CN101916445A - 一种基于仿射参数估计的图像配准方法 - Google Patents
一种基于仿射参数估计的图像配准方法 Download PDFInfo
- Publication number
- CN101916445A CN101916445A CN2010102630731A CN201010263073A CN101916445A CN 101916445 A CN101916445 A CN 101916445A CN 2010102630731 A CN2010102630731 A CN 2010102630731A CN 201010263073 A CN201010263073 A CN 201010263073A CN 101916445 A CN101916445 A CN 101916445A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- registration
- key point
- key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于计算机图像处理领域,涉及一种基于仿射参数估计的图像配准方法,包括下列步骤:采用SIFT算法提取图像的特征点,然后对不同图像的特征点进行匹配;根据仿射变换的具体情况,建立数学模型,并估计其中的仿射变换参数;采用估算出的图像间的仿射变换参数,进行运动补偿,得到配准后图像。本发明的图像配准方法,对误匹配具有较强的鲁棒性,实现起来比较简单并且有较好的实时性。
Description
技术领域
本发明属于计算机图像处理领域,涉及一种图像配准方法。
背景技术
图像配准是同一场景的两幅或多幅图像在空间上的对准。它在医学,遥感图像分析、图像融合、图像检索、目标识别等领域得到广泛的应用。同时它也是多传感器图像融合、遥感图像镶嵌、目标变化检测、三维重建等领域中提高精度和有效性的瓶颈,是必需的前期工作。图像配准方法分为基于图像灰度和基于图像特征的配准。其中,基于灰度信息的图像配准方法一般不需要对图像进行复杂的预先处理,而是利用图像本身具有灰度的一些统计信息来度量图像的相似程度,实现起来比较简单,经过几十年的发展,人们提出了许多基于灰度信息的图像配准方法,如互相关法(也称模板匹配法)、序贯相似度检测匹配法、交互信息法等。基于特征的匹配方法首先要对待配准图像进行预处理,也就是图像分割和特征提取的过程,再利用提取得到的特征完成两幅图像特征之间的匹配,通过特征的匹配关系建立图像之间的配准映射关系。由于图像中有很多种可以利用的特征,因而产生了多种基于特征的方法。常用到的图像特征有:特征点(包括角点、高曲率点等)直线段、边缘、轮廓、闭合区域、特征结构以及统计特征如矩不变量、重心等等。
以上两种方法虽然都有各自的优势,且都取得了不错的效果,但这两种方法也都有自己的不足之处,基于图像灰度的配准方法配准速度比较慢;基于图像特征的配准方法算法复杂,而且往往由于特征提取的不完全,导致匹配率较低,对误匹配比较敏感,随着误匹配率的增大,配准效果会有明显的下降。这在很大程度上限制了以上两种方法在实际工程中的应用,
由于现有的基于灰度和基于特征的图像配准方法对误匹配均比较敏感,因此对特征点配准准确度提出了很高的要求,然而在许多实际工程中,例如航遥感空影像配准,由于飞机飞行姿态受气流影响比较严重,导致相邻帧图像之间存在很大的畸变,在进行点配准时误匹配在所难免,利用传统方法进行图像配准就会出现较大的偏差。
发明内容
本发明的目的是克服现有技术的上述缺陷,提供一种对误匹配具有较强的鲁棒性,实现起来比较简单并且有较好的实时性的图像配准方法。本发明的技术方案如下:
一种基于仿射参数估计的图像配准方法,包括:
第一步:采用SIFT算法提取图像的特征点,然后对不同图像的特征点进行匹配,步骤如下:
1)检测尺度空间极值点
首先对原图和待匹配的图像分别生成一个尺度空间,然后进行采样,并将每一个采样点和它所有的相邻点比较以得到空间极值点;
2)精确定位极值点
设定阈值以去除低对比度的极值点和产生不稳定边缘响应的极值点,得到关键点,并通过拟和三维二次函数确定关键点的位置和尺度;
3)确定每个关键点方向参数
利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数;
4)关键点描述子的生成
对原图和待匹配的图像的每个关键点,首先将坐标轴旋转为关键点的方向,以关键点为中心取8×8的窗口,将8×8窗口分成4个小块,在每个4×4的小块上计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,即可形成一个种子点,从而生成原图和待匹配的图像各自的SIFT特征向量;设定一个比例阈值,取原图中的某个关键点,并找出其与待配准图像中欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于某个比例阈值,则接受这一对匹配点,用这种方法即可得到原图中的点列和待配准图像中对应的点列;
第二步:根据仿射变换的具体情况,建立数学模型如下:
已知待配准图像中的点列(xi,yj)(i=1,2,ΛM,j=1,2.ΛN)和原图像中的点列(Xi,Yj)(i=1,2,ΛM,j=1,2.ΛN)(M,N分别为图像的长和宽)和原图像中初始点X0的坐标(X0,Y0)的值,令它们近似满足:
其中(i=1,2,ΛN),θ∈(-π,π],kx>0,ky>0,估计其中的仿射变换参数θ,kx,ky,x0,y0,使得误差函数)达到最小,其中,θ为图像旋转角度,kx,ky分别为图像在x轴,y轴方向的畸变,x0,y0分别为图像在x轴,y轴方向的位移,记 X=(θ,kx,ky,x0,y0),该算法步骤如下:
若F(Xk+Pk)<F(Xk),令Xk+1=Xk+Pk,
若F(Xk+Pk)≥F(Xk),令计算Xk+1=Xk+tPk;
4)计算‖gk+1‖,判断其是否满足迭代终止条件‖gk+1‖<ε,如满足,则Xk+1即为仿射变换参数,否则,k=k+1,重复上述过程直到满足迭代终止条件为止;
第三步:采用估算出的图像间的仿射变换参数,进行运动补偿,得到配准后图像。
本发明结合了SIFT特征点匹配法和改进后的基于牛顿法的仿射参数估计方法提出了一种新的图像配准算法,并将其成功运用于图像配准领域。本发明对传统的基于图像灰度和基于图像特征的配准方法的改进之处在于:采用改进后的牛顿法求解仿射变换参数,有更高的收敛速度,与原方法相比最大的优点是:对误匹配有更好的鲁棒性,时间也比原方法快了一个数量级,实时性更强,计算简单,便于实现,能够更好地满足实际工程需要。
附图说明
图1θ估计结果随误匹配率变化曲线图;
图2kx估计结果随误匹配率变化的情况;
图3ky估计结果随误匹配率变化的情况;
图4x0估计结果随误匹配率变化的情况;
图5y0估计结果随误匹配率变化的情况;
图6PSNR随误匹配率变化情况;
图7图像配准及拼接后效果图。
具体实施方式
本发明提供的是结合了SIFT特征点匹配法和改进后的基于牛顿法的仿射参数估计法的图像配准方法,其具体步骤如下:
(1)采用SIFT算法提取图像的特征点,然后对不同图像的特征点进行匹配,步骤如下:
1)检测尺度空间极值点
首先对原图和待匹配的图像分别生成一个尺度空间,然后进行采样,并将每一个采样点和它所有的相邻点比较以得到空间极值点;
2)精确定位极值点
设定阈值以去除低对比度的极值点和产生不稳定边缘响应的极值点,得到关键点,并通过拟和三维二次函数确定关键点的位置和尺度;
3)确定每个关键点方向参数
利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数,使算子具备旋转不变性;
4)关键点描述子的生成
对于每个关键点,首先将坐标轴旋转为关键点的方向,以关键点为中心取8×8的窗口。将8×8窗口分成4个小块,在每个4×4的小块上计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,即可形成一个种子点,从而生成原图像和待匹配的图像各自的SIFT特征向量;
当两幅待匹配的图像的SIFT特征向量生成后,采用关键点特征向量的欧式距离来做为两幅图像中关键点的相似性判定度量:取原图中的某个关键点,并找出其与待配准图像中欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于某个比例阈值,则接受这一对匹配点。用这种方法即可得到原图中的点列和待配准图像中对应的点列,以进行仿射参数估计。
(2)根据仿射变换的具体情况,建立数学模型如下:
已知待配准图像中的点列(xi,yj)(i=1,2,ΛM,j=1,2.ΛN)和原图像中的点列(Xi,Yj)(i=1,2,ΛM,j=1,2.ΛN)(M,N分别为图像的长和宽)和原图像中初始点X0坐标X0Y0的值,令它们近似满足:
其中(i=1,2,ΛN),θ∈(-π,π],kx>0,ky>0,估计其中的仿射变换参数θkxkyx0y0,使得误差函数)达到最小,其中,θ为图像旋转角度,kx,ky分别为图像在x轴,y轴方向的畸变,x0,y0分别为图像在x轴,y轴方向的位移,记 X=(θ,kx,ky,x0,y0),该算法步骤如下:
3)如果Hk接近奇异,取计算:Xk+1=Xk+tPk;否则,由方程HkPk=-gk解出Pk,进行如下判断:
若F(Xk+Pk)<F(Xk),令Xk+1=Xk+Pk,
(3)计算‖gk+1‖,判断其是否满足迭代终止条件‖gk+1‖<ε,如满足,输出Xk+1,即仿射变换参数,否则,k=k+1,重复上述过程直到满足迭代终止条件为止。
(3)采用估算出的图像间的仿射变换参数,进行运动补偿,得到配准后图像。
随着误匹配率的增大,利用本发明中提出的基于改进后牛顿法的仿射参数估计方法与传统仿射变换参数估计方法(以超定方程法为例)的参数估计误差分别如图1-5所示,其中,横坐标代表图像的误匹配率,纵坐标代表估计出的参数和实际参数之间的绝对误差。
基于本发明及基于特征的图像配准方法对两帧图像进行配准,当误匹配率从1%升至10%,两种方法PSNR的变化情况如图6所示。其中,横坐标代表误匹配率,纵坐标代表配准后图像与原图像的峰值信噪比(PSNR)。
基于本发明及基于灰度的图像配准方法对对60帧图像进行配准后的平均峰值信噪比(PSNR)以及平均参数估计时间如表1所示。
表1两种方法配准后的平均峰值信噪比及参数估计时间比较
以下通过下面的实例对本发明做进一步的说明。选用60帧畸变比较严重的实际航空遥感视频影像,采用本发明提出的图像配准方法对相邻图像进行配准。首先,利用SIFT算法提取图像的特征点,然后对不同图像的特征点进行匹配,构建参数矩阵,然后采用本发明提出的基于牛顿法的参数估计模型进行迭代,迭代初值选为:[θ,kx,ky,x0,y0]T=[0,1,1,0,0]T,迭代终止条件为:‖gk+1‖<ε,ε取0.01。即可估计出两幅图像间的仿射变换参数,最后通过仿射参数逆变换进行运动补偿,得到配准后图像。
将配准后的60帧图像进行拼接,效果如图7所示。从图7中可以看出,利用上述方法能够实现帧间图像的精确配准,证明了本发明提出的方法,配准结果具有很高的精度,能够满足实际工程的需要。
Claims (1)
1.一种基于仿射参数估计的图像配准方法,包括:
第一步:采用SIFT算法提取图像的特征点,然后对不同图像的特征点进行匹配,步骤如下:
1)检测尺度空间极值点
首先对原图和待匹配的图像分别生成一个尺度空间,然后进行采样,并将每一个采样点和它所有的相邻点比较以得到空间极值点;
2)精确定位极值点
设定阈值以去除低对比度的极值点和产生不稳定边缘响应的极值点,得到关键点,并通过拟和三维二次函数确定关键点的位置和尺度;
3)确定每个关键点方向参数
利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数;
4)关键点描述子的生成
对原图和待匹配的图像的每个关键点,首先将坐标轴旋转为关键点的方向,以关键点为中心取8×8的窗口,将8×8窗口分成4个小块,在每个4×4的小块上计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,即可形成一个种子点,从而生成原图和待匹配的图像各自的SIFT特征向量;设定一个比例阈值,取原图中的某个关键点,并找出其与待配准图像中欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于某个比例阈值,则接受这一对匹配点,用这种方法即可得到原图中的点列和待配准图像中对应的点列;
第二步:根据仿射变换的具体情况,建立数学模型如下:
已知待配准图像中的点列(xi,yj)(i=1,2,ΛM,j=1,2.ΛN)和原图像中的点列(Xi,Yj)(i=1,2,ΛM,j=1,2.ΛN)(M,N分别为图像的长和宽)和原图像中初始点X0的坐标(X0,Y0)的值,令它们近似满足:
其中(i=1,2,ΛN),θ∈(-π,π],kx>0,ky>0,估计其中的仿射变换参数θ,kx,ky,x0,y0,使得误差函数)达到最小,其中,θ为图像旋转角度,kx,ky分别为图像在x轴,y轴方向的畸变,x0,y0分别为图像在x轴,y轴方向的位移,记 X=(θ,kx,ky,x0,y0),该算法步骤如下:
若F(Xk+Pk)<F(Xk),令Xk+1=Xk+Pk,
4)计算‖gk+1‖,判断其是否满足迭代终止条件‖gk+1‖<ε,如满足,则Xk+1即为仿射变换参数,否则,k=k+1,重复上述过程直到满足迭代终止条件为止;
第三步:采用估算出的图像间的仿射变换参数,进行运动补偿,得到配准后图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102630731A CN101916445A (zh) | 2010-08-25 | 2010-08-25 | 一种基于仿射参数估计的图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102630731A CN101916445A (zh) | 2010-08-25 | 2010-08-25 | 一种基于仿射参数估计的图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101916445A true CN101916445A (zh) | 2010-12-15 |
Family
ID=43323949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102630731A Pending CN101916445A (zh) | 2010-08-25 | 2010-08-25 | 一种基于仿射参数估计的图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101916445A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324043A (zh) * | 2011-09-07 | 2012-01-18 | 北京邮电大学 | 基于dct的特征描述算子及优化空间量化的图像匹配方法 |
CN102542534A (zh) * | 2010-12-31 | 2012-07-04 | 北京海思威科技有限公司 | 基于图像轮廓的图像畸变校正方法和装置 |
CN102567995A (zh) * | 2012-01-04 | 2012-07-11 | 朱经纬 | 图像配准方法 |
CN103279955A (zh) * | 2013-05-23 | 2013-09-04 | 中国科学院深圳先进技术研究院 | 图像匹配方法和系统 |
CN103456005A (zh) * | 2013-08-01 | 2013-12-18 | 华中科技大学 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
CN103810702A (zh) * | 2014-01-17 | 2014-05-21 | 浙江大学 | 一种基于分块噪声方差估计的图像累积信噪比计算方法 |
CN104992433A (zh) * | 2015-06-19 | 2015-10-21 | 北京邮电大学 | 基于线段匹配的多光谱图像配准的方法及装置 |
CN105094458A (zh) * | 2014-07-11 | 2015-11-25 | 华中师范大学 | 一种电子白板定位方法及系统 |
CN105447841A (zh) * | 2014-05-28 | 2016-03-30 | 展讯通信(天津)有限公司 | 图像匹配方法及视频处理方法 |
CN106447600A (zh) * | 2016-07-06 | 2017-02-22 | 河北箱变电器有限公司 | 一种电力客户需求扒图系统 |
CN109584282A (zh) * | 2018-11-24 | 2019-04-05 | 天津大学 | 一种基于sift特征与光流模型的非刚性图像配准方法 |
CN110363706A (zh) * | 2019-06-26 | 2019-10-22 | 杭州电子科技大学 | 一种大面积桥面图像拼接方法 |
CN111027572A (zh) * | 2019-12-02 | 2020-04-17 | 湖南警察学院 | 一种基于sift算法的单幅图像算法 |
WO2021135605A1 (zh) * | 2019-12-30 | 2021-07-08 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN116843583A (zh) * | 2023-09-01 | 2023-10-03 | 荣耀终端有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080317383A1 (en) * | 2005-12-22 | 2008-12-25 | Koninklijke Philips Electronics, N.V. | Adaptive Point-Based Elastic Image Registration |
CN101567051A (zh) * | 2009-06-03 | 2009-10-28 | 复旦大学 | 一种基于特征点的图像配准方法 |
CN101714254A (zh) * | 2009-11-16 | 2010-05-26 | 哈尔滨工业大学 | 联合多尺度sift和区域不变矩特征的配准控制点提取方法 |
-
2010
- 2010-08-25 CN CN2010102630731A patent/CN101916445A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080317383A1 (en) * | 2005-12-22 | 2008-12-25 | Koninklijke Philips Electronics, N.V. | Adaptive Point-Based Elastic Image Registration |
CN101567051A (zh) * | 2009-06-03 | 2009-10-28 | 复旦大学 | 一种基于特征点的图像配准方法 |
CN101714254A (zh) * | 2009-11-16 | 2010-05-26 | 哈尔滨工业大学 | 联合多尺度sift和区域不变矩特征的配准控制点提取方法 |
Non-Patent Citations (2)
Title |
---|
《厦门大学学报(自然科学版)》 20100531 柯杉等 一种改进的SIFT算法及其在医学图像配准中的应用 354-358 1 第49卷, 第3期 2 * |
《计算机与数字工程》 20051231 杨晓峰,张桂林 一种基于仿射变换模型的目标跟踪算法 30-34 1 第33卷, 第12期 2 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542534A (zh) * | 2010-12-31 | 2012-07-04 | 北京海思威科技有限公司 | 基于图像轮廓的图像畸变校正方法和装置 |
CN102542534B (zh) * | 2010-12-31 | 2015-01-14 | 北京海思威科技有限公司 | 基于图像轮廓的图像畸变校正方法和装置 |
CN102324043A (zh) * | 2011-09-07 | 2012-01-18 | 北京邮电大学 | 基于dct的特征描述算子及优化空间量化的图像匹配方法 |
CN102567995A (zh) * | 2012-01-04 | 2012-07-11 | 朱经纬 | 图像配准方法 |
CN103279955B (zh) * | 2013-05-23 | 2016-03-09 | 中国科学院深圳先进技术研究院 | 图像匹配方法和系统 |
CN103279955A (zh) * | 2013-05-23 | 2013-09-04 | 中国科学院深圳先进技术研究院 | 图像匹配方法和系统 |
CN103456005A (zh) * | 2013-08-01 | 2013-12-18 | 华中科技大学 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
CN103456005B (zh) * | 2013-08-01 | 2016-05-25 | 华中科技大学 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
CN103810702B (zh) * | 2014-01-17 | 2016-06-29 | 浙江大学 | 一种基于分块噪声方差估计的图像累积信噪比计算方法 |
CN103810702A (zh) * | 2014-01-17 | 2014-05-21 | 浙江大学 | 一种基于分块噪声方差估计的图像累积信噪比计算方法 |
CN105447841B (zh) * | 2014-05-28 | 2019-06-07 | 展讯通信(天津)有限公司 | 图像匹配方法及视频处理方法 |
CN105447841A (zh) * | 2014-05-28 | 2016-03-30 | 展讯通信(天津)有限公司 | 图像匹配方法及视频处理方法 |
CN105094458A (zh) * | 2014-07-11 | 2015-11-25 | 华中师范大学 | 一种电子白板定位方法及系统 |
CN105094458B (zh) * | 2014-07-11 | 2018-01-05 | 华中师范大学 | 一种电子白板定位方法及系统 |
CN104992433A (zh) * | 2015-06-19 | 2015-10-21 | 北京邮电大学 | 基于线段匹配的多光谱图像配准的方法及装置 |
CN104992433B (zh) * | 2015-06-19 | 2018-05-25 | 北京邮电大学 | 基于线段匹配的多光谱图像配准的方法及装置 |
CN106447600A (zh) * | 2016-07-06 | 2017-02-22 | 河北箱变电器有限公司 | 一种电力客户需求扒图系统 |
CN109584282A (zh) * | 2018-11-24 | 2019-04-05 | 天津大学 | 一种基于sift特征与光流模型的非刚性图像配准方法 |
CN109584282B (zh) * | 2018-11-24 | 2022-08-12 | 天津大学 | 一种基于sift特征与光流模型的非刚性图像配准方法 |
CN110363706A (zh) * | 2019-06-26 | 2019-10-22 | 杭州电子科技大学 | 一种大面积桥面图像拼接方法 |
CN110363706B (zh) * | 2019-06-26 | 2023-03-21 | 杭州电子科技大学 | 一种大面积桥面图像拼接方法 |
CN111027572A (zh) * | 2019-12-02 | 2020-04-17 | 湖南警察学院 | 一种基于sift算法的单幅图像算法 |
CN111027572B (zh) * | 2019-12-02 | 2023-08-22 | 湖南警察学院 | 一种基于sift算法的单幅图像算法 |
WO2021135605A1 (zh) * | 2019-12-30 | 2021-07-08 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
US12002198B2 (en) | 2019-12-30 | 2024-06-04 | Goertek Inc. | Character defect detection method and device |
CN116843583A (zh) * | 2023-09-01 | 2023-10-03 | 荣耀终端有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN116843583B (zh) * | 2023-09-01 | 2024-05-14 | 荣耀终端有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101916445A (zh) | 一种基于仿射参数估计的图像配准方法 | |
US11244197B2 (en) | Fast and robust multimodal remote sensing image matching method and system | |
CN110097093B (zh) | 一种异源图像精确匹配方法 | |
CN102509114B (zh) | 基于改进的结构相似度的图像配准方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN107316328B (zh) | 一种基于二维激光扫描仪角点特征的闭环检测方法 | |
CN111523547B (zh) | 一种3d语义分割的方法及终端 | |
CN102903109B (zh) | 一种光学影像和sar影像一体化分割配准方法 | |
CN103593832A (zh) | 一种基于高斯二阶差分特征检测算子的图像拼接方法 | |
CN103632142A (zh) | 基于局部坐标系特征描述的图像匹配方法 | |
CN101924871A (zh) | 基于均值偏移的视频目标跟踪方法 | |
CN111932614B (zh) | 一种基于聚类中心特征的激光雷达即时定位与建图方法 | |
CN101833763B (zh) | 一种水面倒影图像检测方法 | |
CN105160344A (zh) | 一种三维点云的局部特征提取方法及装置 | |
CN101964112B (zh) | 自适应的基于先验形状的图像分割方法 | |
CN108053445A (zh) | 特征融合的rgb-d相机运动估计方法 | |
CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
CN103839262A (zh) | 一种基于直线和fft的sar图像配准方法 | |
CN111462198A (zh) | 一种尺度、旋转和辐射不变性的多模态影像配准方法 | |
CN114897705A (zh) | 一种基于特征优化的无人机遥感图像拼接方法 | |
CN108021857B (zh) | 基于无人机航拍图像序列深度恢复的建筑物检测方法 | |
Gilani et al. | Robust building roof segmentation using airborne point cloud data | |
WO2008041518A1 (fr) | Dispositif de traitement d'images, procédé de commande pour un dispositif de traitement d'images et programme de commande pour un dispositif de traitement d'images | |
CN105654479A (zh) | 多光谱图像配准方法和装置 | |
CN103700082A (zh) | 基于对偶四元数相对定向的图像拼接方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20101215 |