針對(duì)KAZE算法在遙感圖像配準(zhǔn)過(guò)程中存在的檢測(cè)速度慢和誤匹配的問題,本文提出了一種改進(jìn)的基于信息熵約束和KAZE特征提取的預(yù)處理算法。首先采用非重疊滑動(dòng)窗口遍歷遙感圖像并分割窗口,計(jì)算分割后窗口區(qū)域的信息熵。然后,根據(jù)獲取的信息熵形成的直方圖,選取適當(dāng)閾值來(lái)保留具有高信息熵的圖像局部區(qū)域用于KAZE算法特征提取。最后,采用RANSAC算法去除誤匹配以優(yōu)化匹配結(jié)果。在SPOT、高分二號(hào)等衛(wèi)星數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,本文算法相比于KAZE算法的特征點(diǎn)匹配精度分別提升了0.2%和0.3%,算法運(yùn)行時(shí)間分別降低了70%和53%。 

【文章來(lái)源】：光學(xué)精密工程. 2020,28(08)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 引 言
2 KAZE算法原理
    2.1 非線性尺度空間構(gòu)造
    2.2 特征點(diǎn)檢測(cè)與定位
    2.3 確定特征點(diǎn)主方向
    2.4 描述特征向量
3 一種用于加速KAZE特征提取的預(yù)處理算法
    3.1 基于信息熵約束的特征點(diǎn)篩取
        3.1.1 圖像分割
        3.1.2 局部信息熵提取
    3.2 特征點(diǎn)匹配
4 實(shí)驗(yàn)與分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)
    4.2 實(shí)驗(yàn)效果度量標(biāo)準(zhǔn)
    4.3 實(shí)驗(yàn)分析
        4.3.1 本文算法對(duì)特征點(diǎn)數(shù)的影響趨勢(shì)
        4.3.2 算法時(shí)間分析
        4.3.3 算法對(duì)比
5 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]融合高階信息的遙感影像建筑物自動(dòng)提取[J]. 王舒洋,慕曉冬,楊東方,賀浩,鄭玉航.  光學(xué)精密工程. 2019(11)
[2]改進(jìn)KAZE算法的移動(dòng)目標(biāo)檢測(cè)[J]. 羅宇,黃玉清,石繁榮.  傳感器與微系統(tǒng). 2019(08)
[3]基于SURF和SIFT特征的視頻鏡頭分割算法[J]. 張昊骕,朱曉龍,胡新洲,任洪娥.  液晶與顯示. 2019(05)
[4]風(fēng)云三號(hào)紅外高光譜探測(cè)儀的光譜定標(biāo)[J]. 漆成莉,周方,吳春強(qiáng),胡秀清,顧明劍.  光學(xué)精密工程. 2019(04)
[5]基于ORB與RANSAC融合改進(jìn)的圖像配準(zhǔn)[J]. 樊彥國(guó),柴江龍,許明明,王斌,侯秋實(shí).  光學(xué)精密工程. 2019(03)
[6]基于改進(jìn)KAZE的無(wú)人機(jī)航拍圖像拼接算法[J]. 韓敏,閆闊,秦國(guó)帥.  自動(dòng)化學(xué)報(bào). 2019(02)
[7]一種改進(jìn)的KAZE特征檢測(cè)描述算法[J]. 汪方斌,儲(chǔ)朱濤,朱達(dá)榮,劉濤,徐德軍,許露.  激光與光電子學(xué)進(jìn)展. 2018(09)
[8]基于超分辨率重建的亞像素圖像配準(zhǔn)[J]. 李方彪,何昕,魏仲慧,馬鑫.  光學(xué)精密工程. 2017(02)
[9]基于區(qū)域分塊與尺度不變特征變換的圖像拼接算法[J]. 李玉峰,李廣澤,谷紹湖,龍科慧.  光學(xué)精密工程. 2016(05)
[10]基于非線性尺度空間的多源遙感影像匹配[J]. 李鵬,武文波,王宗偉.  測(cè)繪科學(xué). 2015(07)



本文編號(hào)：3199082