把计算机视觉算法应用遥感,RANSAC算法及其在遥感图像处理中的应用
摘要:
在计算机视觉,工程设计等领域都需要根据相关数据集确定模型参数,但是所得到的数据中往往存在大量不符合模型的异常数据(又被称为野点),这些野点对模型参数稳健性有很大的干扰.经典的参数估计算法如最小二乘法很难排除这些异常数据对模型的影响.RANSAC算法被广泛应用于提纯数据,从而减少了野点对模型参数的干扰. 本文首先介绍RANSAC算法的发展,原理及其改进算法.重点介绍其在遥感图像处理中几何校正和辐射校正的应用.在几何校正中一般是得到控制点对后,直接进行矫正模型的拟合,没有考虑异常数据的影响.本文利用RANSAC算法,剔除误匹配点后再拟合模型.在利用RANSA算法迭代得出稳健的模型参数前,首先要选择合适的几何模型,常用的几何模型是基本矩阵和单应矩阵.在遥感图像几何处理部分,本文主要针对几何处理中的图像配准进行实验.图像配准分为基于灰度特征和基于特征点的匹配方法.本文实验中图像配准基于特征点,计算基本矩阵筛选出影响模型参数的误匹配点;实验表明RANSAC算法剔除误匹配点后匹配效果明显,校正精度显著提高至1到2个像元误差. 遥感图像辐射校正分为绝对辐射校正和相对辐射校正.本文主要针对相对辐射校正线性回归法应用RANSAC算法,在寻找两幅图像重叠区域像素间线性关系中,剔除异常数据点,最大限度的利用支持线性模型的数据点拟合得到两图像的辐亮度线性变换模型参数.本文针对一些辐射校正后颜色平衡效果不好的情况,提出对像素点先聚类再拟合的方法. 最后介绍对RANSAC算法的一些改进以便提高其运算效率.基于RANSAC算法原理,主要可以从两方面对其改进:每次迭代样本的选取和模型参数的检验.本文除了介绍预检验模型参数的原理,更主要是根据样本选取提出了更加有效的样本预检验模型,即在原来预检验的基础上增加样本预检验.这样不仅减少检验模型参数的计算量同时也提高了样本选取的效率.
展开
把计算机视觉算法应用遥感,RANSAC算法及其在遥感图像处理中的应用相关推荐
- 计算机视觉的几个经典算法 —— 最小二乘法 + RANSAC + 哈希算法(附DCT) + 图像聚类算法
计算机视觉的几个经典算法 目录 计算机视觉的几个经典算法 1. 最小二乘法(寻找线性回归函数) 2. RANSAC(模型已知,参数未知) 2.1 RANSAC 与 最小二乘法的区别 2.2 RANSA ...
- 计算机视觉——SIFT特征提取与检索+匹配地理标记图像+RANSAC算法
SIFT特征提取与检索 1. SIFT算法 1.1 基本概念 1.2 SIFT算法基本原理 1.2.1 特征点 1.2.2 尺度空间 1.2.3 高斯函数 1.2.4 高斯模糊 1.2.5 高斯金字塔 ...
- RANSAC算法总结
1.什么是RANSAC算法呢? RANSAC,全称为Random Sample Consensus,即随机抽样一致. 它采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数. RANSAC是 ...
- 计算机视觉CV中RANSAC算法的学习笔记~
1 致谢 感谢网友叶晚zd的博客, 原文链接如下: https://blog.csdn.net/u013925378/article/details/82907502 2 RANSAC算法介绍 随机抽 ...
- 计算机视觉:Bag of words算法实现图像识别与搜索
计算机视觉:bag of words算法实现图像识别与搜索 原理 综述 基础流程 结果与解析 数据集 结果与解析 总结 源代码 出现的错误及解决方案 原理 综述 Bag of words,顾名思义,就 ...
- OpenCV 4.5发布!更强的SIFT,OCR,RANSAC算法,新增目标跟踪网络SiamRPN++
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 OpenCV 4.5版本发布了! 详情:https://github.com/opencv/openc ...
- openCV中的findHomography函数分析以及RANSAC算法的详解(源代码分析)
本文将openCV中的RANSAC代码全部挑选出来,进行分析和讲解,以便大家更好的理解RANSAC算法.代码我都试过,可以直接运行. 在计算机视觉和图像处理等很多领域,都需要用到RANSAC算法.op ...
- RANSAC算法的简单理解
图像拼接中看到了特征匹配的部分,特征匹配主要是特征点的匹配.在特征点匹配的时候,首先进行粗匹配,粗匹配通常是进行一对匹配点进行对比,误差越小越可能是一对匹配点:精匹配方法中,我们可以用到RANSAC( ...
- (二十二)用RANSAC算法来求线性回归模型的参数
线性回归模型 一.什么是线性回归? 举个例子, 某商品的利润在售价为2 元. 5 元. 10 元时分别为 4 元. 11 元. 20 元, 我们很容易得出商品的利润与售价的关系符合直线:y=2x. 在 ...
最新文章
- 重大改变!Python 或将取代 VBA 成为 Excel 官方脚本语言
- React 中报错:Unexpected reserved word ‘await‘
- Web Application Stress Tool(WAS)性能测试
- 这个安全平台结合Spring Security逆天了,我准备研究一下
- spring mvc + freemarker 整合
- python学习笔记(二十八)日志模块
- 模拟聊天室显示语句保持最新显示
- python实现胶囊网络_胶囊网络 -- Capsule Networks
- oracle em agent,ORACLE 11G EM 配置命令及问题处理
- Edge(Linux 版)无法正常同步问题解决
- Gyroscope in smartphone 手机中的陀螺仪传感器
- 中国移动互联网半年大报告解析
- 5G商用牌照的发放对物联网意味着什么
- 积分变现|积分变现如何效益最大化?信用卡积分如何快速变现?
- week 5 session and cookie
- python autoit3自动化测试_autoit-解决非标准B/S自动化测试的一个很好的思路
- android主题切换框架,Prism(棱镜)——一款优秀的Android 主题动态切换框架
- STK。如何规定“视线”的范围
- Xshell 7下载、安装步骤与使用教程
- 【TI-mmWave】三、CCS Projects导入报错:This project requires product SYS/BIOS v6.73.1.01, or equivalent......