基于SURF优化的遥感影像半全局立体匹配算法

"结合加速鲁棒特征的遥感影像半全局立体匹配，通过引入SURF特征和优化的Census变换及WJBF视差精化，提升了遥感影像的立体匹配精度，有效解决了噪声和视差不连续区域的条纹问题。" 本文介绍了一种针对遥感影像半全局立体匹配（SGM）问题的新方法，旨在解决SGM在处理噪声、视差不连续和弱纹理区域时的匹配率低和条纹产生问题。该方法结合了加速鲁棒特征（SURF）和Census变换，并利用改进的加权联合双边滤波（WJBF）进行视差图的精细化处理。 首先，文章指出SGM算法对噪声敏感，且在处理弱纹理和视差不连续区域时容易出现条纹，降低了匹配质量。为了解决这些问题，研究者们采用了SURF算法。SURF是一种快速而稳定的特征检测和描述方法，它能够提取图像中的关键点并计算其主方向。在遥感影像中，这些特征点有助于在不同影像间找到对应关系，同时，通过快速最近邻搜索算法可以去除错误的匹配点，提高匹配的准确性。 接下来，Census变换被用于计算两幅遥感影像之间的匹配代价。这是一种基于局部像素强度比较的非参数方法，对于光照变化和噪声具有较好的鲁棒性。结合特征点的主方向，研究者调整了SGM算法的路径权重，使得在不同的聚合路径上，算法能更准确地处理视差变化，从而减少条纹的出现。 最后，为了进一步提升匹配精度和去除噪声，研究者应用了改进的WJBF方法进行视差精化。WJBF是一种融合了空间和灰度信息的滤波器，它可以有效地平滑视差图，同时保留边缘细节。通过这种方式，噪声和条纹得以消除，视差图的质量得到显著提升。 实验在WorldView、IKONOS和高景一号等遥感影像数据集上进行，结果显示，提出的算法在主观视觉效果和客观评价指标上均优于传统的SGM算法和其他对比算法，特别是在弱纹理和视差不连续区域，提高了立体匹配的精度。 该研究通过结合SURF特征、Census变换和WJBF视差精化，成功地增强了遥感影像的半全局立体匹配性能，为遥感影像处理和分析提供了更高效、更准确的方法。这一工作对于遥感图像处理领域具有重要的理论和实践意义，可以广泛应用于地形测绘、灾害监测、环境监控等多个领域。