数字摄影测量学PPT课件.pptxVIP

1 影像匹配基础理论与算法 《数字摄影测量学》 Digital Photogrammetry 2 前述内容回顾 基于灰度影像匹配的定义（重点） 基于灰度影像匹配的相似性测度（难点） 基于灰度影像匹配的计算过程（重点） 基于物方的影像匹配（VLL影像匹配） 基于灰度影像匹配的子像素精度内插 小结 第23讲 基于灰度的影像匹配 Area-Based Image Matching 3 为什么说影像匹配问题是摄影测量中最具挑战性的问题？ 影像匹配贯穿于数字摄影测量数据处理的整个过程(内定向、相对定向、绝对定向、空三转点、DEM自动生成、地物识别)； 另一个挑战性的问题是地物识别。 前述内容回顾 4 什么是共轭实体、匹配实体、相似性测度、匹配方法、匹配策略？ 前述内容回顾 5 定义 以数字影像局部范围内（窗口）的灰度值及其分布作为匹配实体，通过计算相似性测度确定共轭实体的影像匹配方法。 共轭实体：可以是点、线和其它物体图像 匹配实体：影像的局部灰度值及分布 相似性测度：基于局部灰度值的某种度量函数 基于灰度影像匹配的定义 Area-Based Matching(ABM) 6 示意图 互相关函数 相似程度 同名点 目标区 搜索区 基于灰度影像匹配的定义 7 影像匹配---同名点寻找 8 优点： 窗口可以很快地提取，匹配的方法比较直观； 在纹理丰富的区域可以达到很高的精度。 Advantages and Disadvantages of ABM 基于灰度影像匹配的定义 9 缺点： 辐射量的改变对灰度值比较敏感； 搜索的空间比较大，可能会出现不同的局部极值； 处理的数据量相对比较大； 在一些情况下，如遮挡区（建筑物）、缺乏纹理（高速公路）或局部纹理重复区（沙漠、草地），可能会出现误匹配的情况。 Advantages and Disadvantages of ABM 基于灰度影像匹配的定义 10 相关系数匹配 最小二乘匹配 基于物方的影像匹配（VLL） 与特征提取相结合的灰度匹配 匹配方法 基于灰度影像匹配的定义 11 影像匹配模式主要有二维匹配和一维匹配两种。 匹配模式 基于灰度影像匹配的定义 12 x=1; y=0 x=0; y=0 二维搜索 基于灰度影像匹配的定义 目标窗口 搜索窗口 13 一维搜索 基于灰度影像匹配的定义 目标窗口 搜索窗口 核线方向 核线重排列影像的一维匹配 14 一维搜索 基于灰度影像匹配的定义 目标窗口 搜索窗口 核线方向 原始核线影像的一维匹配 15 相关函数测度 离散情形，相关函数定义为： 是两个窗口内对应灰度值乘积的代数和 基于灰度影像匹配的相似性测度 定义： 若R（c0, r0）＞ R（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参数。对于一维相关应有r  0。 16 基于灰度影像匹配的相似性测度 协方差函数测度 离散情形，协方差函数定义为： 定义： 若C（c0, r0）＞ C（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。对于一维相关应有r  0。 协方差函数是中心化的相关函数 17 基于灰度影像匹配的相似性测度 相关系数测度 定义： 相关系数就是标准化的协方差函数 若（c0, r0） ＞ （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参数。对于一维相关应有r  0。 协方差函数除以两信号的方差即得相关系数 18 4、差平方和测度 离散情形，差平方和函数定义为： 基于灰度影像匹配的相似性测度 若S2（c0, r0） S2（c, r），则c0, r0为搜索区影像相对于目标区影像的位移行、列参数。对于一维相关应有r  0。 取极小值 19 差绝对和测度 离散情形，差绝对和函数定义为： 基于灰度影像匹配的相似性测度 若S（c0, r0） S（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。对于一维相关应有r  0。 取极小值 20 候选窗口灰度值 形成的变动向量 搜索区域 候选窗口/ 搜索窗口 1、直观说明（以点匹配为例）： 目标窗口灰度值 形成的固定向量 目标窗口 四.基于灰度影像匹配的计算过程 21 在目标影像上选取待匹配的点，称为目标点； 以目标点为中心，选取一定大小的窗口，称为目标窗口； 2、具体实现步骤： 四.基于灰度影像匹配的计算过程 22 按照一定的先验知识和约束条件确定该目标点的共轭点（同名点）在右影像上可能存在的范围，称为搜索区域； 2、具体实现步骤： 四.基于灰度影像匹配的计算过程 23 以搜索