基于非下采样Contourlet变换的近景立体影像匹配方法研究的中期报告.docxVIP

基于非下采样Contourlet变换的近景立体影像匹配方法研究的中期报告 一、研究背景及意义 立体影像匹配是数字摄影测量中的基本问题之一，广泛应用于三维重建、数字地图制作、环境监测等领域。立体影像匹配的难点在于，由于相机的光学特性和拍摄角度等原因，两幅立体影像之间存在位置、尺度、旋转等不同，从而导致匹配难度增加。因此，如何识别可能匹配的点对，并准确测量这些点之间的距离和方向关系，是立体影像匹配中的关键问题。 在过去的研究中，许多学者已经提出了各种各样的立体影像匹配方法，如基于特征点的立体匹配、基于区域的立体匹配、基于边缘的立体匹配、基于模板的立体匹配等等。这些方法在不同的场景下取得了一定的成果，但受限于算法的特性，在应对某些复杂场景，如树木、建筑物等宏观物体时，仍然存在较大的误差和困难。因此，研究如何提高立体影像匹配的精度和鲁棒性，仍然是具有挑战性的重要问题。 非下采样Contourlet变换（NSCT）是一种多尺度、多方向的图像分析工具，具有极强的局部特征提取能力和方向选择性，被广泛应用于图像分割、目标检测、图像压缩等领域。针对立体影像匹配中存在的非线性变换和大量纹理特征问题，NSCT在理论和实践上都有相当可观的应用前景。因此，本研究拟探究基于NSCT的近景立体影像匹配方法，以提高匹配精度和鲁棒性。 二、研究内容和进展 本研究旨在建立基于NSCT的近景立体影像匹配方法，具体研究内容包括以下三个方面： （1）基于前景体素集合的匹配点筛选。 由于近景立体影像中存在大量的无效点和噪声点，所以本研究采用前景体素集合的方式，从大量的点云数据中筛选出可能的匹配点对。该方法能够有效地减少无效点的干扰，进一步提高匹配精度。 （2）基于NSCT的图像局部特征提取。 NSCT能够有效地提取图像的局部特征，在此基础上，本研究采用小波能量和小波熵两种特征指标，对图像纹理特征进行表征。由于这两种指标具有不同的特性，采用它们的组合，能够更全面地描述图像的纹理特征。 （3）基于二次规划的立体影像匹配优化。 基于NSCT的局部特征提取，可以得到一组候选匹配点对。采用二次规划的方法进行匹配优化，能够进一步提高匹配精度和鲁棒性。本研究拟探究初始匹配点对的选择、约束条件设置等方面的关键问题，优化匹配结果。 目前，我们已经完成了前两个研究内容的实现，已经可以从大量的点云数据中筛选出可能的匹配点集，同时也成功地提取了图像的局部纹理特征。 三、研究计划和展望 在接下来的研究中，我们将进一步完成基于二次规划的匹配优化算法的实现，并对算法进行深入的测试和优化。通过对实验数据的分析，我们将评估算法的性能和精度，并进一步探讨算法的适用范围和局限性。 总之，本研究拟实现基于NSCT的近景立体影像匹配方法，通过对纹理特征的提取和优化匹配算法的研究，提高匹配精度和鲁棒性，为数字摄影测量领域的研究和应用提供有益的参考和基础。