图结构在航空遥感图像特征点匹配中的应用

doi:10.3778/j.issn.1002-8331.1709-0310

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (1): 19-24.DOI: 10.3778/j.issn.1002-8331.1709-0310

图结构在航空遥感图像特征点匹配中的应用

刘朝霞1，邵峰2，景雨1，祁瑞华1

1.大连外国语大学软件学院，辽宁大连 116044
2.大连海事大学信息科学技术学院，辽宁大连 116026

出版日期:2018-01-01 发布日期:2018-01-15

Application of graph structure in aerial image feature matching

LIU Zhaoxia1, SHAO Feng2, JING Yu1, QI Ruihua1

1.School of Software, Dalian University of Foreign Languages, Dalian, Liaoning 116044, China
2.Faculty of Information Science & Technology, Dalian Maritime University, Dalian, Liaoning 116026, China

Online:2018-01-01 Published:2018-01-15

摘要/Abstract

摘要： 为了解决海上航空遥感图像拍摄目标及相机视角变化快，相似特征多导致的匹配不一致问题，并提高匹配算法的效率，提出了一种基于图结构的航空遥感图像特征点匹配算法。该特征匹配过程分为初始匹配和精确匹配两步，首先采用快速特征提取算法SURF进行特征提取并进行初始匹配，然后在精确匹配过程中充分考虑图像的局部空间结构及全局信息，建立[K]近邻图结构，用[K]近邻结构差异与点集的变换误差作为匹配的收敛条件，以解决图像目标发生变化而导致的[K]近邻结构不一致及[K]近邻结构相同时仍然存在干扰点两个问题，最终实现快速精确的特征匹配。

关键词: 特征匹配, SURF特征, 结构特征, 全局变换误差, 图结构

Abstract: The aerial remote sensing image captured on the sea has the characteristics of dynamicity, monotonous and similar patterns, which may result in mismatches in feature matching. In order to remove the mismatches and improve the efficiency, a feature point matching algorithm based on graph structure is proposed. There are two stages in feature matching process, coarse matching and fine matching. In the coarse matching, Speeded Up Robust Features（SURF ） is used to get an initial matching results. In the fine matching, Restricted GTM（RGTM） is proposed. Both local spatial structure and global information are considered. KNN graphs are constructed by the initial points. Then feature matching is converted to graph matching and global transformation error is used to restrict the matching convergence. The experimental results show that the proposed algorithm is more efficient and accurate than GTM.

Key words: feature matching, Speeded Up Robust Features（SURF）, structure feature, global transformation error, graph structure

刘朝霞1，邵峰2，景雨1，祁瑞华1. 图结构在航空遥感图像特征点匹配中的应用[J]. 计算机工程与应用, 2018, 54(1): 19-24.

LIU Zhaoxia1, SHAO Feng2, JING Yu1, QI Ruihua1. Application of graph structure in aerial image feature matching[J]. Computer Engineering and Applications, 2018, 54(1): 19-24.

[1]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[2]	杨春雨，徐洋，张思聪，李小剑. 基于静态特征融合的恶意软件分类方法[J]. 计算机工程与应用, 2021, 57(15): 147-155.
[3]	任益辰，肖达. 基于程序双维度特征的恶意程序相似性分析[J]. 计算机工程与应用, 2021, 57(1): 118-125.
[4]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[5]	王民，李泽洋，王纯，石新源. 基于卷积神经网络优化TLD运动手势跟踪算法[J]. 计算机工程与应用, 2019, 55(9): 151-156.
[6]	柴江龙1，樊彦国1，王斌1，韩志聪2. 尺度及主方向改正的ORB特征匹配算法[J]. 计算机工程与应用, 2019, 55(13): 178-185.
[7]	夏克付1，2，李鹏飞2，陈小平2. 基于改进RANSAC算法的单应矩阵鲁棒估计方法[J]. 计算机工程与应用, 2017, 53(23): 147-152.
[8]	刘畅1，唐加山2. 基于全局颜色传递的SIFT匹配算法[J]. 计算机工程与应用, 2017, 53(21): 157-161.
[9]	戴震1，2，程光1，2. 基于通信特征的APT攻击检测方法[J]. 计算机工程与应用, 2017, 53(18): 77-83.
[10]	王正彬，沈明玉，赵皎. 基于节点重构的社交网络的隐私保护技术探讨[J]. 计算机工程与应用, 2017, 53(11): 131-136.
[11]	王恒，郑笔耕. 弱小目标分割算子耦合特征匹配的杆菌识别[J]. 计算机工程与应用, 2016, 52(6): 191-196.
[12]	李彦1，张洪博2，石莲英3. 基于SIFT特征匹配的车牌识别方法[J]. 计算机工程与应用, 2016, 52(12): 194-200.
[13]	许可可，朱文球，郭富禄. 基于结构相似的RANSAC改进算法[J]. 计算机工程与应用, 2016, 52(12): 168-171.
[14]	张亮，王磊，董吉文，赵磊. 基于trace变换特征的单训练样本人脸识别算法[J]. 计算机工程与应用, 2015, 51(11): 139-144.
[15]	苑玮琦，金灿. 基于结构特征的纸币号码识别方法[J]. 计算机工程与应用, 2014, 50(8): 118-121.

图结构在航空遥感图像特征点匹配中的应用

Application of graph structure in aerial image feature matching

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics