-
公开(公告)号：CN110378940B
公开(公告)日：2023-04-07
申请号：CN201910521634.4
申请日：2019-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种航空图像特征点匹配扩散递归校准方法，包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。本发明有效提高了抗干扰能力和效率。
-
公开(公告)号：CN110378379A
公开(公告)日：2019-10-25
申请号：CN201910521233.9
申请日：2019-06-17
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种航空图像特征点匹配方法，包括以下步骤：S1：对基准图像和匹配图像均执行以下操作：以特征点为中心，取特征点周围一定数量的像素，将所述特征点周围的像素与特征点一起作为特征点特征矩阵；S2：对基准图像的特征点建立相关性系数矩阵；S3：将基准图像中的特征点按照特异性从强到弱放入队列进行储存；S4：对基准图像和匹配图像进行连接点匹配。本发明有效提高了方法的稳定性和准确性。
-
公开(公告)号：CN110378940A
公开(公告)日：2019-10-25
申请号：CN201910521634.4
申请日：2019-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种航空图像特征点匹配扩散递归校准方法，包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。本发明有效提高了抗干扰能力和效率。
-
公开(公告)号：CN110378379B
公开(公告)日：2023-10-13
申请号：CN201910521233.9
申请日：2019-06-17
Applicant: 东南大学
IPC: G06V10/75
Abstract: 本发明公开了一种航空图像特征点匹配方法，包括以下步骤：S1：对基准图像和匹配图像均执行以下操作：以特征点为中心，取特征点周围一定数量的像素，将所述特征点周围的像素与特征点一起作为特征点特征矩阵；S2：对基准图像的特征点建立相关性系数矩阵；S3：将基准图像中的特征点按照特异性从强到弱放入队列进行储存；S4：对基准图像和匹配图像进行连接点匹配。本发明有效提高了方法的稳定性和准确性。
-
-
-
Search Results
4
records
(took 0.019 seconds)
