首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 不同算法露天煤矿影像匹配对比分析

不同算法露天煤矿影像匹配对比分析

2023-11-08 87 上传者：管理员

摘要：为了解决露天煤矿摄影测量过程中获取控制点数据效率低，所选匹配算法不合理的问题，比较了研究区内的不同区域KAZE、SURF和SIFT算法的影像匹配效果，研究结果表明：和SURF算法、SIFT算法相比，KAZE算法匹配点数量最多，能够在最大程度上提取影像边缘区域的特征点，并且KAZE算法的重复率比较稳定；SURF算法匹配所耗总时长最小，但其单点匹配所需时间最长，这表示SURF算法匹配效率较低；KAZE算法比SIFT算法匹配精度，同时其匹配时间略低于SIFT算法；综合来看，在露天煤矿无人机影像匹配中KAZE算法更加合适。

关键词：
KAZE算法
SURF算法
摄影测量
无人机影像匹配
露天煤矿
加入收藏

矿矿山生产管理过程中要定期对矿坑进行观测并采集数据，由于无人机低空摄影测量有着效率高、成本低、分辨率高以及较为灵活等优点，当前已广泛应用在露天煤矿的数据采集中[1,2,3]。处理无人机摄影测量成果的过程中，地面控制点十分关键，但当前主要通过人工的方式来获取外业控制点数据，整个测量将过程中控制点数据的采集是个重复性工作，不仅降低了工作效率，提高了工作量，还有可能造成测量误差[4,5]。除此之外，在无人机影像数据处理过程中，影像匹配算法的不同，数据的处理效果，处理速度和精度都有所差异，所以需要根据煤矿具体特点来选择合适的匹配算法。吴含前等[6]对A-KAZE算法进行了改进，用ILDB描述子替代了LDB描述子来实施图像特征匹配，大大增加了匹配正确率。陈苏婷等[7]将KAZE算法和颜色特征进行结合，用颜色量化矩阵来建立特征描述向量，在KAZE算法中添加了颜色信息。

基于此，此次研究使用三种经典影像匹配算法对所选矿区开展了影像匹配实验，对比分析了各算法评价指标的差异，分析了三种算法的优劣，为矿区影像匹配时算法的选择提供了指导和借鉴。

1、研究区概况

研究区域东西宽近7 653 m, 南北长近6 443 m, 28.653 km2为其总面积。露天开采为矿区的主要开采方式，另外有露天联采与井工开采作为辅助，露天采区主要分为A、B、C三个区域。煤矿所在地属于黄土丘陵缓坡区，土壤类型主要为黄土，土地较为干旱，水土流失比较严重，地势表现为西南低，东北高，两边低，中部高的趋势，1 255～1 360 m为其海拔。

2、影像匹配算法与实验方案

2.1 影像匹配算法

影像匹配中的经典算法包括KAZE算法、SURF算法以及SIFT算法，均有着较好的尺度不变、光照以及旋转性。后两种算法根据高斯滤波构建线性尺度空间，这会导致图像细节丢失和边缘模糊，而第一种算法并不会出现上述问题。上述算法里，SIFT算法稳定，有较强的环境适用性；SURF算法对SIFT算法进行了优化，有着更快的计算速度。而KAZE算法可以很好的保留图像边缘信息，在最大程度上得到更多的特征点。

2.2 试验方案

本此次研究影像匹配相似性测度选择欧式距离，通过最邻近比值法对低于设定阈值的匹配点进行保留，将其视作粗匹配点对。通过随机采样一致性算法来剔除误匹配点对，并对影像间的单应性矩阵进行计算。

为了比较露天煤矿无人机影像中上述三种算法的匹配效果，选择5个区域无人机影像作为实验数据，分别为运输通道、剥离区、排土场、开采工作面和边端帮区，以此开展匹配实验。为了加快匹配速度，在匹配和特征提取开始之前对原始影像作降采样处理，处理后的数据共有5组，编号为1、2、3、4、5。

第1组影像来自于剥离区，属于开采区的外围，大部分区域为灰色和土黄色，位于地表上层岩土剥离部位，整体边缘呈现为锯齿状，离采煤区距离越近颜色越深。

第2组影像来自处在煤矿坑最下部的采煤区，大部分区域为灰色和黑色，工作面表现为规则条带形，整个区域地势平坦，高差没有较大变化。

第3组影像来自于土场区，大部分区域为亮白色和土黄色，整体呈现出扇状的曲面，场地内高差变化明显。

第4组影像来自于边端帮区，开挖露天开采基岩后形成的高陡边坡为边端帮，分布在采场四周，整体表现为台阶状，地势高差起伏较大，大部分区域为灰色和黑色，边坡侧面略微粗糙。

第5组影像来自于矿坑内的运输道路，与排土场距离较近的道路表现为土黄色或亮白色，与采煤区距离较近的道路表现为黑色，运输道路附近信息较为明显。

2.3 评价指标

此次研究根据重复率、匹配精度、正确匹配点数、匹配正确率等指标来评价匹配算法的精度和效果。

3、结果分析

通过KAZE、SURF、SIFT算法来对所得影像开展影像匹配实验，如表1所示为实验具体结果，表中对匹配正确率、精匹配点数量、特征点数量、重复率等指标进行了统计。对表1中数据进行分析能够看出，提取特征点数量最低的是SURF,SIFT算法略高之，数量最多的是KAZE算法，匹配点对数量也表现出同样的规律。并且研究区影像含有较多的边缘信息，在提取特征点时KAZE算法能够对边缘信息更好的保留，故与SURF、SIFT算法相比，KAZE算法在提取特征点数量上较好。

表1 影像匹配实验结果

3.1 重复率与匹配正确率的分析

上述三种算法的重复率比较图见图1。从图1中能够得出，有3组SIFT算法的重复率大于SURF算法和KAZE算法，这表示提取特征点方面SIFT算法效果较好，但其重复率在影像不同时变化较大；有2组KAZE算法的重复率小于SIFT算法，另外3组结果基本一致，其其他3组结果相近，其重复率在影像不同时变化幅度较小，这表示此算法的重复率比较稳定。有3组SURF算法的重复率小于KAZE算法和SIFT算法，这表示此算法在提取特征上效果欠佳。

图1 三种算法的重复率比较图

图2 三种算法的匹配正确率比较图

KAZE、SURF和SIFT算法的匹配正确率比较图见图2。从图2中能够得出，SURF算法在2、4、5组实验数据中匹配正确率最高，但提取的特征点数量较少。在5组实验数据里KAZE和SIFT算法匹配正确率相差较小，其中SIFT算法有两组大于KAZE算法，有3组小于SIFT算法，并且KAZE算法大于SIFT算法的三组数据里(1、4、5)相应的影像边缘特征较为丰富，比较符合KAZE算法的特点，即可以对边缘信息更好的保留。

3.2 分析匹配精度

此次研究根据匹配点准确位置和矩阵变换后的预测位置间的RMSE(均方根误差)来对匹配精度进行评价，匹配精度越高，均方根误差值就越低，各实验组不同算法均方根误差比较图见图3。在图3中能够得出，有4组SURF算法精度最高，但其正确匹配点数量较少。SIFT算法在匹配精度上有2组数据高于KAZE算法，有3组实验差于KAZE算法，但两种算法的匹配精度从整体来看基本相同，同样在匹配精度比较好的3组数据里，影像边缘信息比较丰富，也恰恰表明KAZE算法对边缘信息保留效果较好的特点。除此之外，三种算法的匹配精度变化规律和匹配正确率大致相同。

图3 不同算法均方根误差比较图

图4 不同算法正确匹配点数量比较图

3.3 分析正确匹配点数量

各实验组不同算法正确匹配点数量比较图见图4。通过分析能够看出，对于正确匹配点数量，KAZE算法最多，SURF算法的数量最少，且KAZE算法所提取的数量大概是SIFT算法的两倍。因为露天煤矿的组成主要包括台阶状的功能区和运输通道，而运输通道在影像上比较平滑，能够提取的有效特征点较少，所以由台阶边缘点提供了主要的特征点。而KAZE算法是通过非线性滤波建立尺度空间来提取特征点，可以在平滑区和功能区最大程度上保留边缘信息，所以可以获取较多的有效的边缘特征点，故在3中算法里KAZE算法得到的正确匹配点数量最多。

对各组实验结果中正确匹配点数量进行比较，能够发现数量最多的是2组开采区，最少的是4组边端帮区。对此现象进行分析，认为主要原因是由于2组区域地势平坦，整个区域高差没有较大变化，影像变形较小；第4组边端帮地势高低不一，影像存在明显变形。第4组在影像精匹配过程中筛除了部分误匹配点，所以4组和2组相比正确匹配点数量较少。

图5 不同算法匹配所耗时间

3.4 分析匹配所耗时间

如图5所示为三种算法在各实验组内的所耗时间，对于匹配所耗总时间，SURF算法因其提取的特征点数量太低，所以匹配所耗总时长最小，不过其单点匹配所需时间最长，这表示SURF算法匹配效率很低。在5组实验数据中，和SIFT算法相比，KAZE算法的单点匹配时长与总匹配时长都较小，这表示在露天无人机影像匹配中KAZE算法的匹配效率高于SIFT算法和SURF算法，匹配效率更高。

4、结语

此次研究使用三种经典影像匹配算法对所选矿区开展了影像匹配实验，对比分析了各算法评价指标的差异，分析了三种算法的优劣，主要得出以下结论：

(1)提取特征点数量最低的是SURF,SIFT算法略高之，数量最多的是KAZE算法，匹配点对数量也表现出同样的规律；提取特征点方面SIFT算法效果较好，但其重复率在影像不同时变化较大；KAZE算法的重复率比较稳定；虽然SURF算法匹配正确率较高，但其提取的特征点数量较少，KAZE算法的影像边缘特征较为丰富，可以对边缘信息更好的保留。

(2)KAZE算法正确匹配点数量，SURF算法的数量最少，SURF算法匹配所耗总时长最小，但其单点匹配所需时间最长，这表示SURF算法匹配效率较低；和SIFT算法相比，KAZE算法的单点匹配时长与总匹配时长都较小，这表示在露天无人机影像匹配中KAZE算法的匹配效率高于SIFT算法和SURF算法，匹配效率更高。

参考文献:

[1]张祖勋,吴媛.摄影测量的信息化与智能化[J].测绘地理信息.2015.40(04):1-5.

[2]张永军,张祖勋,龚健雅.天空地多源遥感数据的广义摄影测量学[J].测绘学报.2021.50(01):1-11.

[3]廖小罕,肖青,张题.无人机遥感:大众化与拓展应用发展趋势[J].遥感学报.2019.23(06):1046-1052.

[4]张祖勋.由数字摄影测量的发展谈信息化测绘[J].武汉大学学报(信息科学版).2008(02):111-115.

[5]王明明,王佳,冯仲科,等.一种结合已有DOM和DEM的高精度自动刺像控点方法[J].测绘通报.2019(03):108-112.

[6]吴含前,李程超,谢玉.一种改进的A-KAZE算法在图像配准中的应用[J]东南大学学报(自然科学版).2017.47(04):667-672.

[7]陈苏婷,王卓,王奇.基于非线性尺度空间的航拍场景分类[J].上海交通大学学报.2017.51(10):1228-1234.

文章来源:石大娟.不同算法露天煤矿影像匹配对比分析[J].地下水,2023,45(06):176-178.