多分支网络联合的倾斜影像仿射不变特征匹配

P236; 倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的...

Full description

Saved in:
Bibliographic Details
Published in:测绘学报 2021-05, Vol.50 (5), p.641-651
Main Authors: 张传辉, 姚国标, 张力, 艾海滨, 满孝成, 黄鹏飞
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 651
container_issue 5
container_start_page 641
container_title 测绘学报
container_volume 50
creator 张传辉
姚国标
张力
艾海滨
满孝成
黄鹏飞
description P236; 倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的有效性.
doi_str_mv 10.11947/j.AGCS.2021.20200506
format article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_chxb202105008</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>chxb202105008</wanfj_id><sourcerecordid>chxb202105008</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1008-2df498a99da3769f0bc2047e466fc8551e5240b69148c2173256cabaffb781573</originalsourceid><addsrcrecordid>eNotj09LAkEchudQkJgfoWPH3eY3_we6iJQFQofqLDPrTiWxQUvUMcnCILFAIsRj9-qWiPZlHLe-RSt1eV94D-_Dg9Aa4BBAM7nRDMvVyn5IMIFFYMyxWEIFwBgC4JqvoFKanth8Z1Ryqgto078OfOdu3n_LJk_ZePjd6vvHTjZo--vp_HnoJx_-pjcbf_n39uyz63sv2f3IT1v-YfRz211Fy86cpnHpv4vocHvroLIT1Paqu5VyLUhzsgpIwzGtjNYNQ6XQDtuIYCZjJoSLFOcQc8KwFRqYighISriIjDXOWamAS1pE63-_lyZxJjmqN88uzpOcWI-Or-zCNhfFiv4CkFBdtQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>多分支网络联合的倾斜影像仿射不变特征匹配</title><source>Publicly Available Content Database (Proquest) (PQ_SDU_P3)</source><creator>张传辉 ; 姚国标 ; 张力 ; 艾海滨 ; 满孝成 ; 黄鹏飞</creator><creatorcontrib>张传辉 ; 姚国标 ; 张力 ; 艾海滨 ; 满孝成 ; 黄鹏飞</creatorcontrib><description>P236; 倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的有效性.</description><identifier>ISSN: 1001-1595</identifier><identifier>DOI: 10.11947/j.AGCS.2021.20200506</identifier><language>chi</language><publisher>山东建筑大学测绘地理信息学院,山东济南250100%中国测绘科学研究院,北京100830</publisher><ispartof>测绘学报, 2021-05, Vol.50 (5), p.641-651</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/chxb/chxb.jpg</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids></links><search><creatorcontrib>张传辉</creatorcontrib><creatorcontrib>姚国标</creatorcontrib><creatorcontrib>张力</creatorcontrib><creatorcontrib>艾海滨</creatorcontrib><creatorcontrib>满孝成</creatorcontrib><creatorcontrib>黄鹏飞</creatorcontrib><title>多分支网络联合的倾斜影像仿射不变特征匹配</title><title>测绘学报</title><description>P236; 倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的有效性.</description><issn>1001-1595</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNotj09LAkEchudQkJgfoWPH3eY3_we6iJQFQofqLDPrTiWxQUvUMcnCILFAIsRj9-qWiPZlHLe-RSt1eV94D-_Dg9Aa4BBAM7nRDMvVyn5IMIFFYMyxWEIFwBgC4JqvoFKanth8Z1Ryqgto078OfOdu3n_LJk_ZePjd6vvHTjZo--vp_HnoJx_-pjcbf_n39uyz63sv2f3IT1v-YfRz211Fy86cpnHpv4vocHvroLIT1Paqu5VyLUhzsgpIwzGtjNYNQ6XQDtuIYCZjJoSLFOcQc8KwFRqYighISriIjDXOWamAS1pE63-_lyZxJjmqN88uzpOcWI-Or-zCNhfFiv4CkFBdtQ</recordid><startdate>20210501</startdate><enddate>20210501</enddate><creator>张传辉</creator><creator>姚国标</creator><creator>张力</creator><creator>艾海滨</creator><creator>满孝成</creator><creator>黄鹏飞</creator><general>山东建筑大学测绘地理信息学院,山东济南250100%中国测绘科学研究院,北京100830</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20210501</creationdate><title>多分支网络联合的倾斜影像仿射不变特征匹配</title><author>张传辉 ; 姚国标 ; 张力 ; 艾海滨 ; 满孝成 ; 黄鹏飞</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1008-2df498a99da3769f0bc2047e466fc8551e5240b69148c2173256cabaffb781573</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>张传辉</creatorcontrib><creatorcontrib>姚国标</creatorcontrib><creatorcontrib>张力</creatorcontrib><creatorcontrib>艾海滨</creatorcontrib><creatorcontrib>满孝成</creatorcontrib><creatorcontrib>黄鹏飞</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>测绘学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>张传辉</au><au>姚国标</au><au>张力</au><au>艾海滨</au><au>满孝成</au><au>黄鹏飞</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>多分支网络联合的倾斜影像仿射不变特征匹配</atitle><jtitle>测绘学报</jtitle><date>2021-05-01</date><risdate>2021</risdate><volume>50</volume><issue>5</issue><spage>641</spage><epage>651</epage><pages>641-651</pages><issn>1001-1595</issn><abstract>P236; 倾斜立体影像间存在较大仿射变形甚至透视畸变,导致现有的宽基线立体影像匹配算法容易失效或仅获得稀少匹配.基于此,本文提出一种多分支卷积网络联合的倾斜立体影像仿射不变特征匹配算法.算法首先使用Hessi an算子提取初始特征邻域,接着引入三分支网络(TN)模型,并通过深度学习策略获得仿射不变特征邻域.为提高非同名相似特征的匹配效果,提出多边约束损失函数并训练多分支描述符网络(MDN)模型,继而得到具有较高区分度的描述符.然后采用最/次近邻距离比率(NNDR)测度获得同名特征,并通过随机采样一致性(RANSAC)算法剔除可能的误匹配点.最后,多组低空无人机倾斜立体影像试验结果验证了算法的有效性.</abstract><pub>山东建筑大学测绘地理信息学院,山东济南250100%中国测绘科学研究院,北京100830</pub><doi>10.11947/j.AGCS.2021.20200506</doi><tpages>11</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1001-1595
ispartof 测绘学报, 2021-05, Vol.50 (5), p.641-651
issn 1001-1595
language chi
recordid cdi_wanfang_journals_chxb202105008
source Publicly Available Content Database (Proquest) (PQ_SDU_P3)
title 多分支网络联合的倾斜影像仿射不变特征匹配
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-27T16%3A16%3A17IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%A4%9A%E5%88%86%E6%94%AF%E7%BD%91%E7%BB%9C%E8%81%94%E5%90%88%E7%9A%84%E5%80%BE%E6%96%9C%E5%BD%B1%E5%83%8F%E4%BB%BF%E5%B0%84%E4%B8%8D%E5%8F%98%E7%89%B9%E5%BE%81%E5%8C%B9%E9%85%8D&rft.jtitle=%E6%B5%8B%E7%BB%98%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E4%BC%A0%E8%BE%89&rft.date=2021-05-01&rft.volume=50&rft.issue=5&rft.spage=641&rft.epage=651&rft.pages=641-651&rft.issn=1001-1595&rft_id=info:doi/10.11947/j.AGCS.2021.20200506&rft_dat=%3Cwanfang_jour%3Echxb202105008%3C/wanfang_jour%3E%3Cgrp_id%3Ecdi_FETCH-LOGICAL-s1008-2df498a99da3769f0bc2047e466fc8551e5240b69148c2173256cabaffb781573%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=chxb202105008&rfr_iscdi=true