顾及高阶结构特征的异源遥感影像同名点匹配方法

    公开(公告)号:CN106886794A

    公开(公告)日:2017-06-23

    申请号:CN201710078970.7

    申请日:2017-02-14

    CPC classification number: G06K9/6211 G06K9/0063

    Abstract: 本发明属于测绘科学与技术领域,提供了一种顾及高阶结构特征的异源遥感影像同名点匹配方法,包括进行异源影像匹配前的数据准备;进行特征点簇的划分与提取;特征点候选匹配点的确定;顾及高阶结构特征的同名点匹配;对每层金字塔影像匹配结果,利用融合选权迭代法的RFM模型区域网平差方法;逐层精化匹配结果直到完成原始影像层,最终实现异源遥感影像同名点的自动可靠匹配。本发明综合运用有理函数模型和超图影像匹配模型,将几何约束特征和高阶结构特征引入到逐层金字塔影像匹配中,既保证了超图模型的稀疏性,也使超边采样带来的信息损失降到最小;本发明提高了异源遥感影像匹配的可靠性和成功率,有效降低同名点人工量测的工作量。

    顾及高阶结构特征的异源遥感影像同名点匹配方法

    公开(公告)号:CN106886794B

    公开(公告)日:2019-06-14

    申请号:CN201710078970.7

    申请日:2017-02-14

    Abstract: 本发明属于测绘科学与技术领域,提供了一种顾及高阶结构特征的异源遥感影像同名点匹配方法,包括进行异源影像匹配前的数据准备;进行特征点簇的划分与提取;特征点候选匹配点的确定;顾及高阶结构特征的同名点匹配;对每层金字塔影像匹配结果,利用融合选权迭代法的RFM模型区域网平差方法;逐层精化匹配结果直到完成原始影像层,最终实现异源遥感影像同名点的自动可靠匹配。本发明综合运用有理函数模型和超图影像匹配模型,将几何约束特征和高阶结构特征引入到逐层金字塔影像匹配中,既保证了超图模型的稀疏性,也使超边采样带来的信息损失降到最小;本发明提高了异源遥感影像匹配的可靠性和成功率,有效降低同名点人工量测的工作量。

Patent Agency Ranking