数字摄影测量最小二乘数字影像匹配.ppt

第五章 最小二乘影像匹配 前述内容回顾 LS匹配概述 仅考虑辐射线性畸变的LS匹配 仅考虑相对移位的LS匹配 单点最小二乘影像匹配 小结 以数字影像局部范围内（窗口）的灰度值及其分布作为匹配实体，通过计算相似性测度确定共轭实体的影像匹配方法。 相关函数测度 协方差函数测度 相关系数测度 差平方和测度 差平方和测度 几何畸变：两影像的相对变形 2 数学模型 LS匹配概述 仅考虑辐射线性畸变的LS匹配 仅考相对移位的LS匹配 单点最小二乘影像匹配 试导出仅考虑几何变形改正的最小二乘影像匹配的数学模型 叙述单点最小二乘匹配的基本思想和实现过程 为什么最小二乘影像匹配是一种高精度匹配方法？其前提条件是什么？ 仅考虑相对移位的LS匹配 基本误差方程 考虑一维核线影像，如下图 同名点 同名点 四、仅考虑影像相对移位的一维LS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。 误差方程式 对离散的数字影像而言，灰度函数的导数g,2(x)可由差分代替 为解求相对移位量?x，需对上式进行线性化 ?为采样间隔 最小二乘影像匹配是非线性系统，必须进行迭代。迭代过程收敛的速度取决于初值。 误差方程式可写为 解得影像的相对移位 基本思想 两个局部影像片（patch）之间的变形，不仅有灰度畸变、相对移位，而且还存在着几何畸变。只有充分地考虑影像间的这些变形因素，才能获得最佳的影像匹配。 两个二维影像之间的几何变形 1 单点最小二乘影像匹配 理想情况下，有： 考虑5x5窗口 单点最小二乘影像匹配 x2 y2 灰度畸变+几何变形 几何变形 单点最小二乘影像匹配 上述方程的直观意义为： 我们的目的就是在局部窗口范围内，求出上述方程中参数的最或然值： 然后对给定的初值 计算出配准位置 单点最小二乘影像匹配 经线性化后误差方程式 dh0，dh1， da0，···,db2是待定参数的改正值 模型线性化 单点最小二乘影像匹配 单点最小二乘影像匹配 误差方程式的系数 在数字影像匹配中，灰度均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，上式中的偏导数均用差分代替： 单点最小二乘影像匹配 几何改正 重采样 辐射畸变改正 左片 右片 最小二乘法匹配流程图 计算最佳匹配点位 计算参数值 结束 相关计算 是否迭代 赋初值 4、计算过程 单点最小二乘影像匹配 Step1:几何变形改正 根据几何变形改正参数a0, a1, a2,b0, b1, b2将左方影像窗口的影像坐标变换至右方影像阵列： 单点最小二乘影像匹配 Step2：重采样 由于换算所得之坐标x2，y2一般不可能是右方影像阵列中的整数行列号，因此重采样是必须的。 Step3：辐射畸变改正 利用所求的辐射畸变改正参数h0, h1；对上述重采样的结果作辐射改正 单点最小二乘影像匹配 Step4:相关系数计算 计算左方影像窗口与经过几何、辐射改正后的右方影像窗口的灰度阵列之间的相关系数，若小于前一次迭代后所求得的相关系数，则迭代结束，转step7；否则转step5。也可以根据几何变形参数是否小于某个预定的阈值。 单点最小二乘影像匹配 Step5:采用最小二乘影像匹配，解求变形参数的改正值dh0,dh1, da0,…。 Step6:计算新的变形改正参数 ，转step1 单点最小二乘影像匹配 对于辐射畸变参数满足： 单点最小二乘影像匹配 Step7:计算最佳匹配的点位 。可用梯度的平方为权，在左方影像窗口内对坐标作加权平均： 单点最小二乘影像匹配 匹配精度取决于影像灰度的梯度 加权平均 右片上同名点的坐标为： 单点最小二乘影像匹配 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。 单点最小二乘影像匹配 小结 * * 《数字摄影测量学》 Digital Photogrammetry 第10讲 最小二乘影像匹配 Least-Square Image Matching 前述内容回顾 1、基于灰度影像匹配的定义 2、基于灰度影像匹配的相似性测度 前述内容回顾 3、相关系数测度的性质 相关系数与灰度的线性拟合 相关系数是灰度线性变换的不变量 说明，相关系数最大的匹配，正是将右像局部窗口内的灰度值拟合为左像局部窗口内灰度值的线性函数后，残差平方和最小的匹配。 前述内容回顾 候选窗口灰度值 形成的变动向量 搜索区域 候选窗口/ 搜索窗口 直观