剔除论文关于一种适应地形起伏的误匹配粗差剔除方法论文范文参考资料

剔除论文关于一种适应地形起伏的误匹配粗差剔除方法论文范文参考资料 （中南大学地球科学与信息物理学院，湖南 长沙 410083） 摘 要：为了实现更高精度的图像匹配，综合利用SIFT算法和APERS算法各自的优势，提出了一种可以剔除图像匹配粗差的改进的APERS算法。该算法先采用SIFT算法提取特征点并进行粗匹配，再采用改进的APERS算法剔除误匹配点对，解决了SIFT算法中存在的误匹配等问题，通过与RANSAC算法的对比实验验证了该算法的有效性。 关键词：改进的APERS算法；图像匹配；误匹配；RANSAC ：TP391.41；TP751 文献标志码：A DOI：10.3969/j.issn.1674-9146.xx.05.110 ：160226；修回日期：160402 作者简介：姜丙波（1989-），男，河南淮滨人，在读硕士，主要从事摄影测量与遥感研究，E-mail：csujbbcsu.eu.。 图像匹配是影像处理、计算机视觉中的一个基本问题，也是图像分析和处理任务流程中的关键步骤之一。图像匹配在非常多的领域有具体应用，主要有双目视觉立体匹配、单目视觉图像序列光流计算、遥感、图像配准等领域1-2。 在图像匹配中，特征点提取及匹配方法有很多，最早出现并较常用的有Forstner算法、Moravec算法、加速鲁棒特征（Speeded-Up Robust Features，SURF）算法、尺度不变特征转换（Scale Invariant Feature Transform，SIFT）算法。其中，SURF算法提取的特征点较为稳定，其对旋转、尺度缩放、亮度变化具有不变性。SIFT算法与SURF算法一样，在尺度缩放与旋转上有较好的鲁棒性，在光照变化中也表现出很好的稳定性3。 尽管匹配算法取得了长足的进步，然而当影像中出现具有复杂纹理的结构或者重复性的地物，待匹配点邻域描述将很难避免错误匹配。为了剔除错误匹配点，Simon Beckouche提出了一种更加稳健的算法随机抽样的仿射参数估计（Affine Parameters Estimation by Random Sampling，APERS）算法，通过估计建立合适匹配点集的最优仿射变换模型，并用来剔除粗差。然而当图像中有地形起伏时，由于不同高程水平面对应不同的仿射变换模型，因此所有高程面上匹配点对（Inliners）将不能更好地被识别，需要剔除误匹配点对（Outliners）。笔者将通过改进的APERS算法来识别最大的一致集，以解决地形起伏影响的问题。 1 仿射模型与改进的APERS算法理论 1.1 仿射模型 如果想获得仿射变换矩阵的6个参数：a，b，c，d，u，v，就必须有3对同名点。 假设观测值包含误差，可表示为 已知有3对同名点，从影像上的3个点构成矩阵S，主影像上的3个点构成矩阵M，分别为 则有 因此仿射矩阵误差值为 1.2 改进的APERS算法 Simon Beckouche的APERS算法通过估计建立适合匹配点集的最优仿射变换模型，通过检测一对匹配点是否满足这个模型来判定其是否为匹配点对。然而由于该方法不能很好地适应地形起伏的影响，笔者在此基础上进行了改进。已知粗差率为p，为了获取地形起伏影像中的最大一致集，改变APERS算法中参数为scorethresh=0.15，=0.05，以得到同一水平面高精度匹配点对一致集； init_data=所有匹配点的集合；/初始化数据； do 通过APERS得到某一高程水平面上的匹配点对； Cmax= inliers；/为Cmax为存放一致集的容器 init_data =init_data- C temp； pin=Cmax中所有匹配点对点个数/初始数据匹配点个数； while（pin 得到含有多个水平面的匹配点对组成的最大一致集。 2 实验原始数据影像 笔者采用广西某地梯田影像作为实验原始数据影像，见图1。 3 不同方法对比分析 首先采用SIFT算法进行影像对匹配以获取预匹配结果，然后分别利用RANSAC算法和改进的APERS算法进行匹配粗差的剔除，最后将两组提纯的匹配结果进行对比分析，对比分析结果见表1。从表1可以看出，与原有粗差剔除方法相比，改进的APERS算法结果有明显的改善。 4 结论 在Simon Beckouche的APERS算法