数字摄影测量最小二乘影像匹配原理.docVIP

数字摄影测量最小二乘影像匹配原理【摘要】在数字摄影测量中最重要的一个方面就是数字影像匹配。影像匹配的方法经历利用相关函数、相关系数等匹配方法、以及到现在的在利用基本算法（像相关系数法）进行了粗匹配的基础上再进行的最小二法乘影像匹配。最小二乘影像匹配一般分为考虑几何变形和辐射畸变改正的最小二乘影像匹配算法、仅考虑辐射畸变的最小二乘匹配算法、仅考虑相对位移的最小二乘影像匹配算法、以及与VLL方法相结合的最小二乘相关等算法。 关键词： 影像匹配； 同名点； 相关系数法； 最小二乘影像匹配 1 最小二乘法影像匹配的基础理论与算法 影像匹配实际上就是两幅（或者多幅）影像之间识别同名点，它是计算机视觉及数字摄影测量的核心问题。我们知道要匹配的点的同名像点肯定在其同名核线上。在进行最小二乘影像匹配之前，需要先进行粗匹配。然后在粗匹配的基础上用最小二乘法进行精匹配。我们这次讨论的是利用一维搜索的方法来进行粗匹配。这就是利用同名核线来进行同名像点的粗匹配。这相对于二维匹配来说速度更快。 1.1基于数字影像几何纠正法提取核线，利用共面条件来确定同名核线 我们知道，核线在航空摄影测量上是相互不平行的，它们相交于一点---核点。但是如果将影像上的核线投影（或者称为纠正）到一对“相对水平”-------平行于摄影基线的影像对上后，则核线相互平行。正是由于“水平”的像片具有这么一特性，我们就有可能在“水平”像片上建立规则的格网，它的行就是核线，核线上像元素（坐标为xt、yt）的灰度可由它对应的实际像片的像元素的坐标为x，y的灰度求的 ，即g（xt，yt）=g（x，y）。 根据前边的共线方程，同一摄站点摄取的水平像片与倾斜像片，其水平和倾斜像片的坐标之间的关系为： (1-1-1) (1-1-2) 上边的式子中a1,a2…,c3为左片的九个方向余弦，是该像片的外方位角素的函数，f为像片主距。显然在水平像片上，当yt为常数的时候，则为核线,将yt=c代入（1-1-1）和（1-1-2）式经整理，得： （1-1-3） 其中： e3=d3 若在“水平”像片上以等间隔获取一系列xt值 ，(k+1)*,(k+2)*…,可以得到一系列的像片坐标（x1，y1），（x2，y2），（x3，y3），…，这些点就位于倾斜像片p的核线上。 同样以yt=c 代入右边的共线方程： (1-1-4) (1-1-5) 其中， ， ，… 右方像片的对于单独像对像空间辅助坐标的角方位元素的函数，由此可得右片上的同名核线。 1.2核线的重排列（重新采样） 已知原始的影像的灰度序列，为求待定的平行于基线的“水平”影像。这就需要进行核线的灰度重采样。按照式（1-1-1）和（1-1-2）将“水平”像片上的坐标u，v反算到原始影像上的x，y。但是由于所求得的像点不一定恰好都落在原始影像采样的像元中心，这就必须进行灰度的内插-----重采样。通常所用到的是双线形插值法，取临近的四个像元点的灰度的数值进行待求点的灰度的计算。 图1-2-1双线形重采样 本公式中y1代P点到g1，g4连线的距离，x1代表P点到g3,g2连线的距离的大小 1.3数字影像匹配的基本算法 本论文讲述的相关系数法主要是对于一维影像相关的。 如图1-3-1所示是一维影像相关的目标区和搜索区（这里取m=n）。设g代表目标区内的点组的灰度值，g代表搜索区内相应点组的灰度值，则每个点组共取得了n个点的灰度值的均值为 图1-3-1一维相关目标和搜索区域 ，（i=0，1，2…n） （1-3-1） 两个点组的方差 ， 分别为： ， （1-3-2） 两个点组的协方差 为： （1-3-3） 则两个点组的相关系数 为： （0,1,… -n） （1-3-4） 在搜索区内沿核线寻找同名像点，每次移动一个像素，按照（1-3-4）来依次相关系数 ，取其中的最大的数值，其对应的相关窗口的中心像素就被认为是目标点的同名像点。 1.4用相关系数的抛物线拟合来提高相关精度 为了把同名点求的更为准确一些，可以把相关系数的最大点i点左右若干点（一般取左右个两个点）联系起来，从而将其函数的最大值k处的作为寻求的同名点的位置，结果会更好一些。 图1-4-1抛物线拟合 如图1-4-1所示设有相邻像元素系处的5个相关系数，用一个二次抛物线方程式来拟合，取用的抛物线方程，代表相应S位置处灰度的数值。 （1-4-1） 式中的参数A，B，C用间接平差方法求的。此时抛物线顶点k处的位置为： （1-4-2） 由相关系数抛物线拟合可