(武汉大学)影像匹配基础理论与算法汇总.ppt

重点内容 影像匹配的概念； 影像匹配的策略（金字塔影像结构的建立）； 影像匹配的方法（基于像方和物方）； 最小二乘法匹配方法基本原理； 特征匹配的概念； 法方程式 对g1，g2中心化处理 相关系数 ?vv是噪声的功率 ?g12为信号的功率 信噪比 相关系数与信噪比之间的关系 传统的算法采用目标区相对于搜索区不断地移动一个整像素，搜索最大相关系数的影像区中心作为同名像点 在最小二乘影像匹配算法中，可引入几何变形参数，直接解算影像移位 四.仅考虑影像相对移位一维最小二乘匹配 假设两个一维灰度函数g1(x), g2(x),除随机噪声外，g2(x)相对于g1(x)只存在零次几何变形——移位量?x。 灰度函数的导数g,2(x)可由差分代替 误差方程线性化 用灰度差分表达的误差方程式 解得影像的相对移位 五.最小二乘影像匹配的精度 最小二乘匹配算法，根据法方程式系数矩阵的逆矩阵，求得其精度指标 计算左右像坐标 （xi’, yi’）与（xi”，yi”）： 分别以（xi’, yi’）与（xi”，yi”）为中心在左右影像上取影像窗口，计算其匹配测度 将i的值增加1，重复（2），（3）两步，得到?0，?1，?2，···?n取其最大者?k： ?k＝ max{?0，?1，?2，···?n} 利用?k及其相邻的几个相关系数拟合一抛物线，以其极值对应的高程作为A点的高程 相关系数值 S S顶点 i-2 i-1 i+2 i+1 影像匹配（相关）即使在定位到整像素的情况下，其理论精度也可达到大约0.3像素的精度 三.影像匹配精度 整像素相关的精度 半个像素 整像素相关的精度 误差服从内的均匀分布（?为像素大小） 用相关系数的抛物线拟合提高相关精度 f(s)= A＋ B·S＋ C·S2 相关系数值 S S顶点 i-2 i-1 i+2 i+1 抛物线顶点 取相邻像元3个相关系数进行抛物线拟合 相关系数抛物线拟合可使相关精度达到0.15---0.2子像素精度 第四节最小二乘法影像匹配 《摄影测量学》第五章 最小二乘法影像匹配的原理 单点最小二乘法影像匹配 最小二乘法影像匹配精度 主要内容 一 最小二乘影像匹配原理 最小二乘影像匹配（least Squares Image Matching） 影像匹配可达到1/10甚至1/100像素的高精度 优点如下 非常灵活地引入各种已知参数和条件，从而可以进行整体平差 解决“单点”的影像匹配问题，求“视差”；直接解求其空间坐标 同时解决“多点”影像匹配或“多片”影像匹配 引入“粗差检测”，大大地提高影像匹配的可靠性 “灰度差的平方和最小” V 仅仅认为影像灰度只存在偶然误差 误差方程式 照明及被摄影物体辐射面的方向 大气与摄影机物镜所产生的衰减 摄影处理条件的差异以及影像数字化过程中所产生的误差等等 1. 辐射畸变 摄影机方位不同所产生的影像的透 视畸变 影像的各种畸变 竖直航空摄影的情况下，地形高差则是几何畸变的主要因素 2.几何畸变 在影像匹配中引入这些变形参数，同时按最小二乘的原则，解求这些参数， 最小二乘影像匹配的基本思想 二. 单点最小二乘影像匹配 两个二维影像之间的几何变形，不仅仅存在着相对移位还存在着图形变化 x2 y2 灰度畸变+几何变形 几何变形 线性化误差方程式 初值分别为 h0 = 0； h1 = 1；a0 = 0；a1 = 1；a2 = 0； b0 = 0；b1 = 0； b2 = 1 灰度是按规则格网排列的离散阵列，且采样间隔为常数?，可被视为单位长度，偏导数均用差分代替 几何改正 重采样 辐射畸变改正 是否迭代 计算最佳 匹配的点位 计算参数值 结束 左窗口 右窗口 最小二乘法匹配流程图 1. 几何变形改正 2.重采样 具体步骤 3.辐射畸变改正 h0 + h1? g2(x2，y2) 4. 解求变形参数的改正值 5. 停机条件 6. 计算最佳匹配的点位 匹配精度取决于影像灰度的梯度 为了进一步提高其可靠性与精度，例如，附带共线条件的最小二乘相关以及与VLL法结合的最小二乘影像匹配方法都得了广泛的研究 《数字摄影测量学》 三 仅考虑辐射的线性畸变的最小二乘匹配——相关系数 误差方程： 有n个像素点时误差方程 相关函数R（τ）较平缓，相关精度较差 功率谱S（f）较陡峭，低频信息占优势 拉入范围较大 出错率低 二. 金字塔影像相关 对二维影像逐次进行低通滤波，增大采样间隔，得到一个像元素总数逐渐变小的影像序列，将这些影像叠置起来颇像一座金字塔，称为金字塔影像结构 从粗到精的相关策略 分频道相关（多级相关） 3 2 1 6 5