改进AKAZE算法的泥石流区无人机影像特征匹配

doi:10.13474/j.cnki.11-2246.2023.0046

测绘通报 ›› 2023, Vol. 0 ›› Issue (2): 91-96,103.doi: 10.13474/j.cnki.11-2246.2023.0046

改进AKAZE算法的泥石流区无人机影像特征匹配

宗慧琳^1,2, 袁希平^2,3, 甘淑^1,2, 张晓伦¹, 梁昌献¹, 赵振峰¹

1. 昆明理工大学国土资源工程学院, 云南昆明 650093;
2. 云南省高校高原山地空间信息测绘技术应用工程研究中心, 云南昆明 650093;
3. 滇西应用技术大学, 云南大理 671006

收稿日期:2022-03-02 发布日期:2023-03-01
通讯作者: 袁希平。E-mail:kmustyxp@126.com
作者简介:宗慧琳(1987-),女,博士生,工程师,主要从事低空无人机摄影测量与遥感技术应用工作。E-mail:263286908@qq.com
基金资助:
国家自然科学基金(41861054)

An improved AKAZE algorithm for UAV image feature matching in debris flow area

ZONG Huilin^1,2, YUAN Xiping^2,3, GAN Shu^1,2, ZHANG Xiaolun¹, LIANG Changxian¹, ZHAO Zhenfeng¹

1. Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China;
2. Plateau Mountain Spatial Information Survey Technique Application Engineering Research Center at Yunnan Provinces Universities, Kunming 650093, China;
3. West Yunnan University of Applied Sciences, Dali 671006, China

Received:2022-03-02 Published:2023-03-01

摘要/Abstract

摘要： 针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE 算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。

关键词: 泥石流区无人机影像, 特征提取, BEBLID描述符, 核线约束, 影像匹配

Abstract: To solve the problem of low timeliness when UAV high-resolution image feature matching is used in debris flow disasters, an improved AKAZE UAV image feature matching algorithm is proposed in this paper. The AKAZE feature point detection algorithm is used to extract locally stable invariant features, and the binary descriptor BEBLID is used to describe the detected feature points. Then, the nearest neighbor distance ratio (NNDR) is used for preliminary matching. Furthermore, epipolar geometric constraint is used to calculate the transformation matrix to purify the inner points and improve matching quality. Five groups of UAV sequences images are selected for the feature-matching experiment and compared with the classic SIFT algorithm, AKAZE algorithm, and ORB algorithm. The experimental results show that the matching accuracy of the proposed method is close to that of SIFT algorithm, slightly higher than that of the AKAZE algorithm, significantly better than that of the ORB algorithm, and the calculation speed is significantly better than that of SIFT algorithm and AKAZE algorithm, basically reaching the calculation efficiency of ORB algorithm. The method proposed in this paper can be applied to the UAV image data processing in the debris flow scenes which requires high matching accuracy and matching time.

Key words: UAV images in debris flow area, feature extraction, boosted efficient binary local image descriptor, epipolar geometric constraint, image matching

中图分类号:

P237

宗慧琳, 袁希平, 甘淑, 张晓伦, 梁昌献, 赵振峰. 改进AKAZE算法的泥石流区无人机影像特征匹配[J]. 测绘通报, 2023, 0(2): 91-96,103.

ZONG Huilin, YUAN Xiping, GAN Shu, ZHANG Xiaolun, LIANG Changxian, ZHAO Zhenfeng. An improved AKAZE algorithm for UAV image feature matching in debris flow area[J]. Bulletin of Surveying and Mapping, 2023, 0(2): 91-96,103.

参考文献

[1] 张祖勋, 张剑清. 数字摄影测量学[M]. 2版. 武汉: 武汉大学出版社, 2012: 226-229.
[2] 徐芳, 邓非. 数字摄影测量学基础[M]. 武汉: 武汉大学出版社, 2017: 221-233.
[3] LOWE D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
[4] BAY H, ESS A, TUYTELAARS T, et al. Speeded-up robust features (SURF)[J]. Computer Vision and Image Understanding, 2008, 110(3): 346-359.
[5] RUBLEE E, RABAUD V, KONOLIGE K, et al. ORB: an efficient alternative to SIFT or SURF[C]//Proceedings of International Conference on Computer Vision. Barcelona, Spain: IEEE, 2011: 2564-2571.
[6] HARRIS C, STEPHENS M. A combined corner and edge detector[C]//Proceedings of the Alvey Vision Conference. Manchester: Alvey Vision Club, 1988.
[7] ALCANTARILLA P F, BARTOLI A, DAVISON A J. KAZE features[C]//Proceedings of the 12th European Conference on Computer Vision-Volume Part VI. New York: ACM, 2012: 214-227.
[8] ALCANTARILLA P, NUEVO J, BARTOLI A. Fast explicit diffusion for accelerated features in nonlinear scale spaces[C]//Proceedings of the British Machine Vision Conference. Bristol: British Machine Vision Association, 2013.
[9] 李闯, 王晓红, 何志伟. 利用A-AKAZE算法进行喀斯特地区无人机影像匹配[J]. 测绘通报, 2020(6): 53-56.
[10] 梁焕青, 谢意, 付四洲. 颜色不变量与AKAZE特征相结合的无人机影像匹配算法[J]. 测绘学报, 2017, 46(7): 900-909.
[11] 薄单, 李宗春, 王晓南, 等. 适用于倾斜影像的加速KAZE-SIFT特征提取算法[J]. 计算机应用, 2019, 39(7): 2093-2097.
[12] LI Dan, XU Qiannan, YU Wennian, et al. SRP-AKAZE: an improved accelerated KAZE algorithm based on sparse random projection[J]. IET Computer Vision, 2020, 14(4): 131-137.
[13] 沈学利, 陈鑫彤. 三元组描述符的特征匹配算法[J]. 计算机应用与软件, 2019, 36(2): 205-210.
[14] 李瑞祥,赵海涛,葛小三,等.多匹配策略融合的无人机影像匹配方法[J].测绘科学,2021,46(3):87-95.
[15] SUÁREZ I, SFEIR G, BUENAPOSADA J M, et al. BEBLID: Boosted efficient binary local image descriptor[J]. Pattern Recognition Letters, 2020, 133: 366-372.
[16] 季顺平. 智能摄影测量学导论[M]. 北京: 科学出版社, 2018: 99-100.
[17] 詹总谦, 李一挥, 王陈东, 等. 顾及局部相对几何变形改正的影像匹配和空三逐步精化方法[J]. 武汉大学学报(信息科学版), 2018, 43(11): 1620-1627.
[18] 董杨, 范大昭, 纪松, 等. 主成分分析的匹配点对提纯方法[J]. 测绘学报, 2017, 46(2): 228-236.

改进AKAZE算法的泥石流区无人机影像特征匹配

An improved AKAZE algorithm for UAV image feature matching in debris flow area

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘禹麒, 陈广亮, 蔡岳臻, 李名豪, 陈定安, 胡小中. 一种基于倾斜摄影测量点云密度自适应分割的建筑物边界提取方法[J]. 测绘通报, 2022, 0(9): 52-57.
[2]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[3]	卓广平, 张俊花. 基于几何约束与局部描述的航空影像直线匹配[J]. 测绘通报, 2022, 0(3): 60-64.
[4]	石壮, 杜全叶, 王庆栋, 马东岭, 崔琰. 虚拟格网分类支持下的密集匹配点云布料模拟滤波[J]. 测绘通报, 2022, 0(2): 73-77.
[5]	胡春梅, 夏国芳, 张旭, 刘喜, 王伟, 尉丽霞. 文物对象近景序列影像位姿高精度估计方法[J]. 测绘通报, 2022, 0(1): 50-55.
[6]	丁鸽, 燕立爽, 彭健, 朱传广, 黄雪亭. 基于RANSAC算法的隧道点云横断面提取[J]. 测绘通报, 2021, 0(9): 120-123.
[7]	耿万轩, 周维勋, 金双根. 基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类[J]. 测绘通报, 2021, 0(8): 14-21.
[8]	淳锦, 张新长, 郭海京, 张建国, 金诗程. 基于多源信息与深度学习特征提取的人口空间抽样方法[J]. 测绘通报, 2021, 0(8): 42-47.
[9]	陶莉, 胡召玲. 利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息[J]. 测绘通报, 2021, 0(7): 39-43.
[10]	王挺, 陈超然, 彭梦圆, 黄尔双, 黄霞. POS辅助和核线约束的倾斜影像匹配方法[J]. 测绘通报, 2021, 0(5): 91-95.
[11]	喜文飞, 赵子龙, 王绍君, 沈志坚, 李帅. 一种改进的无人机影像拼接粗差剔除算法[J]. 测绘通报, 2021, 0(2): 36-39.
[12]	钱学飞, 沈映政, 王友昆, 陈宇, 徐博. 一种改进SURF的视觉影像匹配算法[J]. 测绘通报, 2021, 0(1): 99-102,107.
[13]	刘燕, 杨树文, 薛理, 赵利江. 参考地理数据的大比例尺影像无控定位[J]. 测绘通报, 2020, 0(8): 18-22,27.
[14]	葛义攀, 王晓红. 基于本质矩阵的无人机影像精确匹配[J]. 测绘通报, 2020, 0(8): 55-58,75.
[15]	陈艳楠, 汪佳丽. 利用投影影像精化数字表面模型[J]. 测绘通报, 2020, 0(6): 45-48,56.