三角形约束下影像匹配算法实现.doc

三角形约束下影像匹配算法实现 立体影像匹配是数字摄影测量和计算机视觉的核心技术，被广泛应 用于多个领域。可以说，立体影像匹配技术的发展程度决定了数字摄影测量的自 动化程度。本文选择了三角网约束下影像匹配技术作为主要的研究内容，围绕着 匹配算法和技术流程，对涉及到的方法和理论进行了深入的分析和研究，并在此 基础上建立了三角形约束下影像匹配的试验系统。本文通过对现有立体影像匹 配技术的对比、分析和总结，给出了立体影像匹配系统的基本构成形式，在此基础 上提出了三角网约束下影像匹配算法，并详细的阐述了该算法的每个部分。首先, 介绍了常见的影像匹配算法，然后，从约束条件方面详细的说明了本文提出的匹 配系统。最后的实验证明，根据三角形约束下影像匹配方法的基本原理，结合具 体实现过程中对时间效率及空间效率两方面的考虑，探讨了算法实现中的关键问 题。针对三角形约束下影像匹配方法的实际应用，分析了所采用的数据结构与 Delaunay三角网动态更新，提出了 一种高效的实现算法，实际应用验证了其实现 的有效性。实验结果表明这些应用都是成功的，取得了一定的效果。最后，对本 文的主要工作进行了总结并进行了展望。 关键词：三角形约束；影像匹配；算法实现；效率 1绪论 1.1影像匹配技术描述 影像匹配是影像分析和影像处理研究中的一项重要的技术。在计 算机视觉识别过程中，常常需要把不同的传感器或是同一传感器在不 同时间、不同成像条件下对同一景物获取的两幅或多幅影像，进行比 较找到该组影像中的共有景物，或是根据己知模式到另一幅图中寻找 相应的模式，这就叫影像匹配。影像匹配就是将模版与待检测的影像 进行比较匹配，并给出一个描述匹配程度的计算结果。如果算法的运 算结果显示影像中的某一部分与模版相同或相似大于给定的阈值，认 为匹配成功。 一般来说，巾于影像在不同时间、不同传感器、不同视角获得的 成像条件不同，因此即使是对同一物体，在影像中所表现出来的几何 特性、光学特性、空间位置都会存很大的不同，如果考虑到噪声、干 扰等影响会使影像发生很大差异，影像匹配就是通过这些不同之处找 到它们的相同点。 1.2影像匹配技术研究意义和现状 影像匹配最早是美国70年代从事飞行器辅助导航系统，武器投射 系统的末制导及寻地等应用研究中提出的。随着科学技术的快速发 展，影像匹配已经成为近代信息处理，尤其是影像信息处理领域中一 项极为基本和重要的技术。其应用已逐步扩大到其他领域，如计算机 视觉、目标识别与跟踪、测绘、航空摄影测量、资源分析、气象预报、 光学和雷达跟踪、机器人视觉、环境检测、地图绘制、文字识别以及 景物分析中的变换检测、立体视觉、飞行器巡航制导、遥感、视觉控 制、医学图像、视觉运动计算、导弹的地形图和地图匹配、工业流水 线的自动监控等多个领域。 长期以来立体影像匹配一直都是数字摄影测量的核心问题。朱庆 等提出了一种三角形约束卞影像匹配方法，利用已知良好匹配点，在 Delaunay三角网的约束下，进行纹理特征自适应的匹配传播，因新的 匹配点对Delaimay三角网进行动态细化，使得局部几何约束区域的大 小自动适应影响纹理特征变化，从而得到更加可靠的匹配结果。因该 算法涉及大量影像数据及其特征点的处理，故在具体实现算法时，需 要进行优化设计。 2基于三角形约束下影像匹配原理 2.1 Delaunay 三角网 由于Delaunay三角形具有易于构建与稳健的特点，本文采用 Delaunay三角形法则构建初始良好点三角网，在每一个三角形中， 三个可靠的顶点形成了一个局部的连续约束区域，顶点也是后续匹配 传播的参考点，在匹配传播过程中，不断获得新的匹配点，并将最新 匹配点适时插入三角网中，三角网因此不断被动态更新，直到满足一 定的匹配终止条件 2.2三角形约束下影像匹配传播算法 影像匹配过程开始于一定数量的良好匹配点所构成的三角网，在 每对同名三角形内成功匹配出同名点后，左、右像上的三角网分别在 局部得到细化更新，然后继续在每对新的同名三角形内提取出特征 点，并选择最优的三角形顶点作为参考点进行新的匹配。显然，三角 网的逐步细化自然的适应了影像纹理的分布特征，而且细化后的三角 网将在后续匹配的过程中限定了更小的连续性约束和顺序约束区域。 这是一个不断迭代的匹配传播过程，匹配的终止条件将决定点的分布 和密度，如选择三角形的最小面积或者最大的匹配点数等作为终止条 件。匹配算法如图1所示： 图1三角形约朿的影像匹配传播流程 特别的，如果在某个同名三角形内分别提取出来的两个特征点集合， 最终未能正确匹配出任何同名点对，那么该同名三角形内的匹配传播 过程将自动终止。这一点对于水面或屋面等纹理缺乏区域的匹配具有 重要作用，因为在这些区域纹理信息极度贫乏，很难提取出可重复的 具有物理意义的特征点，