第六章 最小二乘影像匹配.ppt

两个二维影像之间的几何变形，不仅仅存在着相对移位，而且还存在着图形变化。只有充分地考虑影像的几何变形，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 因影像匹配窗口尺寸均很小，一般只考虑一次畸变： 几何变形 灰度畸变+几何变形 有时只考虑仿射变形或一次正形变换。若同时再考虑到右方影像相对于左方影像的线性灰度畸变，则： x2 y2 经线性化后， 式中未知数是待定参数的改正值，它们之初值分别为 观测值 是相应像素的灰度差。 误差方程式系数 由于在数字影像匹配中，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，故上式中的偏导数均用差分代替： 逐个像元（在目标区内）建立误差方程式，其矩阵形式为 ： 在建立误差方程式时，可采用以目标区中心为坐标原点的局部坐标系。由误差方程式建立法方程式 几何畸变改正 x2=a0+a1x+a2y y2=b0+b1x+b2y 重采样 g2 (a0+a1x+a2y,b0+b1x+b2y) 辐射畸变改正 h0+h1g2 计算相关系数 判断是否继续迭代 最小二乘影像匹配计算 参数改正值dh0,dh1, da0… 计算变形参数h0,h1,a0… 计算最佳 匹配点位 结束 是 否 最小二乘法匹配流程图 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： 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。 辐射畸变改正。利用由最小二乘影像匹配所求得辐射畸变改正参数h0, h1；对上述重采样的结果作辐射改正 若相关系数小于前一次迭代后所求得的相关系数，则可认为迭代结束.也可以根据几何变形参数是否小于某个预定的阈值。 采用最小二乘影像匹配，解求变形参数的改正值dh0,dh1, da0,…。 计算变形参数 对于辐射畸变参数满足： 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： 匹配精度取决于影像灰度的梯度 最小二乘匹配算法，可以根据 以及法方程式系数矩阵的逆矩阵，求得其精度指标。 n为目标区像元个数。由于上式右边是 的无偏估计，所以 信噪比 方差 相关系数与信噪比之间的关系 可得到一些很重要的结论 相关系数愈大则精度愈高 信噪比愈大，则匹配的精度愈高 影像匹配的精度还与影像的纹理结构有关，即与 有关。特别是当 愈大，则影像匹配精度愈高。当 ，即目标窗口内灰度没有变化（如湖水表面、雪地等）时，则无法进行影像匹配。 本 讲 小 结 最小二乘影像匹配优点、原理、基本思想 影像灰度系统变形两大类 仅考虑辐射线性畸变的最小二乘匹配——相关系数 单点最小二乘影像匹配的基本思想、计算步骤 相关系数和信噪比关系及重要结论 1.为什么最小二乘影像匹配能够达到很高的精度？它的缺点是什么？ 2.说明利用相关系数的影像匹配和最小二乘影像匹配的异同点。 实验三 影像匹配算法 作 业 题 预习 * * * 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 华北水利水电学院资源与环境学院测量教研室 回 顾 常见的五种基本匹配算法 五种相似性测度都没有考虑几何变形； 协方差函数C考虑了部分灰度变形（常量b）； 相关系数ρ考虑了线性灰度畸变(ay+b)； 效果优劣依次： ρ，C，S2，S，R； （1）相关函数 （2）协方差函数 （3）相关系数 （4）差平方和 （5）差绝对值和 内容安排 （重点） （重点） （1）德国斯图加特大学Ackermann教授提出了一种新的影像匹配方法——最小二乘影像匹配。 （2）最小二乘影像匹配可以达到1/10甚至1/100像素的高精度，即子像素级Subpixel。 （3）实际应用中，一般将基于灰度的匹配或基于特征的匹配作为粗匹配，而将最小二乘影像匹配作为精匹配。 （4）优 点： 最小二乘影像匹配中可以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。 既可解决“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。 同时解决“多点”影像匹配或“多片”影像匹配。 可方便引入“粗差检测