数字摄影测量课件 1.pptVIP

5）差绝对值和（差矢量分量绝对值和）测度 两影像窗口灰度差绝对值和即灰度矢量X与Y之差矢量之分量的绝对值之和 当N=2时， 几何意义 5）差绝对值和（差矢量分量绝对值和）测度 二维平面上以(x1,y1)为中心、边长为 、对角线与坐标轴平行的一个正方形。 主要特点： 计算简单 没考虑几何变形的影响 没考虑灰度畸变的影响 7）相关精度 地物 理论精度: 假设被匹配的两个影像窗口真正代表 物理概念上的同名点。 由于左右影像采样时的差别，同名像素的中心点一般并不是真正的同名点。 左影像 右影像 7）相关精度 真正的同名点可能偏离像素中心半个像素之内 误差服从 内的均匀分布（?为像素大小） 7）相关精度 整像素相关的精度 相关系数值 （像元素S） i-2 i-1 i i+1 i+2 顶点k 相关系数取最大值的位置?? 7）相关精度 用二次抛物线方程拟合 求： 抛物线顶点（k）处的位置应为 相邻五个像元的相关系数 相邻三个像元的相关系数 相关系数的抛物线拟合,可使相关精度达到0.15～0.2子像素 本 讲 小 结 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 1.有哪些影像匹配基本算法，它们的几何意义各是什么？其中哪一种算法较好，为什么？ 2.试证明数字影像匹配的相关系数测度是灰度线性变换的不变量。 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 回 顾 匹配、影像匹配、数字影像匹配 影像相关（电子、光学、数字） 相关函数定义 共轭实体、匹配实体、相似性测度、匹配方法、策略 自相关函数是偶函数、τ=0处取得最大值 数字相关（二维相关、一维相关） 影像功率谱 维纳-辛钦定理 功率谱估计 相关函数估计及谱分析结果 金字塔影像结构及其建立 内容安排 （重点） 如何利用机器代替人眼识别同名点是摄影测量自动化的关键问题之一，也是摄影测量工作者长期追求的目标。 目前影像匹配仍处于半自动处理阶段，目标区与搜索区的确定仍需要人工干预，全自动化影像匹配有待于模式识别理论的进一步发展。 模板匹配 模板匹配是影像匹配中最基本的方法。 4 6 8 3 9 0 4 6 8 9 4 例如：印刷数字识别，有一组数字 0 1 2 3 4 5 6 7 8 9 一般我们首先建立 0 ? 9 十个数字的模板： 怎样才能利用计算机自动识别上述一组数字？ 比较“待识别的数字”与“数字模板”之间的相似性，以判断待识别的数字。 显然：4 最优－相似性最好： 然后，用0 ? 9十个数字模板对上述数字中每一个数字（如第一个数字4）逐个进行套合－配准。 0 1 2 3 4 5 6 7 8 9 4 6 利用模板匹配关键是确定“相似性”指标，最简单、最直观的方法是： 灰度差的绝对值和为最小 设模板影像的灰度函数为： g1(x，y) 待识别的影像的灰度函数为：g2(x，y) 则灰度差的绝对值和为最小的准则为： ? | g1(x，y)－ g2(x，y) |＝min 影像匹配 影像匹配是在两幅(或多幅)影像之间识别同名元素(点),它是计算机视觉及数字摄影测量的核心问题。 以左影像的一个待定点，建立一个目标区(相当于模板)；在右像上确定一个搜索区（大于目标区）； a2 a1 目标区---模板 m n 搜索区(目标区) k l 然后将目标区，沿x、y方向顺序与搜索区叠合，每次计算它们之间灰度差绝对值之和，取其中灰度差绝对值之和为最小的，视为同名点。 ?x=1; ?y=0 ?x=0; ?y=0 ?x=0; ?y=0 ?x=1; ?y=0 ?x=2; ?y=0 ?x=3; ?y=0 ?x=4; ?y=0 ?x=5; ?y=0 ?x=6; ?y=0 ?x=7; ?y=0 ?x=8; ?y=0 ?x=9; ?y=0 ?x=10; ?y=0 ?x=11; ?y=0 ?x=0; ?y=1 ?x=1; ?y=1 ?x=2; ?y=1 目标区 当搜索区的明亮度发生线性变化，采用灰度差的绝对值和最小的方法是否最好？此时的最小值是否发生了变化？ 存在的问题 目标区---模板 当左右影像的曝光度与曝光时间有较大差异时，“灰度差的绝对值和为最小”指标可能失效，最常用的“相似性”指标是相关系数? ，可较好地消除系统噪声的影响，因此影像匹配也称作影像相关。下面介绍五种影像匹配