APP下载

应用于无人机视频影像密集匹配的特征描述方法

2016-12-13魏云鹏赵红颖辛甜甜郑鸿云

北京大学学报(自然科学版) 2016年6期
关键词:特征

魏云鹏 赵红颖 辛甜甜 郑鸿云



应用于无人机视频影像密集匹配的特征描述方法

魏云鹏 赵红颖†辛甜甜 郑鸿云

北京大学遥感与地理信息研究所, 北京 100871; † 通信作者, E-mail: zhaohy@pku.edu.cn

为了降低无人机视频影像密集匹配的消耗时间, 提高处理效率, 提出快速的特征描述和特征匹配方法。该方法首先利用Harris算子检测角点, 然后通过特征描述符simplified-DASIY (S-DASIY)对检测角点进行特征描述, 生成该点的 25 维特征描述符。根据相应的匹配准则对影像对特征点进行匹配, 得到影像对的匹配点。实验表明, 该方法能够显著减少特征点的生成和匹配时间。

无人机; 密集匹配; 特征描述符; 视频影像

图像匹配是在两幅或多幅图像之间寻找同名匹配点, 是图像融合、图像配准、三维重建和模式识别的基础, 在计算机视觉、数字摄影测量、遥感、地图学以及军事技术等诸多领域有广泛应用[1–4]。图像匹配的方法一般分为基于灰度相关的匹配算法和基于特征的匹配算法。基于灰度相关的匹配算法中较为常用的是块匹配法[5]、比值匹配法[6]和网格匹配法[7]。块匹配法精度受模块大小影响, 模块较大时精度较高, 同时时间消耗也很大; 比值匹配法精度比较低; 网格匹配法分为粗匹配和精匹配, 在粗匹配基础上再进行精匹配, 从而要求粗匹配精度要高, 这样才能保证精匹配精度。基于灰度相关的匹配算法的计算量比较大, 不同光照条件对图像灰度的影响非常大, 直接影响匹配精度。基于特征的匹配算法是通过图像的特征进行匹配, 不仅根据图像的灰度信息, 也结合图像中一些点的结构信息。……

登录APP查看全文

猜你喜欢

特征
离散型随机变量的分布列与数字特征
具有两个P’维非线性不可约特征标的非可解群
月震特征及与地震的对比
如何表达“特征”
不忠诚的四个特征
詈语的文化蕴含与现代特征
基于特征筛选的模型选择
线性代数的应用特征