对地观测学术年会论文集》期刊2017-09-17）
庞燕[9]（2017）在《低空大倾角立体影像自动匹配方法研究》一文中研究指出近年来,随着“数字地球”和“智慧城市”的建设,叁维建模技术迅速发展。低空倾斜摄影测量采用多角度拍摄,可同时获取地物顶端以及侧面纹理等多方位的信息,满足叁维建模对影像数据的要求。将倾斜摄影测量获取的数据应用于叁维建模中,可节约叁维建模成本,同时能提高叁维建模的速度,在叁维建模中比传统低空摄影测量更具优势。然而,低空倾斜摄影测量由于在多个角度对地物进行拍摄,影像包含复杂的叁维场景信息以及更多的信息量、数据量和数据冗余,具有更大的辐射畸变和几何变形,影像中地物互相遮挡、地物阴影、视差断裂等现象也较为普遍,这些使倾斜影像匹配难度大大增加。本文针对低空大倾角立体影像自动匹配方法进行研究,结合当前计算机视觉研究热点之一的深度学习方法,提出深度学习辅助的影像匹配方法,采用深度学习方法对影像进行分类,基于分类结果进行影像匹配。研究内容主要包括:(1)提出深度学习辅助的影像匹配方法。提出一种深度卷积神经网络递归识别模型,选取影像样本对卷积神经网络进行训练,然后输入待分类影像进行分类。模型首先对输入影像进行初始识别,然后自动判别单位格网内的分类情况,并根据分类情况进行精细识别与分类,最终精确识别和定位场景目标;(2)在影像精细场景分类结果的基础上,对影像进行特征提取和匹配。以VS2008为编程平台,采用C++语言,将基于SIFT和Harris-Laplace的影像匹配算法进行实现。首先,建立影像多尺度空间,检测其中的Harris兴趣点,并采用LoG算子对其进行筛选得到特征点,采用SIFT方法进行特征描述。在搜索匹配点阶段,根据特征点所属场景类型在待匹配影像相同场景中进行搜索。从而减少匹配搜索量,提高匹配精度和效率;(3)采用本文场景分类方法以及深度学习辅助下的影像匹配方法进行实验,对实验结果进行分析。实验结果表明,基于深度学习的场景分类方法对高分辨率遥感影像场景的分类可取得较高精度的结果,配合本文的影像匹配算法,可有效增加匹配点数量、提高匹配精度和效率。(本文来源于《东华理工大学》期刊2017-06-13）
王亚超[10]（2017）在《SAR立体影像匹配关键技术研究》一文中研究指出雷达立体测量是SAR进行大面积地形测量的主要技术手段之一。雷达立体测量利用不同入射角获取的SAR立体影像间同名点进行地表叁维信息提取。然而,由于SAR影像上存在固有的斑点噪声和SAR立体影像间存在较大的几何差异与辐射差异,导致SAR立体影像间的同名点自动提取困难。因此,研究SAR立体影像匹配方法,完成不同角度的SAR影像间同名点自动提取,无论对于提高雷达立体测量的地形测量精度,还是推动雷达立体测量大面积地形测量的自动化程度,均具有重要意义。基于此,本文从SAR立体影像近似核线约束、多特征匹配和顾及匹配窗口信息量的相关匹配叁方面开展研究。本文的主要贡献和创新如下:(1)研究遥感影像的核线定义,探讨SAR立体影像间的近似核线。研究了星载SAR影像范围内的近似核线形式,同时引入星载SAR斜地距几何关系,提出星载SAR的近似核线影像生成方法。研究了机载SAR影像范围内的近似核线形式,同时引入机载斜地距几何关系,提出机载SAR的近似核线影像生成方法。实验表明上述方法均能有效消除影像间的上下视差。研究物方空间的投影基准面核线模型,发展一种改进的星载SAR近似核线影像生成方法。该方法利用物方空间不同基准面的核线近似平行特性,在核线生成过程中引入外部DEM。实验结果表明该方法既能保证星载SAR近似核线影像的上下视差精度,又能减弱星载SAR近似核线影像间的几何差异,进一步缩短匹配搜索范围。(2)SAR影像乘性斑点噪声影响特征主方向提取的准确性和特征描述子的分辨能力;特征匹配易受相似性纹理影响,且单一特征获取的匹配点数量较少,匹配成功率低。针对这些问题,提出一种叁角形多条件约束的多特征匹配方法。该方法利用比值梯度替代差值梯度,融合最大稳定极值区域(Maximally Stable Extremal Regions,MSER)算法和尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法获取较多的稳定特征匹配点,然后在稳定特征匹配点构建的叁角形特征空间、特征尺度和特征方向多条件约束下,进行剩余特征匹配。以机载SAR立体影像进行实验,实验证明该算法能有效增加匹配点数量,提高匹配成功率。针对SAR影像信噪比低引起的特征提取阶段噪声点多和特征匹配点集中在纹理信息丰富区域的问题,提出一种几何约束的SAR立体影像匹配方法。方法通过在多视处理后的影像上进行SIFT特征匹配,然后在构建的投影变换几何约束和格网控制下进行匹配传播。实验验证了方法在匹配效率、匹配精度以及匹配点的空间分布方面的优越性。(3)针对SAR立体影像间的几何差异的影响,提出一种核线约束的自适应窗口匹配方法。方法利用外部高程信息和影像参数进一步缩短核线约束的搜索范围,采用归一化相关和(Summed Normalized Cross Correlation,SNCC)进行匹配,匹配过程中进行匹配窗口自适应扩展,以减弱SAR立体影像的几何差异影响。采用TerraSAR-X聚束立体影像进行实验,表明本文方法在山地区域、高对比度区域均能增加正确匹配点,提高匹配正确率。提出一种SAR立体影像匹配的视差图融合方法。受影像纹理信息的影响,不同尺寸的匹配窗口进行归一化相关系数(Normalized Cross Correlation,NCC)匹配,获取的视差不同,为了对视差进行优选,充分利用左右一致性约束和信噪比两种置信测度的优势,提出一种新的置信测度,评价视差的置信水平。在此基础上,提出一种视差图融合策略,对不同尺寸匹配窗口获取的视差图进行融合,融合时既考虑视差本身的置信水平,也兼顾其邻域视差的影响。实验表明该方法能有效提高SAR立体影像叁维信息提取精度。(4)利用覆盖同一地区的升轨立体影像和降轨立体影像进行DEM提取实验。在多特征匹配研究的基础上,设计一种区域网多航带影像连接点自动选取方法,实验证明了该方法可为区域网平差提供分布均匀的有效连结点。然后结合SAR近似核线影像和SAR相关匹配的研究,设计一种影像自动匹配方法,实验表明该方法提取的DEM中误差约为7米。(本文来源于《中国矿业大学》期刊2017-05-01）
立体影像匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有固定窗口相关匹配方式难以适用纹理断裂、深度不一、纹理匮乏等近景影像匹配问题,该文提出一种结合局部仿射变换的自适应窗口匹配算法。以ASIFT特征点作为匹配基元:①利用同名叁角网局部仿射变换确定匹配搜索区域;②利用Canny边缘点约束确定候选点自适应相关窗口,对应的建立参考点相关窗口;③建立顾及窗口尺寸的灰度差异相似性测度函数,将小于阈值的最小函数值对应的候选点作为匹配同名点;④采用RANSAC方法对匹配结果进行检核剔除错误匹配。选择3组典型特征的近景影像进行匹配实验,该文算法均能获得可靠的匹配结果,验证该算法的鲁棒性。通过与不同窗口、不同算法进行对比分析,本算法能有效减少窗口内像素点深度不一致引起的错误匹配,且在增加匹配点数量的同时提高匹配精度和可靠性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
立体影像匹配论文参考文献
[1].王琦,宋伟东,王竞雪.叁角网约束的立体影像密集匹配方法[J].测绘与空间地理信息.2019
[2].王竞雪,张晶.局部仿射变换的自适应窗口立体影像匹配算法[J].测绘科学.2019
[3].余美.倾斜立体影像匹配若干问题研究[D].中国矿业大学.2018
[4].葛忠孝,王克平,魏兰.基于数字视差模型的立体影像最小二乘密集匹配[J].海洋测绘.2018
[5].余美,邓喀中,杨化超,袁凯.基于WαSH局部特征的立体影像匹配[J].中国矿业大学学报.2018
[6].陈登.倾斜多视立体影像匹配及重建若干问题研究[D].中国矿业大学.2018
[7].王竞雪,朱庆,王伟玺.顾及拓扑关系的立体影像直线特征可靠匹配算法[J].测绘学报.2017
[8].黄旭,刘璐,胡堃,周刚.基于全局代价积聚路径的立体影像快速密集匹配方法[C].第四届高分辨率对地观测学术年会论文集.2017
[9].庞燕.低空大倾角立体影像自动匹配方法研究[D].东华理工大学.2017
[10].王亚超.SAR立体影像匹配关键技术研究[D].中国矿业大学.2017
标签：密集匹配; Delaunay叁角网; 重心; 核线约束;