数字摄影测量课件——影像匹配基础理论与算法.pptVIP

* §4.5 特征匹配 灰度匹配（Area Based Image Matching） 在以待定点为中心的窗口内，以影像的灰度分布为影像匹配的基础。 特征匹配（Feature Based Matching） 用于配准特征点、线或面。 特征匹配的步骤： （1） 特征提取 （2） 利用一组参数对特征进行描述 （3） 利用参数进行特征匹配 * §4.5 特征匹配 跨接法影像匹配 先改正影像几何变形，再进行影像相似性判断，从而克服影像几何畸变对影像匹配的影响。 * §4.5 特征匹配 * §4.5 特征匹配 * 第四章 影像匹配基础理论与算法  §4.1 影像相关原理 §4.2 影像相关的谱分析 §4.3 数字影像匹配基本算法 §4.4 最小二乘影像匹配 §4.5 特征匹配 实验6 影像匹配算法 * §4.1 影像相关原理 最初的影像匹配采用相关技术，因而也有人常称影像匹配为影像相关，实际上影像相关只是影像匹配的一种方法。 影像相关是利用互相关函数，评价两块影像的相似性以确定同名点。 自动化立体量测的基本原理： 首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信息，计算两者相关函数，以相关函数最大值对应区域中心点为同名点。 * §4.1 影像相关原理 一、数字相关 数字相关是利用计算机对数字影像进行数值计算的方式完成影像的相关。即用计算机把像对数字化后取得灰度值，用数值计算方法探求左右影像的相似程度，完成影像相关确定同名点的位置。 根据搜索区设置的不同，相关可分为一维影像相关和二维影像相关。 * §4.1 影像相关原理 1、二维相关 在左影像上先确定一个待定点(目标点)，以此待定点为中心选取 m×n个像素的灰度阵列作为目标区或称目标窗口。为了在右影像上搜索同名点，必须估计出该同名点可能存在的范围，建立一个k×l个像素的灰度阵列作为搜索区，相关的过程就是依次在搜索区中取出m×n个像素灰度阵列， 计算其与对应目标区的相似测度。当其取得最大值时，该搜索窗口的中心像素被认为是同名点。 * §4.1 影像相关原理 2、一维相关 当进行影像相关时如果只在像片的一个方向，如在X视差方向建立搜索区，则这种情况的相关称为一维相关。 由像对核线（摄影基线与地面点组成的平面，在左、右像片上的交线为一对同名核线）的几何关系，同名点必然位于同名核线上。这样，利用核线的性质，将沿X，Y视差方向搜索同名点的二维相关，改成沿同名核线搜索同名点的一维相关问题，即核线相关。从而大量节省搜索同名点的计算工作量。 为了保证相关结果的可靠性，一般目标区也选取一个两维目标区。 * §4.2 影像相关的谱分析 1、维纳-辛钦定理 随机信号的相关函数与其功率谱是一傅立叶变换对，相关函数的傅立叶变换是功率谱，而功率谱的逆傅立叶变换即相关函数。 因此，我们可先对影像的功率谱进行估计，经逆傅立叶变换就可以得到影像的相关函数估计。 * §4.2 影像相关的谱分析 2 、金字塔影像相关（分频道相关） 信号中高频成分较少时，相关函数曲线较平缓，但相关的拉入范围较大；反之，当高频成分较多时，相关函数曲线较陡，相关精度较高，但相关的拉入范围较小。 综合考虑相关结果的正确性（可靠性）与精度（准确性），得出目前广泛应用的从粗到精的相关策略。即先通过低通滤波，进行初相关，找到同名点的粗略位置，然后利用高频信息进行精确相关。 * §4.2 影像相关的谱分析 为了提高在影像匹配过程中同名匹配点命中的准确性，特采用了金字塔二级相关。第一级是粗匹配，找到同名点的大致位置，第二级则在第一级确定的搜索区范围基础上继续进行精匹配，找到同名点的准确位置。 以三像元平均分频道相关技术为例（见下图）。 * §4.3 数字影像匹配基本算法 同名点的确定是以匹配度为基础的，因而如何定义匹配精度，是影像匹配最首要的任务。基于不同的理论或不同的思想可以定义各种不同的匹配测度，也就形成了不同和影像匹配算法。 * §4.3 数字影像匹配基本算法 一、常见的五种基本匹配算法 1、相关函数（矢量数积） * §4.3 数字影像匹配基本算法 2、协方差函数（矢量投影） * §4.3 数字影像匹配基本算法 3、相关系数（矢量夹角） * §4.3 数字影像匹配基本算法 4、差平方和（差矢量模） * §4.3 数字影像匹配基本算法 5、差绝对值和（差矢量分量绝对值和） * §4.3 数字影像匹配基本算法 二、基于物方的影像匹配（VLL法） （1） 获取左片像点的坐标 （2） 影像匹配出右片的同名点，得到其像点坐标 （3） 空间前方交会解出物点的地面坐标 * §4.3 数字影像匹配基本算法 铅垂轨迹法（VLL，Vertical Line Locu