SIFT演算法于自动空中三角计算之应用与分析-国立高雄应用科技大学.DOC

SIFT演算法於自動空中三角計算之應用與分析 陳怡婷1、李良輝2 1. 國立高雄應用科技大學 2. 國立高雄應用科技大學 通訊作者郵件：E-mail：1096312109@cc.kuas.edu.tw 空間資訊是當今世界各國發展的重點科技，利用對地觀測（遙測）之立體對影像進行三維地形模型重建，並據以獲取地表之三維資訊，一直是該領域中重要的核心工作，其中影像匹配（Image Matching）為其關鍵技術之一[1][2]。影像匹配主要是為了匹配出準確且有效之特徵點，以供後續影像諸多應用，如影像校齊（Image Registration）、拼接、檢索或空中三角（Aero Triangulation）中必要之連繫點（Tie Point）等。但若於過程中，來源影像經過不同程度的破壞及干擾，如雜訊、尺度縮放、旋轉及亮度等差異，均會影響特徵點（Feature Point）匹配的難度及準確率。於立體對影像匹配中，現今仍以區域基礎匹配為主流，但仍存在某些問題有待克服，諸如上述破壞及干擾問題和來源影像本身若具有紋理重複區，對其特徵提取有相當程度上之困難度。 因此，如何能在立體對重疊區範圍內，有效利用各種新的演算法提取可用之特徵點，以改善區域基礎匹配的困難，已成為 目前必要的工作。 本研究嘗試援引SIFT演算法於自動空中三角測量之應用，期能藉由SIFT之四大主要特性，對影像尺度、旋轉角度、均調及光照等因素，改善影像中之紋理特徵不足或紋理重複區域、旋轉角度過大等問題，並獲取更多更可靠之特徵點位，並減少紋理重複區，人工選點之困難。最後，藉由專業航遙測軟體ISAT，以前方將會所 得空間點位，進行相對精度及可靠度之評估。 1.前言 迄今，自動化空中三角測量（Automatic Aerotriangulation），是利用模式識別及影像匹配等方法自動或半自動選點與轉點，取得像點坐標。一般以區域為基礎之影像匹配（Area Based Matching），實施共軛點位的自動量測，對於能夠提供多像點同時匹配，有助於提昇共軛點量測精度與可靠度（人類視覺量測時，操作員通常只同時觀看兩張像片判別出共軛點）。並將其運用於大地測量方法或取地面控制點坐標進行區域網平差，以確定加密點在選定坐標系的空間位置。現階段，礙於傳統以區域為基礎之影像匹配，仍有無法克服的問題。因此援引SIFT 演算法於自動空中三角測量之應用。 2.SIFT演算法 SIFT（Scale-Invariant Feature Transform）演算法由David Lowe於1999年提出概念[3]，後來Y﹒Ke將其描述子（Descriptor）部分用PCA代替直方圖的方式，對其進行改善 [4]，2004年發表完善總結[5]。SIFT演算法是一種提取局部影像特徵的演算法，其對影像尺度、旋轉角度及光照等因素，具有良好之不敏感性（Robust） 與不變性（Invariant）。其完整之運算程序，包含特徵提取、特徵描述、特徵匹配及除錯四個階段。 SIFT演算法，在候選特徵點提取上，利用高斯差分（DoG）與影像金字塔的結合模擬各種不同尺度下之變化，以達到尺度不變之原則。特徵描述上，利用候選特徵點之梯度強度與方向，構成方向直方圖（orientation histigram），並組成特徵向量。特徵匹配利用歐幾里德距離最小之判斷，計算相互特徵點間最小距離，判斷其相似性。最後再經過隨機抽樣一致性算法（RANdom Sample Consensus）除錯，進而得到更穩定之特徵點。 3.實驗流程及方法 整體實驗，影像分別將模擬航拍影像在光照、旋轉角度、尺度上等問題，利用SIFT演算法於多組航拍影像上進行應用與分析。其實驗流程如圖3.1所示。 3.1實驗影像基本資訊 實驗採用DMC航空數位相機，拍攝地點位於屏東縣潮州鎮，主要為南北方向飛行，立體像對像片前後重疊率為60％、側向重疊率為30％，相機焦距120，， 表 ID E N h 20067 202945.384 2495975.975 1043.452 20068 202941.802 2496129.600 1045.350 20069 202936.849 2496283.688 1044.965 30026 203895.722 2495966.892 1037.291 30025 203891.806 2496119.521 1036.933 30024 203893.557 2496272.681 1040.041 3.2特徵點位匹配程序 根據規範，空中三角平差偵錯中，每一像對以十二點為原則，平差偵錯後，每一標準區塊至少保留一點即可。因此，為了有效的改善SIFT演算法匹配點位過多之問題，首先利用各影像之外方位參數，粗估像對之重疊率。針對航拍影像在