论文部分内容阅读
随着“智慧城市”的发展,三维建模的社会需求在不断增加,倾斜摄影测量技术是目前三维建模的主要方法之一。然而由于倾斜影像具有较大的仿射倾角和遮挡严重等现象,造成原有的影像匹配算法在倾斜影像匹配中出现匹配点数量少、匹配效率低以及重现性较差等问题。局部仿射不变特征能够对影像的平移、旋转、光照变化和视角变化具有较好的适应性,且相比于全局特征,局部特征能够更好的处理遮挡问题,因此本文提出一种融合Hessian-Affine特征和MSER特征的倾斜影像匹配算法。首先提取Hessian-Affine特征和MSER特征,对MSER特征进行提纯优化,采用SIFT描述符生成特征向量,在双向一致性和最次比约束下获得粗匹配结果,最后通过RANSAC算法剔除粗差完成精匹配。通过实验分析得到,本文算法获取的特征点数量略低于ASIFT算法,但算法耗时仅为ASIFT算法的1/10,且匹配精度高于ASIFT算法和SIFT算法。此外,本文算法相较于单一特征的影像匹配算法,正确匹配点对的均匀性和丰富性均得到了较大提高。特征点的均匀分布有助于提升待匹配影像间变换模型的精度,从而为后续密集匹配提供稳定且均匀的同名点对。具体工作可分为以下几个方面:(1)介绍影像匹配的研究现状,对SIFT算法、MSER算法、Hessian-Affine算法和ORB算法的基本原理及流程进行详细介绍;(2)采用graffiti数据集进行倾斜影像匹配实验,对比分析RANSAC算法、VFC算法和GMS算法的剔除粗差效果,实验结果表明RANSAC算法剔除粗差效果整体优于VFC算法和GMS算法,正确率高且平均耗时短;(3)提出一种融合Hessian-Affine特征和MSER特征的倾斜影像匹配算法,采用非极大值抑制算法对MSR特征区域进行提纯优化,对MSER特征进行归一化以便采用SIFT描述符生成特征向量。并在graffiti数据集和真实倾斜影像上对本文算法进行验证。