图论算法的无人机影像匹配特征点粗差剔除

张志红

无人机影像匹配过程中，粗差是不可避免的，因此，获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是[size=7.7628pt]采用经典的 [size=7.7628pt]RANSAC [size=7.7628pt]算法进行粗差剔除[size=7.7628pt]，[size=7.7628pt]该算法受抽样次数[size=7.7628pt]、[size=7.7628pt]误差阈值的影响[size=7.7628pt]，[size=7.7628pt]还会残存部分误匹配的特征点[size=7.7628pt]。[size=7.7628pt]利用图论原理[size=7.7628pt]，[size=7.7628pt]对[size=7.7628pt]SIFT [size=7.7628pt]算法提取的特征点进行预处理[size=7.7628pt]，[size=7.7628pt]通过构建特征点的能量函数剔除能量较低的特征点[size=7.7628pt]，[size=7.7628pt]可以提高匹配特征点的稳健性[size=7.7628pt]，[size=7.7628pt]减少特[size=7.7628pt]征点的粗差[size=7.7628pt]。[size=7.7628pt]本文提出了一种新的方法[size=7.7628pt]，[size=7.7628pt]将图论算法与经典的 [size=7.7628pt]RANSAC [size=7.7628pt]算法相结合进行粗差剔除[size=7.7628pt]。[size=7.7628pt]该 方 法 命 名 为 [size=7.7628pt]GSIFT[size=7.7628pt]RANSAC [size=7.7628pt]算法[size=7.7628pt]，[size=7.7628pt]利用该算法可以提高特征点的稳健性[size=7.7628pt]，[size=7.7628pt]获取高精度的单应矩阵[size=7.7628pt]。[size=7.7628pt]采用两组无人机影像进行验证[size=7.7628pt]，[size=7.7628pt]本文提出的算法[size=7.7628pt]与单独利用图论剔除特征点的算法相比[size=7.7628pt]，[size=7.7628pt]粗差剔除率分别提高了 [size=7.7628pt]5．31%[size=7.7628pt]和 [size=7.7628pt]14．29%[size=7.7628pt]，[size=7.7628pt]说明该方法效果较好[size=7.7628pt]。
4 Q+ D* l9 N1 h; z2 z5 z) ]1 R关键词: 无人机影像匹配; 特征点; RANSAC 算法; 图论; GSIFT-RANSAC 算法
* Y& H+ Y% b6 a9 ?2 D7 }+ G
' D0 o. |% k2 `; w0 @+ |