带特征约束的城市区域大比例影像匹配算法研究.pdfVIP

带特征约束的城市区域大比例影像匹配算法的研究 张永生范永弘 (信息工程大学测绘学院遥感信息工程系．郑州450052) 籀要 本文首先介绍了松弛影像匹配的基本原理并指出了传统的松弛匹配算法的局限 性：然后利用边缘特征的不变线矩对松弛匹配算法进行了扩展，研究表明：扩展后的带特 征约束的松弛匹配算法可以较好地解决城市区域大比例尺影像匹配问题。 关键词影像匹配松弛法视差约束边缘约束 1．引言 立体影像匹配是计算机视觉和摄影测量中获取物体三维信息的重要手段．立体影像匹配的 研究已有几十年的历史．其间涌现出的影像匹配算法和理论有许多，并有了较为实用的商用软 件系统。整体影像匹配是当前影像匹配的发展方向．在立体视蚩中有着很高的实用价值．松弛 算法就是其中具有代表性的一种。松弛算法是通过邻域内对象之间的约束性和一致性来计算匹 配点对的匹配概率从而最终获得整体上的最一致、最兼容的结果．由于松弛算法的处理过程具 有并行和迭代的特点，因此它能较好地顾及到整体匹配的最优性．松弛法首先是用亍实现场景 的协调标号问题．目前在图像处理和影像分析中得到了广泛地应用…EI。 事实上．在传统的松驰匹配算法中，人们是通过邻域内匹配点之间的兼容性来达到寻求整 体上最优匹配结果的．这种兼容性主要表现在视差的连续性上，然而，对于城市区域的丈比例 尺影像而言，由于人工建筑物的大量存在，这种理想状况下的视差一致性约束条件显然难以满 足．强加的视差约束难以在城市区域的大比例尺影像中取得满意的匹配结果。本文正是针对传 统的松驰匹配算法这一不足．提出了一种带特征约束的松弛匹配算法，用于解决城市区域太比 例尺影像匹配问题。实验结果表明加入特征约束后的松驰匹配算法可以获得更可靠的匹配结果。 2．松弛影像匹配的基本原理 2．1松弛影像匹配的基本思想 松弛匹配是利用一定的约束条件通过迭代计算来消除解答的模糊性。在求解对应的过程中． 首先计算匹配点的概率估计，然后利用邻域内视差的一致性约束来更新这些概率估计．经过有 限次迭代来寻找最优的整体解。 松弛匹配处理包括两个步骤：首先对可能的匹配建立一个节点网络．并给每个可能的匹配指 定一个起始概率：然后根据一致性约束迭代更新这个起始概率．直到求得最佳解。 2．2松弛影像匹配的数学模型 假设有一目标集合A={A，．也．…．A11)，现需要把它分成Ⅲ个类别．其分类集台为C=∽一一，…． cI)。进～步假设目标分类是相互依存的．即事件4∈C．和事件．-／j,eG可用一兼容尺度——相容 系数(或称为联合慨率)C(i，工^，女)来衡量它们之间的相容性．负的c(f．j；h．女)表示．4．∈f，和 Eq不相容，正的c(，，^^，女)表示它们相容．零值表示它们无关。若只，o表示 Ah 爿．∈c(I≤，≤n．】≤／sⅢ)的起始估计概亭，并且满足os巧≤1．二硝21：弓表示第r次迭代时 修正后的概率．且同样满足o≤巧≤1，∑巧=1。则松弛匹配用于调整概率的公式为： 。。 J“ 西=∑∑c(j．j：h．})％ Iforln (1’ 7=∑巧(1+再) 尸】 P，，…=或(1+面)／norm’ c“，J；6，。)2嘲 ‘2’ 蛰6l 其中，f的邻域为^，J的邻域为t；“是点j与／的视差，‰是，的邻域h与／的邻域々的视差。 上式可以保证c(i，j；h，★)≤I，且邻域内有相近的视差值时，概率的增量可以获得较大的支持·即 n c(i，j；h，k)-÷o k一吒I越小，C(i，j；h，k)-÷l：而当k一‰I越大时t 3．带特征约束的松弛影像匹配 传统的松弛匹配算法是在基于地表光滑、连续这一假设的理想状况下进行的。对于城市区 域大比例尺影像而言，由于人工