一种用于远程传感图像的密集匹配方法,与CPS无声化融合

科学领域:

• 摄影测量和遥感技术
• 计算机视觉 计算机视觉
• 图像处理 图像处理

背景情况:

• 密集匹配对于从遥感图像中准确的3D重建至关重要.
• 现有的方法经常与噪音和模糊性作斗争,影响准确性和效率.
• 半全球匹配 (SGM) 算法是一种常见但可以改进的立体匹配方法.

研究的目的:

• 为了提高远程传感图像密集匹配的准确性和效率.
• 为了提高性能,将CPS图像除算法与SGM集成在一起.
• 在基准和真实世界的卫星数据集上评估拟议方法的有效性.

主要方法:

• 开发了一种增强的密度匹配方法,将CPS无效与SGM结合起来.
• 实施的预处理步骤:图像裁剪和像素坐标转换.
• 利用一个极线模型来构建一个极图像以实现高效匹配.
• 纳入了基于PSNR的标准,用于使用CPS算法进行自适应性报销.

主要成果:

• 与SGBM算法相比,平均不匹配率减少了13.1%.
• 增加了运行速度大约3到4倍.
• 单单CPS取消部分就使不匹配率平均降低了8.97%.
• 通过Middlebury 2021数据集和World-View3卫星立体图像对进行验证.

结论:

• 拟议的CPS增强的SGM算法有效地解决了像图像模糊和噪声等在密集匹配中的挑战.
• 该方法显著提高了遥感3D重建的准确性和操作效率.
• 这种方法提供了一个强大的解决方案,可以从具有挑战性的遥感数据中进行高质量的3D建模.