akaze特征匹配怎么去掉不合适的点_一种无人机滑坡遥感影像的快速匹配算法
作 者 信 息
郝豪杰1,2,3,刘贤赵3,李朝奎1,2,方 军1,2
(1. 湖南科技大学 地理空间信息技术国家地方联合工程实验室,湖南 湘潭 411201;2. 湖南科技大学 测绘遥感信息工程湖南省重点实验室,湖南 湘潭 411201;3. 湖南科技大学 资源环境与安全工程学院,湖南 湘潭 411201)
“
【摘要】由于传统匹配方法主要基于高斯线性空间进行,所得细节与噪声程度相似,不能有效保留滑坡的边缘信息,因此影响滑坡定位的准确性和时效性。针对上述问题,设计了一种基于AKAZE特征和二进制稳健不变特征(BRISK)算法的无人机滑坡遥感影像的快速匹配算法,克服了传统特征提取与匹配方法的不足。利用AKAZE算法进行关键点探测,然后使用快速最近邻搜索库(FLANN)对关键点进行匹配,最后利用Ratio方法和单应性估计法剔除误匹配,提高关键点匹配质量。通过无人机滑坡遥感影像匹配试验,结果表明:同等条件下新算法耗时仅为传统算法的12%~48%,匹配率较传统算法增加了10%~40%,不仅能够准确地完成同名点的匹配,还提高了运行效率,为滑坡灾害的有效管理以及相关部门进行应急救援提供一定的技术支撑。
【关键词】特征提取与匹配;AKAZE算法;BRISK算法;FLANN;关键点检测与描述
【中图分类号】P23 【文献标识码】A 【文章编号】1672-1586(2020)04-0083-07
”
引文格式:郝豪杰,刘贤赵,李朝奎,等. 一种无人机滑坡遥感影像的快速匹配算法[J].地理信息世界,2020,27(4):83-89.
正文
0 引 言
影像特征提取与匹配是三维重建领域的重要问题,在计算机视觉和智能驾驶等方面有着广泛的应用。而无人机滑坡遥感影像特征检测和描述,是滑坡三维重建的基础和前提,但由于无人机遥感平台在摄影成像时往往受拍摄角度、平台抖动和曝光度等条件的影响,从而导致影像特征提取困难、匹配耗时较长且准确率低等问题。针对以上问题,不少学者提出了多种不同的关键点检测和描述算法。如Lowe等人提出尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法,并对其进行完善。但由于SIFT算法使用128维描述符,因此算法复杂度高且效率低。为此,Bay等人提出了加速鲁棒特征算法 (Speed Up Robust Features,SURF),该算法使用积分影像高速计算Harr小波[6]响应来检测极值点,计算效率较SIFT算法有所提升,但随着机器视觉的快速发展,对算法的执行效率要求逐渐提高,从而使SURF算法难以满足需求。Rublee等人提出了定向二进制简单描述算法(Oriented Fast and Rotated Brief,ORB),虽然该算法在执行效率上较SIFT算法和SURF算法提升了1~2个量级,但获取的特征中不包含尺度信息和方向信息,因此算法不具备旋转不变特性。基于此,Leutenegger等人提出了二进制稳健不变特征算法(Binary Robust Invariant Scalable Keypoints,BRISK),该算法具备旋转不变性,且通过自适应通用加速分割(Adaptive and Generic Accelerated Segment Test,BRISST),降低自身计算复杂度,提升计算效率,但对噪声敏感,易受噪声影响,因而未能得到广泛应用。
上述算法基于线性空间对影像进行关键点检测,因此存在一个严重的缺陷:通过整体尺度平滑得到相同程度的细节与噪声,不能有效保留边缘信息,影响滑坡定位的准确性和时效性。针对此缺陷,Alcantarilla等人提出了KAZE算法,该算法克服了线性尺度空间的缺陷,保留了较多的边缘信息,但其计算效率不理想。因此,Alcantarilla等人提出了AKAZE(Accelerated-KAZE)算法,即加速KAZE算法,加速了非线性尺度空间的构造,效率较KAZE有所提升,但该算法关键点检测能力不足,且鲁棒性不强,不能很好地对无人机大像素滑坡遥感影像进行特征提取。
基于上述分析,本文将AKAZE和BRISK两种特征检测算法相结合以研究无人机滑坡遥感影像匹配技术。该方法通过构造非线性尺度空间,将整体尺度进行划分,然后通过局部自适应分级获得细节和噪声,保留更多的边缘特征信息,最后使用64位二进制串描述关键点,简化算法复杂度,提高计算效率。本文从计算效率和图像变换等方面分析匹配性能,验证算法鲁棒性,探索一种既能保留较多有效信息,又能提高计算效率的新方法。
1 AKAZE-BRISK算法
AKAZE算法以各向异性的非线性滤波来构造尺度空间,将整个尺度空间进行分割,利用局部自适应分级获得细节和噪声,保留较多的边缘细节信息,而BRISK算法不仅具有旋转不变性和尺度不变性,且能够生成64位二进制描述符具有较高的计算效率,因此本文拟将两种方法融合,充分发挥二者的优越性,使得融合后的AKAZE-BRISK算法,在不失精度的情况下大大提高效率,更好地应用于无人机滑坡遥感影像的信息提取,其具体过程如下述。
1.1关键点检测与描述
利用AKAZE算法对滑坡遥感影像进行关键点检测,算法参数的表达方式及其含义见表1。
表1 AKAZE算法参数表
Tab.1 Parameters in the AKAZE algorithm
本文使用AKAZE算法重点改进了关键点的接受阈值,不同阈值下检测到的关键点数目见表2。
表2 不同阈值检测到的关键点数目
Tab.2 Number of key points detected by different thresholds
由表2可知,随着阈值的减小,检测到的关键点数目逐渐增加。关键点过少时不能得到足够多的关键信息,从而影响滑坡信息提取的全面性和准确性,但关键点也并非越多越好,过多的关键点会造成信息冗余,导致算法的效率和精度降低。因此,选取合适的阈值至关重要,经多次验证,选取的阈值位于0.000 2~0.000 3 之间,能够满足绝大多数无人机影像的关键点探测。本文取0.000 25作为最终阈值,并利用改进阈值的AKAZE算法进行关键点检测,具体检测过程如下述。
1.1.1 构造非线性尺度空间
为了构造非线性尺度空间,假设共有O组金字塔影像,每一组有S层,其层级采用与原影像相同的分辨率, 按照式(1)进行构造。
式中,σi为第i层的尺度,L为尺度空间的影像总数,o表示金字塔组数,s表示每一组的层数。由于非线性扩散模型以像素为单位,因此需要将像素单位按照式(2)变换为时间单位。
式中,ti为变换时间,其大小取决于式(1)中的尺度参数σi。
然后,采用快速显示扩散( Fast Explicit Diffusion,FED)算法按照式(3)进行计算,即可获得非线性尺度影像。
式中,I为单位矩阵,为影像在维度的传导矩阵,τ为时间步长,L为显式扩散步数。
1.1.2 关键点探测并定位
关键点定位的基本原理是构造3×3的黑塞矩阵(Hessian Matrix),然后计算归一化后各尺度的Hessian矩阵行列式,求出局部极大点值,并检验同等尺度上下相邻3×3窗口内是否为极大点值,最后将黑塞矩阵行列式进行拟合,获得关键点的亚像素级位置。黑塞矩阵的计算方式按照式(4)进行。
式中,为影像组中归一化尺度因子;FXX为二阶横向微分;FYY为二阶纵向微分;FXY为二阶交叉微分。
1.1.3 确定关键点主方向
利用BRISK算法确定关键点的主方向其思想是:通过不同的半径构建以关键点为圆心的同心圆环,以此来获得均匀分布的间隔采样点,然后从所有采样点中随机选取一个点对记为(ni,mj),该点对经过处理后其灰度值分别为N(mj,σj)和N(mi,σi),并由式(5)计算该点对2个点之间的梯度,最后根据关键点邻域像素的梯度方向,获得全部关键点的主方向。
1.1.4 关键点描述符
经上述过程处理后,并不能确保不同影像中检测到的特征一致,因此需对关键点进行描述。首先将关键点方向信息按照式(6)进行计算,然后对短距离采样点集合S内的所有点对进行随机采样,按照式(7)生成64位关键点描述符。
式中,fy和fx分别为采样点y方向和x方向的导数,φ为采样点的旋转方式,B为二进制编码。
1.2 关键点匹配
关键点描述后使用一个指标来反映描述符的好坏,确保不同影像中描述的相似特征是同一个特征,需对同一关键点对进行匹配。常用的关键点匹配方法有K最近邻(K-Nearest Neighbor,KNN)、K维数(K-Dimensional Tree,KD-Tree)和快速最近邻搜索库(Fast Library for Approximate Nearest Neighbors,FLANN),但以上方法只能接受非二进制数据类型,对于BRISK算法得到的二进制数据类型不适用。考虑到FLANN在面对大数据集时,能够有效地减少计算量,提高匹配效率和准确率,本文对其做了一些改进,使之可以接受二进制数据类型,充分发挥其匹配优势。FLANN匹配器改进前后参数类型和数值见表3。
表3 FLANN改进前后对比表
Tab.3 Comparison of FLANN before and after improvement
表3中algorithm表示算法类型;table number为索引中树的遍历次数,其值越大精度越高,但耗时越长;key size为模板尺寸,越大搜索速度越快,但精度越低;multi probe level为多尺度探针。
1.3 匹配结果优化
FLANN匹配器匹配的关键点可能存在“一对多”的情况,因此本文采用Ratio方法对匹配结果进行粗略筛选,该方法中的阈值表示允许接受的误差大小,阈值越小匹配准确率越高,但相应的匹配对数会减少。为了确保实验的公平性,本文将阈值固定并设置为0.6,超过该阈值的被视为错误匹配直接舍弃。然后进行单应性估计,对初步筛选的结果进行精细筛选,只保留置信度为95%以上的最佳匹配点对,得到精确的匹配结果。
2 实验及分析
2.1 研究概况与数据采集
研究区位于湖南省长株潭城市群长潭西高速 路 段 , 如 图 1 所 示 , 长 度 约 2 4 k m , 其 地 理 坐标为 2 8°3′3 6″~ 2 8°9′3 0″N, 1 1 2°5 2′1 2″~ 112°52′48″E。
图1 研究区位图
Fig.1 Map of study area
采用中海达iFlyV5复合翼无人机进行数据采集,像机型号为DSC-RX1RM2,像素为4 020万,焦距为35 mm,飞行航线4条,飞行高度为410 m,影像的航向重叠度85%,旁向重叠度75%,分辨率4.1 cm。全部实验在相同条件下进行,采用Python3.7编写程序。
2.2 试验结果与分析
2.2.1 滑坡关键点检测试验
从图2a和图2b可知,SIFT算法和SURF算法虽检测出一定数目的关键点,但检测到的滑坡体特征较少且滑坡边缘信息不足,图2c中AKAZE算法得到的关键点严重不足,检测不到滑坡体和滑坡边缘特征。以上3种方法对于滑坡遥感影像特征检测的针对性都有不足之处。图2d为本文设计的AKAZE-BRISK算法,该算法能够从地表特征遭到一定破坏的滑坡体中检测到更多的关键点,且对于边缘特征非常敏感,可以更好地识别出滑坡与非滑坡的分界线,从而准确地界定滑坡范围并确定其位置,因此一定程度上证明了本文方法的有效性。
图2 不同算法关键点探测图
Fig.2 Detection of key points using different algorithms
2.2.2 影像变换试验
为了验证本文方法在无人机滑坡遥感影像上匹配率及效率的优势,试验将无人机遥感影像进行旋转、尺度、模糊和光照等变换,分析其耗时情况及匹配精度。
1)影像旋转变换试验
经过旋转后的影像,原图中关键点周围像素点的梯度值和方向等信息也会随之改变,最终改变关键点的主方向,影响后续的匹配结果。考虑到航向改变,平台抖动等因素使得无人机平台所拍摄的影像发生旋偏角变化的情况,本文以原始影像中心点为旋转中心,逆时针旋转一定角度得到旋转影像,试验中以10°为增幅获得从10°~350°共35张旋转影像,不同旋转角度下各算法关键点提取数目及耗时情况见表4。
表4 不同角度下各算法得到的关键点数目及耗时情况
Tab.4 The number of key points and time-consuming obtained by each algorithm under different angles
由表4可知,本文算法在关键点数目上约为AKAZE算法的3.2倍,较SURF算法和SIFT算法无明显差异。AKAZE-BRISK算法随着影像的旋转,获取的关键点数目稳定、适量,且用时皆小于1 s。
利用原始影像依次与旋转影像进行匹配,并利用Ratio方法和单应性估计法去除错误的匹配点对,最终的匹配情况如图3所示。由试验结果可知,4种算法匹配率均在影像逆时针旋转90°、180°和270°时达到峰值。SIFT算法和AKAZE算法大部分匹配率集中于48%~70%,SURF算法匹配率范围为12%~68%,AKAZE-BRISK算法匹配率集中于55%~85%,而且用时为其他算法的15%~45%。综合来看本文算法在滑坡遥感影像发生旋转变化的情况下具有良好的关键点检测能力和匹配率能力。
图3 不同旋转角度下各算法匹配率图
Fig.3 Matching rates of various algorithms under different rotation angles
2)影像尺度变换试验
影像中的关键点往往分布在不同的尺度上,算法是否能够有效地检测到这些关键点,是否具有尺度变换不变性,是评价其鲁棒性强弱的重要指标之一。考虑到无人机平台在飞行时因航高变化使得影像尺度改变的情况,本文将原始影像的尺度进行改变,得到比例影像,试验中以0.05为增幅,获得尺度从0.5升至1.2,共13张比例影像,不同尺度下各算法关键点检测数目及耗时情况见表5。
由表5可知,随着影像尺度的增大,各算法检测到的关键点数目和消耗的时间均呈现逐渐增加趋势。其中SIFT算法的关键点检测能力最强,本文算法和SURF算法次之,AKAZE算法关键点检测能力较差。
表5 不同尺度下各算法获得的关键点数目及耗时情况
Tab.5 The number of key points and time-consuming situation obtained by each algorithm under different scales
利用原始影像依次与比例影像进行匹配,去除误匹配点对后各算法关键点的匹配情况如图4所示,4种算法的匹配率均呈现出类似于正态分布的趋势,影像尺度越接近原始比例匹配率就越高,影像尺度过小或过大,匹配率都不理想。各算法的匹配率范围在15%~100%,本文算法的关键点匹配率大多都集中在50%~100%。由试验结果可知AKAZE-BRISK算法当滑坡遥感影像尺度发生变化时,保持了原有算法的匹配精度,且耗费的时间仅为其他算法的12%~40%,算法的执行效率得到提升。
图4 不同尺度下各算法匹配率图
Fig.4 The matching rates of each algorithm under different scales
3)影像模糊变换试验考虑到雾霾、曝光度以及平台抖动等因素可能导致影像模糊、重影等现象,本文对原始影像进行了高斯模糊处理,以1个像素为增幅得到模糊半径从1到10的10张模糊影像,不同模糊半径下各算法得到的关键点数目及耗时情况见表6。
由表6可知,各算法得到的关键点数目随模糊半径的增大呈下降趋势。其中本文算法在不同模糊半径下得到的关键点数目明显多于其他算法,且耗费时间较其他算法少。
表6 不同模糊半径下各算法获得的关键点数目及耗时情况
Tab.6 The number of key points and time-consuming of each algorithm under different blur radii
利用原始影像与模糊影像逐一进行匹配,并利用Ratio方法和单应性估计法去除错误的匹配点对,各算法在不同模糊半径下匹配率如图5所示。由试验结果可知,本文算法在不同模糊半径下匹配率大部分集中于32%~65%,较SIFT算法和SURF算法提升了10%~22%,较AKAZE算法无明显差异。综上所述,本文算法在滑坡遥感影像发生模糊变换的情况下,不仅保持了原AKAZE算法的匹配率,还提升了关键点检测能力和执行效率。
图5 不同模糊半径下各算法匹配率图
Fig.5 Matching rates graphs of different algorithms under different fuzzy radii
4)影像光照变换试验
不同光照条件下影像中包含的信息并不一样,适度光照会使得影像中关键特征突出。为了模拟天气变化可能出现光照不均的现象,将原始影像的光照定义为0,以5为增幅得到-50~50的20张影像,表7为不同光照下各算法得到的关键点数目及耗时情况。
由表7可知,随着影像光照的适当增加各算法得到的关键点数目逐步递增,但所耗费的时间也有所增加,其中AKAZE算法得到的关键点数目较少,其他算法得到的关键点数目无明显差异。
表7 不同光照下各算法获得的关键点数目及耗时情况
Tab.7 The number of key points and time-consuming of each algorithm under different illuminations
使用原始影像依次与不同光照强度的影像进行匹配,并滤除错误匹配点对,最终匹配结果如图6所示。比较发现,各算法在影像光照为-10~10之间匹配率普遍较高,本文算法在匹配率方面较其他算法增加了18%~27%,在执行效率方面本文算法较SIFT算法提升了1个量级,约为SURF算法的3倍,约为AKAZE算法的2.1倍,综合来看本文算法对滑坡遥感影像具有较强的光照变换鲁棒性。
图6 不同光照下各算法匹配率图
Fig.6 Matching rates of various algorithms under different illuminations
3 结束语
针对滑坡场景下地表部分特征遭到破坏,使用传统方法滑坡边缘范围难以确定、计算率低等问题,本文设计了AKAZE-BRISK算法,通过无人机滑坡遥感影像匹配试验得出如下结论:
1)利用AKAZE算法对影像构建非线性尺度空间,自适应分级滤除细节和噪声,保留了更多的特征信息,对滑坡特征具有更强的针对性。
2)AKAZE-BRISK算法对无人机滑坡遥感影像的特征匹配具有较强的鲁棒性,且消耗时间仅为传统算法的12%~48%;匹配准确率较传统算法增加了10%~40%。
3)本文方法关键点接受阈值只能根据经验预定,不能实现自适应预判,因此为了提高方法的自动化程度,下一步将研究自适应阈值算法。
作者简介:郝豪杰(1992-),男,河南汝州人,测绘科学与技术专业硕士研究生,主要研究方向为无人机倾斜摄影与三维重建。
E-mail:1316686591@qq.com
通讯作者:李朝奎(1967-),男,湖南汉寿人,教授,博士,博士生导师,主要从事三维建模及其应用等研究工作。
E-mail:chkl_hn@163.com
本期回顾
博士综述论坛
· 时空数据Web搜索的研究进展
· 基于精准时空信息的城市关键公共基础设施运行预警决策方法综述
全球网格位置框架与编码
· 地球剖分型GIS数据模型
· 基于全球剖分网格的不动产编码研究
· 目标网格编码支持的多源遥感影像地理匹配
测绘成果档案存储与服务
· 国家测绘档案业务管理系统设计与实现
· 大规模地理信息资源目录集成服务的技术框架及系统应用
· 国家测绘成果档案存储与管理总体设计与实现
· 国家级测绘地理信息系统数据成果备份设计与建设
· 国家级测绘地理信息系统异地容灾技术方案设计与实现
理论研究
· 数据粒度均衡的二维矢量瓦片构建方法
· 基于城市景观格局和连通性的地表温度贡献分析
邮箱变更声明
·《地理信息世界》邮箱变更声明
网站开通公告
·关于开通《地理信息世界》网站的公告
诚聘特约审稿专家
·诚聘|《地理信息世界》诚聘特约审稿专家
专题组稿
·约稿函|《地理信息世界》关于开辟“博士综述论坛”专栏的约稿函
akaze特征匹配怎么去掉不合适的点_一种无人机滑坡遥感影像的快速匹配算法相关推荐
- akaze特征匹配怎么去掉不合适的点_图像匹配几种常见算法与实践
奇技 · 指南 本文主要内容 1.模版匹配 2.特征匹配 3.深度学习去找目标 图像匹配的应用及背景 图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点. 应用:遥感(制图更新),计算机视觉 ...
- akaze特征匹配怎么去掉不合适的点_单应性矩阵应用基于特征的图像拼接
点击上方蓝字关注我们 微信公众号:OpenCV学堂 关注获取更多计算机视觉与深度学习知识 前言 前面写了一篇关于单应性矩阵的相关文章,结尾说到基于特征的图像拼接跟对象检测中单应性矩阵应用场景.得到很多 ...
- akaze特征匹配怎么去掉不合适的点_SIFT特征点
SIFT特征点 图像特征点检测一直是研究的热点,从早期的harris角点检测开始,一直有很多人关注图像特征点的检测.最早人们关注图像中的角点,主要是因为角点能够代表图像中的一些特征.比如,通过检测两幅 ...
- ORB/BRISK/AKAZE特征点提取、特征匹配的性能比较
写在前面 局部特征相关算法在过去二十年期间风靡一时,其中代表的有SIFT.SURF算法等(广泛应用于目标检测.识别.匹配定位中),这两种算法是用金字塔策略构建高斯尺度空间(SURF算法采用框滤波来近似 ...
- 特征匹配--GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence CVPR2017 c++ code: h ...
- OpenCV AKAZE本地特征匹配
OpenCV AKAZE本地特征匹配 AKAZE本地特征匹配 简介 源代码 解释 加载图像和单应性 使用AKAZE检测关键点并计算描述符 使用蛮力匹配器查找2-nn个匹配项 检查我们的匹配项是否适合单 ...
- OpenCV + CPP 系列(卌二)图像特征匹配( KAZE/AKAZE)
文章目录 一.KAZE简介 二.代码演示 特征检测效果对比 演示匹配 一.KAZE简介 ECCV2012中出现了一种比SIFT更稳定的特征检测算法KAZE ([1]).KAZE的取名是为了纪念尺度空间 ...
- OpenCV中的特征匹配(Feature Matching)
OpenCV中的特征匹配(Feature Matching) 1. 效果图 2. 原理 3. 源码 3.1 SIFT关键点检测+Knn近邻匹配 3.2 ORB关键点检测+蛮力特征匹配 3.3 SIFT ...
- opencv ORB特征匹配
AKAZE 局部特征匹配 级联分类器使用 等比例缩放图片 给图片加logo 鱼眼校正 智能答卷识别 opencv滤镜效果 灰度图像增强方式 opencv模板匹配 基础知识点 ORB 算法 使用 FAS ...
最新文章
- 内存管理器(二)边界标识法
- 顺时针打印二维数组C语言递归,按顺时针打印矩阵
- 从古希腊神话说起,讲讲英语里的偏旁部首
- (转)几种流行的JS框架的选择
- CobarClient源码分析
- 将a数组部分给b数组c语言,C语言第6章1 数组.ppt
- raid硬盘序列号_磁盘阵列出现坏盘,如何正确更换硬盘?
- 架构设计师—你在哪层楼?
- [强化学习实战]深度Q学习-DQN算法原理
- Flash Builder4.7安装
- 计算机投影到数字电视的方法,PC电脑投屏电视方法有几种【乐播投屏】
- 工作效率低如何解决?
- 分位数回归 Quantile Regression,python 代码
- 中职计算机平面设计主要学什么,四川省计算机平面设计专业学什么
- 微信撤回服务器有没有,无需任何软件, 告诉你如何查看微信撤回的图片!
- was expecting double-quote to start field name错误
- 《终身成长》学习总结
- 财管U08 公司估值 教材笔记
- 2021年软考信息安全工程师下午真题(考生回忆版)
- mysql applier_DRC 是唯品会自研的MySQL双向复制方案,主要应用场景是数据库双向复制、单向复制...
热门文章
- 使用snmp对DNS服务器进行图形化监控
- 设置让TortoiseGit记住账号和密码
- Linux shell 基础之Vim编辑器
- .NET Core 2.0终于发布了
- 解决Maven工程中报 Missing artifact jdk.tools:jdk.tools:
- hdu4169_Wealthy Family_树形DP(2011美国区域赛)
- shutdown命令远程关机
- 你的组织为自动化测试做好准备了吗?
- python3爬取数据存入mysql_Python如何爬取51cto数据并存入MySQL
- php中rsort,php数组函数排序之rsort()