第9章数字影像相关.ppt

§9-4 最小二乘影像匹配 最小二乘影像匹配(LSM)由德国Ackermann教授提出的。该方法充分利用了影像窗口内的信息进行平差计算，使影像匹配可以达到1/10甚至1/100像素的高精度，即影像精度可达子像素等级。 LSM可以非常灵活领入各种已知参数和条件，从而可以进行整体平差。它不仅可以解决“单点”的影像匹配问题，以求其“视差”；也可以直接解求其空间坐标；而且可以同时解求待定点的坐标与影像的外方位元素；还可以同时解决“多点”影像匹配或“多片”影像匹配。另外，在LSM系统中可以很方便地引入“粗差检测”，从而大大提高影像匹配的可靠性。 §9-4 最小二乘影像匹配 一、最小二乘影像匹配原理 上节我们学过的判断相似性测度中，差平方和最小。将灰度差记为v，则上述判断为： 这种思想与最小二乘法的原则是一致的，但它仅仅认为影像灰度只存在偶然误差（随即噪声），没有考虑影像灰度中存在着系统误差。即： §9-4 最小二乘影像匹配 这就是一般的按照差平方和最小原则进行影像匹配的数学模型，若在此系统中引入系统变形的参数，就构成了最小二乘影像匹配系统。 影像灰度的系统变形可分为辐射畸变和几何畸变。产生辐射变形的原因有照明及被摄物体辐射面的方向、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。 产生几何变形的原因主要有摄影机方位不同所产生的影像的透视畸变、影像的各种畸变以及由于地形坡度所产生的影像畸变。在近似竖直摄影下，地形高差是几何畸变的主要因素，因此，陡峭的山区的影像匹配要比平坦地区影像匹配困难。 §9-4 最小二乘影像匹配 1、仅考虑辐射的线性畸变的最小二乘匹配（相关系数法） 假定灰度分布g2相对于另一灰度分布g1存在着线性畸变，则它们之间的表达式为： 其中，h0，h1为畸变参数，ni为随即噪声，按上式可列出最小二乘匹配的数学模型为： §9-4 最小二乘影像匹配 上式在 的条件下可得法方程式为： 解法方程可得： §9-4 最小二乘影像匹配 假定对g1，g2作过中心化处理，即： 则： 则在消除了两个灰度分布系统的辐射畸变后，其残余灰度差平方和为： §9-4 最小二乘影像匹配 因为相关系数的平方为： 则有： 其中 是噪声的功率， 是信号的功率，则信噪比为： 由此可知，以相关系数最大作为影像匹配搜索同名点的准则，其实质是搜索信噪比为最大的灰度序列。 §9-4 最小二乘影像匹配 2、仅考虑影像相对位移饿一维最小二乘匹配 上面的方法仅仅考虑辐射畸变，而影像匹配的主要目的是确定影像的相对位移，寻找同名点。因此在最小二乘影像匹配中，可引入几何变形参数，直接解算影像位移。 假设两个一维灰度函数g1(x) ，g2(x)，除随即噪声n1和n2外，g2还相对于g1存在零次几何变形，两者的关系为： 将Δx作为未知数，对上式列误差方程式为： §9-4 最小二乘影像匹配 对于离散的数字影像而言，灰度函数的导数可表示为： 按最小二乘原理，解得影像的相对位移为： 此方法中，在取得初匹配结果后，解算Δx，加到初始值上，反复迭代。 §9-4 最小二乘影像匹配 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存在着相对移位，还存在着图形变形。在立体像对中，左影像上为矩形的影像窗口，在右影像上可能是个任意四边形。因此只有充分考虑影像的几何变形，才能获得最佳的影像匹配。 由于影像匹配窗口的尺寸很小，一般只考虑一次畸变： §9-4 最小二乘影像匹配 若同时考虑到右影像相对于左影像的线性灰度畸变，则有： 将上式线性化，得到最小二乘影像匹配的误差方程式为： §9-4 最小二乘影像匹配 观测值Δg是相应像素的灰度值，误差方程式的系数为： 上式中，dh0,dh1,…,db2等8个是待定参数的改正数，是未知数，它们的初值分别为： §9-4 最小二乘影像匹配 按上式逐个像元建立误差方程式，矩阵表示为： V=CX-L，未知数为： 将上式线性化，得到最小二乘影像匹配的误差方程式为： 由误差方程式可建立法方程： * * * 第9章 数字影像相关 核点：基线延长线与左、右像片的交点称为核点。 A S1 S2 l1 a1 a2 l2 §9-1 核线影像 一、基本概念 核面：通过摄影基线与地面所作的平面称为核面。 核线：核面与像片面的交线称为核线。 A S1 S2 l1 a1 a2 l2 §9-1 核线影像 沿核线方向，将航片的灰度重新排列，所形成的影像称为核线影像。 同名核线：同一核面与两像片面的交线称为同名核线。 通过像主点的核面称为主核面，通常左主核面与右主核面不重合。 同名像点必然位于同名核线上。 §9-1 核线影像 二、同名核线的确定 同名核线的确定归结于取得同名核线上的像点坐标，然后把左、右像片的同