摄影测量特征点提取与匹配技术研究.docVIP

摄影测量特征点提取与匹配技术研究 　　摘要：本文重点研究了特征点提取与匹配相关理论及技术。制定了仿真实验方案，通过Matlab 编制程序，分析了使用Moravec 算子进行特征点提取的特点并证明了基于灰度的匹配算法的有效性。 　　关键词：数字摄影测量；特征点提取；特征点匹配 　　中图分类号：P231文献标识码：A文章编号：1009-3044(2008)12-2pppp-0c 　　 　　Research on Technology of Feature Point Extraction and Matching of Photogrammetry 　　YU Dai-feng,LI Liang-liang,ZHOU Guang-yong 　　(School of Geodesy and Geomatics,Wuhan University,Wuhan 430072,China) 　　Abstract:This paper pivotly study the feature points extraction and matching related theories and techniques.Draw up an experiment project,and draw up procedure through Matlab.Verify the characteristic of feature points extraction Morvec and prove the usefulness of epipolar constraint related theories. 　　Key words:Photogrammetry;Feature points extraction;Feature points matching 　　 　　1 引言 　　 　　在现代化的测绘技术中，摄影测量系统成为一种吸引众多领域日益关注和采用的几何信息分析提取和模型制作的有力工具。随着数字地球概念的提出，城市三维建模，也依赖着数字摄影测量为其提供数据与支持[1]。对于一幅数字影像，我们最感兴趣的是那些非常明显的目标，这些目标是由影像的特征构成的。特征可以分为点状特征和线状特征等。提取点特征的算子称为兴趣算子或有利算子。点特征提取是影像分析和影像匹配的基础，也是单幅图像处理的最重要的任务。影像匹配实质上是在两幅（或多幅）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[2]。 　　 　　2 Moravec算子特征点提取算法 　　 　　Moravec算子是一种利用灰度方差提取点特征的算子，它的步骤为： 　　(1)计算窗口图像内各点的兴趣值 IV(interest value)。在以像素(c,r )为中心的W×W 的图像窗口中（如5×5的窗口），计算0度，45度，90度，135度四个方向的灰度差平方和，取其中最小值为该像元的兴趣值。 　　(2)给定经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则。 　　(3)选取候选点中的极值点作为特征点。在一定大小的窗口内(例如5×5，7×7或9×9等)，将候选点中兴趣位不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。 　　综上所述，Moravec 算子是在四个主要方向上，选择具有最大-最小灰度方差的点作为特征点。 　　 　　3 基于灰度的匹配方法 　　 　　该方法是一种较成熟的匹配方法，主要包括的方法有基于灰度相似度检测和最小二乘影像匹配的方法，它们都是以同名影像灰度相似为基础的，相关的精度可以达到像元级及子像元等级。基于灰度的影像匹配方法的前提就是同名影像的相似性，对这种相似性的度量有多种形式，以这些度量算法进行检测，当测度最大时就认为是相应影像的位置[3]。以相关系数作为相似性测度的原理如下： 　　相关系数是标准化的斜方差函数，协方差函数除以两信号的方差即得相关系数。g(x,y)与g(x,y)的相关系数的实用公式为： 　　 　　若p(c0,r0) p(c,r)(c≠c0, r≠r0)，则c0,r0为搜索区影像相对于目标区影像的位移行、列参数。 　　 　　4 实验方案设计与实验结果分析 　　 　　本文采用的特征点提取算子是Moravec特征点提取算子，特征点匹配采用基于影像相似性测度的影像匹配算法并采用相关系数作为影像的相似性测度。 　　4.1 特征点提取方案设计 　　利用Moravec算子对左图像进行特征点提取，特征点提取的范围应是左右两张图片的重叠覆盖区域，如下图所示，以四个像元为端点围成的四边形区域作为提取特征点：