基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法
【專(zhuān)利摘要】本發(fā)明提供一種新的基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法。本發(fā)明方法首先提取遙感圖像邊緣輪廓特征，保留主輪廓邊緣，并通過(guò)一種基于多項(xiàng)式擬合的特征點(diǎn)提取算法提取特征點(diǎn)并確定特征點(diǎn)的主方向；在此基礎(chǔ)上，通過(guò)改進(jìn)的形狀內(nèi)容描述子并最小化特征點(diǎn)之間的匹配代價(jià)來(lái)完成粗配準(zhǔn)；最后去除誤匹配，完成精配準(zhǔn)。本發(fā)明方法能夠?qū)崿F(xiàn)對(duì)不同地形的多源遙感圖像實(shí)現(xiàn)自動(dòng)配準(zhǔn)，具有配準(zhǔn)精度高、計(jì)算速度快、魯棒性和適用性好等優(yōu)點(diǎn)。
【專(zhuān)利說(shuō)明】
基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種遙感圖像處理技術(shù)，特別是一種基于多項(xiàng)式擬合的多源遙感圖像 形狀配準(zhǔn)方法。
【背景技術(shù)】
[0002] 遙感技術(shù)經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，在地學(xué)等領(lǐng)域得到了廣泛地應(yīng)用，為勘探資源、 保護(hù)環(huán)境、監(jiān)測(cè)災(zāi)害、分析全球變化等開(kāi)辟了新的途徑，成為人們觀(guān)察、分析地球環(huán)境的有 效手段。由于不同遙感衛(wèi)星獲得的遙感圖像在分辨率、視角、尺度等方面都具有很大差異， 故對(duì)遙感圖像進(jìn)行配準(zhǔn)來(lái)盡可能地消除差異是后續(xù)分析應(yīng)用的基礎(chǔ)。根據(jù)配準(zhǔn)過(guò)程中所利 用的圖像信息的不同，可將圖像配準(zhǔn)分為基于灰度的配準(zhǔn)方法和基于特征的配準(zhǔn)方法?；?于灰度的配準(zhǔn)方法主要包括互信息法和相位相關(guān)法等，互信息法因其配準(zhǔn)精度高，常用于 多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)，近年來(lái)也常用于遙感圖像的配準(zhǔn)，但計(jì)算速度限制了它在遙感圖 像配準(zhǔn)領(lǐng)域的發(fā)展和應(yīng)用;相位相關(guān)法易于硬件實(shí)現(xiàn).但它要求圖像間有嚴(yán)格的線(xiàn)性關(guān)系. 且對(duì)噪聲非常敏感，局限性大。基于特征的配準(zhǔn)方法不依賴(lài)于圖像的灰度特性，將對(duì)整個(gè)圖 像的分析轉(zhuǎn)化為對(duì)圖像某種特征的分析，大大降低了計(jì)算量，是目前使用最多的遙感圖像 配準(zhǔn)方法。但是在對(duì)不同類(lèi)型的傳感器獲得多源遙感圖像進(jìn)行配準(zhǔn)時(shí)，由于目前使用較多 的基于特征的遙感圖像配準(zhǔn)算法都需要提取圖像中明顯的特征，如Harri S、SIFT特征點(diǎn)或 者直線(xiàn)特征等，此時(shí)因成像機(jī)理及像元表示形式不同使得圖像間呈現(xiàn)很大的灰度和噪聲差 異，或使匹配精度很低，甚至匹配失敗。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法，解決 了傳統(tǒng)方法對(duì)多源遙感圖像進(jìn)行配準(zhǔn)時(shí)匹配精度低，運(yùn)算耗時(shí)、適用局限性的問(wèn)題。該方法 包括以下步驟：
[0004] 步驟1，輸入兩幅多源遙感圖像作為參考圖像和待配準(zhǔn)圖像；
[0005] 步驟2，對(duì)兩幅圖像提取邊緣輪廓特征，且消除密集區(qū)域無(wú)用的邊緣特征；
[0006] 步驟3,針對(duì)兩幅圖像提取到的輪廓上的像素點(diǎn)分別通過(guò)一種基于多項(xiàng)式擬合的 特征點(diǎn)提取算法提取特征點(diǎn)并確定特征點(diǎn)的主方向；
[0007] 步驟4，獲取每一特征點(diǎn)的改進(jìn)的形狀內(nèi)容描述子；
[0008] 步驟5,基于像素點(diǎn)的改進(jìn)的形狀內(nèi)容描述子，對(duì)參考圖像中的每一個(gè)特征點(diǎn)，遍 歷待配準(zhǔn)圖像中特征點(diǎn)，獲取與其匹配代價(jià)最小的待配準(zhǔn)圖像中特征點(diǎn)作為匹配點(diǎn)對(duì)；
[0009] 步驟6，去除誤匹配，完成精配準(zhǔn)；
[0010] 步驟7,根據(jù)匹配點(diǎn)對(duì)估計(jì)兩圖像間變換矩陣，將待配準(zhǔn)圖像經(jīng)變換矩陣還原，完 成配準(zhǔn)；
[0011] 其中步驟3所述的基于多項(xiàng)式擬合的特征點(diǎn)提取算法為：
[0012] 步驟3.1，針對(duì)提取到的遙感圖像輪廓邊界上的每一個(gè)像素點(diǎn)，將其與周?chē)倪吔?點(diǎn)進(jìn)行三次多項(xiàng)式擬合，估計(jì)出擬合曲線(xiàn)的系數(shù)；
[0013] 步驟3.2,計(jì)算擬合曲線(xiàn)的擬合誤差以及該像素點(diǎn)處的曲率；
[0014] 步驟3.3,拋棄擬合誤差大的像素點(diǎn)，并在剩余的像素點(diǎn)中篩選出曲率大的點(diǎn)作為 特征點(diǎn)；
[0015] 步驟3.4,采用該像素點(diǎn)處曲線(xiàn)切線(xiàn)方向作為特征點(diǎn)的主方向；
[0016] 其中步驟4中所述的改進(jìn)的形狀內(nèi)容描述子為圓形模板，并賦予方向，該方向與特 征點(diǎn)的主方向相同。
[0017] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：（1)本發(fā)明方法提出了一種新的基于多項(xiàng) 式擬合的特征點(diǎn)提取算法，大大減少了計(jì)算量，使得經(jīng)典的形狀內(nèi)容描述子在實(shí)際復(fù)雜的 遙感圖像中實(shí)現(xiàn)應(yīng)用；（2)本發(fā)明方法利用多項(xiàng)式擬合的方法為每個(gè)特征點(diǎn)確定了主方向， 改進(jìn)了經(jīng)典的形狀內(nèi)容描述子，使之具有旋轉(zhuǎn)不變性，從而可以對(duì)不同地形的多源遙感圖 像進(jìn)行配準(zhǔn)，適用性得到了提高；（3)本發(fā)明方法通過(guò)由粗到精進(jìn)行配準(zhǔn)，在粗配準(zhǔn)的基礎(chǔ) 上通過(guò)RANSAC算法去除誤匹配，提高了配準(zhǔn)精度。
[0018] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
【附圖說(shuō)明】
[0019] 圖1是本發(fā)明方法流程圖。
[0020] 圖2是形狀內(nèi)容描述子圓形模板示意圖，其中，圖2(a)是傳統(tǒng)的形狀內(nèi)容描述子圓 形模板，圖2(b)是本方法中改進(jìn)的具有旋轉(zhuǎn)不變性的形狀內(nèi)容描述子圓形模板。
[0021] 圖3是待配準(zhǔn)的多源遙感圖像及本發(fā)明方法獲得的配準(zhǔn)效果圖。其中圖3(a) (d) (g)為來(lái)自衛(wèi)星探測(cè)器拍攝的衛(wèi)星影像，分辨率為1024X1024，（b)(e)(h)為Google地圖數(shù) 據(jù)庫(kù)中圖像，分辨率為696X696 JcKfKi)為本發(fā)明方法獲得的配準(zhǔn)效果圖。
[0022] 圖4是使用傳統(tǒng)的SIFT算法得到的配準(zhǔn)效果圖。
【具體實(shí)施方式】
[0023] 結(jié)合圖1，本發(fā)明提出的基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法，首先分別 提取參考圖像和待配準(zhǔn)圖像的邊緣輪廓特征，并通過(guò)一種基于多項(xiàng)式擬合的特征點(diǎn)提取算 法提取特征點(diǎn)并確定特征點(diǎn)的主方向，利用改進(jìn)的形狀內(nèi)容描述子并最小化特征點(diǎn)之間的 匹配代價(jià)來(lái)完成粗配準(zhǔn)。最后去除誤匹配，完成精配準(zhǔn)。在此基礎(chǔ)上根據(jù)匹配點(diǎn)對(duì)估計(jì)出參 考圖像和待配準(zhǔn)圖像之間的單應(yīng)變換矩陣H，將待配準(zhǔn)圖像經(jīng)變換矩陣還原，完成配準(zhǔn)。
[0024] 實(shí)現(xiàn)上述基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法的具體實(shí)施步驟如下：
[0025] 步驟1，輸入兩幅多源遙感圖像作為參考圖像和待配準(zhǔn)圖像；
[0026] 步驟2,采用Canny算子對(duì)兩幅圖像提取邊緣輪廓特征，并通過(guò)形態(tài)學(xué)變換消除密 集區(qū)域無(wú)用的邊緣特征，留下圖像主輪廓；
[0027] 步驟3,針對(duì)兩幅圖像提取到的輪廓上的像素點(diǎn)分別通過(guò)一種基于多項(xiàng)式擬合的 特征點(diǎn)提取算法提取特征點(diǎn)并確定特征點(diǎn)的主方向；
[0028] 步驟4,獲取每一特征點(diǎn)的改進(jìn)的形狀內(nèi)容描述子；
[0029] 步驟5,基于像素點(diǎn)的改進(jìn)的形狀內(nèi)容描述子，對(duì)參考圖像中的每一個(gè)特征點(diǎn)，遍 歷待配準(zhǔn)圖像中特征點(diǎn)，獲取與其匹配代價(jià)最小的待配準(zhǔn)圖像中特征點(diǎn)作為匹配點(diǎn)對(duì)；
[0030] 步驟6，去除誤匹配，完成精配準(zhǔn)；
[0031] 步驟7,根據(jù)匹配點(diǎn)對(duì)估計(jì)兩圖像間變換矩陣，將待配準(zhǔn)圖像經(jīng)變換矩陣還原，完 成配準(zhǔn)。
[0032] 具體地，在步驟3中，分別提取參考圖像和待配準(zhǔn)圖像的主輪廓特征，針對(duì)提取到 的遙感圖像輪廓邊界上的每一個(gè)像素點(diǎn)，將其與周?chē)倪吔琰c(diǎn)進(jìn)行三次多項(xiàng)式擬合從而提 取特征點(diǎn)并確定主方向。該操作共分為以下四個(gè)步驟：
[0033] 步驟3.1，對(duì)輪廓上的像素點(diǎn)進(jìn)行多項(xiàng)式擬合。
[0034]假定Pl是圖像輪廓邊界上的一個(gè)點(diǎn)，其坐標(biāo)可以表示為(Xl，yi)，提取圖像輪廓邊 界上在點(diǎn)Pi左右的部分像素點(diǎn)，可以表示為Pi-m,…，Pi-l，Pi，Pi+l,…，Pi+n，像素點(diǎn)對(duì)應(yīng)坐標(biāo)可 以表示為(Xi-m，yi-m)，…，（Xi，yi)，···，（Xi+n，yi+n)。假定擬合曲線(xiàn)為三次多項(xiàng)式，故擬合曲線(xiàn) 表示為：
[0035] y = ax3+bx2+cx+d (1)
[0036] 式中，a、b、c、d即表示擬合曲線(xiàn)的系數(shù)，x、y即為用于擬合的像素點(diǎn)坐標(biāo)。
[0037] 由于擬合的三次多項(xiàng)式曲線(xiàn)必須要保證經(jīng)過(guò)當(dāng)前APi。在此，本方法采用拉格朗 日乘數(shù)法將其轉(zhuǎn)化為多元函數(shù)求極值問(wèn)題，從而來(lái)估計(jì)擬合曲線(xiàn)的系數(shù)。
[0038] 以擬合曲線(xiàn)的系數(shù)a、b、c、d為自變量，估計(jì)擬合曲線(xiàn)系數(shù)問(wèn)題可以轉(zhuǎn)化為求函數(shù)z =；^，13，(3，(1)在附加條件供〇2,6,￡^)下的極值問(wèn)題。：^，13，(3，(1)和供(《，仏<^)具體公式為 ：
[0041] λ為系數(shù)，U從i-rn到i+η，即選取的像素點(diǎn)拉格朗日函數(shù)公式為：
[0043] 經(jīng)計(jì)算，可以求解出系數(shù)a、b、c、d以及參數(shù)λ，表示如下：
[0044] [a，b，c，d，A] = (XTX)-VY (5)
[0048]步驟3.2,進(jìn)一步計(jì)算擬合曲線(xiàn)的擬合誤差以及點(diǎn)Pi處的曲率來(lái)判斷該點(diǎn)Pi能否作 為特征點(diǎn)。擬合誤差D( i)和點(diǎn)的曲率k( i)具體公式為：
[0051]步驟3.3,擬合誤差D(i)越小，即表示曲線(xiàn)與當(dāng)前APi周?chē)恼鎸?shí)輪廓邊界一致性 更高。對(duì)于輪廓形狀特征來(lái)說(shuō)，輪廓曲線(xiàn)彎曲度越大，即曲率越大，特征越明顯。因此，為了 提取特征更明顯的特征點(diǎn)本方法中拋棄擬合誤差D(i)大的點(diǎn)，并在剩余的擬合誤差小的點(diǎn) 中篩選出曲率大的點(diǎn)作為特征點(diǎn)。即設(shè)置一第一閾值，若擬合誤差大于第一閾值，則拋棄該 像素點(diǎn)。設(shè)置一第二閾值，若拋棄擬合誤差大的點(diǎn)后，像素點(diǎn)處的曲率大于第二閾值，則該 像素點(diǎn)為特征點(diǎn)。所述第一閾值、第二閾值根據(jù)想要獲取的特征點(diǎn)個(gè)數(shù)來(lái)取值，特征點(diǎn)個(gè)數(shù) 多，第一閾值大，第二閾值小。
[0052]步驟3.4，計(jì)算特征點(diǎn)主方向。本方法采用切線(xiàn)方向作為特征點(diǎn)的主方向，具體公 式為：
[0053] Q - 3ax^； + 2?? + c (10、
[0054] 在步驟5中，對(duì)于提取出特征點(diǎn)計(jì)算改進(jìn)的形狀內(nèi)容描述子并通過(guò)最小化匹配代 價(jià)的方法實(shí)現(xiàn)粗配準(zhǔn)。結(jié)合圖2,圖2(a)為經(jīng)典的形狀內(nèi)容描述子圓形模板。假設(shè)圖像輪廓 邊界上共有η個(gè)點(diǎn)，對(duì)于其中一點(diǎn) ？1，可以把它與邊界上其它n-1采樣點(diǎn)的結(jié)構(gòu)關(guān)系用一個(gè) 直方圖hi來(lái)表不：
[0055] hi(k) =#{q矣pi; (q-pi) ebin(k)} (11)
[0056] 其中，hdk)即定義為點(diǎn)Pl的形狀內(nèi)容描述子，為使得描述子更具魯棒性，使用如圖 2 (a)所示的對(duì)數(shù)一極坐標(biāo)系，使形狀內(nèi)容描述子對(duì)距離參考點(diǎn)pi越近的采樣點(diǎn)變化越敏 感。上式中bin即表示極坐標(biāo)中的分段，k表示分段數(shù)，本方法中1 gr方向上使用5bin，Θ方向 上使用12bin，形成一個(gè)60維特征直方圖。
[0057] 本方法中改進(jìn)了原有的形狀內(nèi)容描述子圓形模板，在對(duì)特征點(diǎn)計(jì)算形狀內(nèi)容描述 子的過(guò)程中，把特征點(diǎn)的主方向即切線(xiàn)方向作為圓形模板正軸，從而對(duì)圓形模板進(jìn)行旋轉(zhuǎn)， 旋轉(zhuǎn)的角度α具體公式如下：
[0058] a = arctan Q (12)
[0059] 為確定兩幅待配準(zhǔn)圖像輪廓邊界特征點(diǎn)之間的對(duì)應(yīng)關(guān)系，在此采用= 表示這兩特征點(diǎn)之間的匹配代價(jià)，具體公式為：
[0061 ]其中hi (k)和hj (k)分別表示點(diǎn)pi和點(diǎn)qj的K-bin歸一化直方圖。計(jì)算兩幅圖像中所 有特征點(diǎn)對(duì)的匹配代價(jià)Cij，通過(guò)最小化匹配代價(jià)來(lái)獲得特征點(diǎn)一對(duì)一的對(duì)應(yīng)關(guān)系。
[0062] 步驟6中，對(duì)于粗配準(zhǔn)得到的匹配點(diǎn)對(duì)，使用RANSAC算法去除誤匹配，完成精配準(zhǔn)。
[0063] 本發(fā)明的效果可以通過(guò)以下仿真結(jié)果作進(jìn)一步說(shuō)明：
[0064] 圖3(a)(d)(g)為來(lái)自衛(wèi)星探測(cè)器拍攝的衛(wèi)星影像，分辨率為1024X 1024，（b)(e) (h)為Google地圖數(shù)據(jù)庫(kù)中圖像，分辨率為696X696。根據(jù)本發(fā)明提出基于多項(xiàng)式擬合的多 源遙感圖像形狀配準(zhǔn)方法得到的配準(zhǔn)結(jié)果如（c)(f)(i)所示。圖中地點(diǎn)從上之下分別為阿 爾巴尼亞海岸，中心點(diǎn)煒度和經(jīng)度分別為40° 40 ' 19.60〃北，19° 18 ' 57.43〃東；伊拉克 Razazza湖，中心點(diǎn)煒度和經(jīng)度分別為32° 51'1.66〃北，43° 20 ' 15.47〃東和印度恒河(安拉阿 巴德附近），中心點(diǎn)煒度和經(jīng)度分別為25° 20 ' 23.27〃北，82° 14 ' 49.36〃東。
[0065] 為了說(shuō)明本發(fā)明在配準(zhǔn)精確度、適用性和計(jì)算速度上的優(yōu)勢(shì)，使用本發(fā)明方法和 傳統(tǒng)的SIFT配準(zhǔn)方法分別對(duì)同樣的多源遙感圖像進(jìn)行配準(zhǔn)仿真實(shí)驗(yàn)。SIFT配準(zhǔn)方法配準(zhǔn)結(jié) 果如圖4所示。為進(jìn)一步定量的評(píng)價(jià)遙感圖像配準(zhǔn)方法的性能，本文中分別通過(guò)互相關(guān)系 數(shù)、均方根誤差以及算法運(yùn)算時(shí)間來(lái)綜合評(píng)定配準(zhǔn)效果。精度評(píng)價(jià)結(jié)果如下表所示，該表為 本發(fā)明方法、SIFT配準(zhǔn)方法進(jìn)行仿真實(shí)驗(yàn)時(shí)，各方法的配準(zhǔn)效果及運(yùn)算時(shí)間對(duì)比?；ハ嚓P(guān)系 數(shù)在(〇，1)范圍內(nèi)，值越大表明配準(zhǔn)后的圖像與目標(biāo)圖像之間相關(guān)性越大，配準(zhǔn)效果越好。 均方根誤差通過(guò)來(lái)度量配準(zhǔn)后圖像與目標(biāo)圖像之間的距離離散度，均方根值越小，表明兩 者距離越小，即配準(zhǔn)效果越好。本發(fā)明方法比SIFT算法適應(yīng)性更廣，得到的配準(zhǔn)精度更高， 計(jì)算速度比SIFT算法配準(zhǔn)速度提高了 2倍，能夠應(yīng)用于多源遙感圖像的配準(zhǔn)。
[0066]
【主權(quán)項(xiàng)】
1. 一種基于多項(xiàng)式擬合的多源遙感圖像形狀配準(zhǔn)方法，其特征在于，包括： 步驟1，輸入兩幅多源遙感圖像作為參考圖像和待配準(zhǔn)圖像， 步驟2,對(duì)兩幅圖像提取邊緣輪廓特征，且消除密集區(qū)域無(wú)用的邊緣特征， 步驟3,針對(duì)兩幅圖像提取到的輪廓上的像素點(diǎn)分別通過(guò)一種基于多項(xiàng)式擬合的特征 點(diǎn)提取算法提取特征點(diǎn)并確定特征點(diǎn)的主方向， 步驟4，獲取每一特征點(diǎn)的改進(jìn)的形狀內(nèi)容描述子， 步驟5,基于像素點(diǎn)的改進(jìn)的形狀內(nèi)容描述子，對(duì)參考圖像中的每一個(gè)特征點(diǎn)，遍歷待 配準(zhǔn)圖像中特征點(diǎn)，獲取與其匹配代價(jià)最小的待配準(zhǔn)圖像中特征點(diǎn)作為匹配點(diǎn)對(duì)， 步驟6，去除誤匹配，完成精配準(zhǔn)， 步驟7,根據(jù)匹配點(diǎn)對(duì)估計(jì)兩圖像間變換矩陣，將待配準(zhǔn)圖像經(jīng)變換矩陣還原，完成配 準(zhǔn)； 其中步驟3所述的基于多項(xiàng)式擬合的特征點(diǎn)提取算法為： 步驟3.1，針對(duì)提取到的遙感圖像輪廓邊界上的每一個(gè)像素點(diǎn)，將其與周?chē)倪吔琰c(diǎn)進(jìn) 行三次多項(xiàng)式擬合，估計(jì)出擬合曲線(xiàn)的系數(shù)； 步驟3.2,計(jì)算擬合曲線(xiàn)的擬合誤差以及該像素點(diǎn)處的曲率； 步驟3.3,拋棄擬合誤差大的像素點(diǎn)，并在剩余的像素點(diǎn)中篩選出曲率大的點(diǎn)作為特征 占 . 步驟3.4,采用該像素點(diǎn)處曲線(xiàn)切線(xiàn)方向作為特征點(diǎn)的主方向； 其中步驟4中所述的改進(jìn)的形狀內(nèi)容描述子為圓形模板，并賦予方向，該方向與特征點(diǎn) 的主方向相同。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3.1中采用拉格朗日乘數(shù)法估計(jì) 出擬合曲線(xiàn)的系數(shù)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3.3中設(shè)置一第一閾值，若擬合誤 差大于第一閾值，則拋棄該像素點(diǎn)。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟3.3中設(shè)置一第二閾值，若拋棄擬 合誤差大的點(diǎn)后，像素點(diǎn)處的曲率大于第二閾值，則該像素點(diǎn)為特征點(diǎn)。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4中的改進(jìn)的形狀內(nèi)容描述子的 旋轉(zhuǎn)的角度a = arctan Q，其中Q為特征點(diǎn)的主方向。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟5中兩特征點(diǎn)之間的匹配代價(jià)采 用下式獲得其中i為參考圖像中的特征點(diǎn)的索引值，j為待配準(zhǔn)圖像中的特征點(diǎn)的索引值，K為改進(jìn) 的形狀內(nèi)容描述子直方圖中bin的個(gè)數(shù)，hdk)和h」（k)分別表示特征點(diǎn)？1和特征點(diǎn)(^的1(-bin歸一化直方圖。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟6中采用RANSAC算法去除誤匹配。
【文檔編號(hào)】G06T7/00GK105869168SQ201610203221
【公開(kāi)日】2016年8月17日
【申請(qǐng)日】2016年4月1日
【發(fā)明人】任侃, 顧煜潔, 陳錢(qián), 顧國(guó)華, 錢(qián)惟賢, 王鵬程, 王偉杰, 姚哲毅, 田杰, 萬(wàn)敏杰
【申請(qǐng)人】南京理工大學(xué)