第六章影像匹配理论与算法精要.ppt

信噪比 方差 相关系数与信噪比之间的关系 影像匹配的精度与相关系数有关，相关系数愈大则精度愈高。它与影像窗口的“信噪比”有关，信噪比愈大，则匹配的精度愈高。 可以得到一些很重要的结论： 影像匹配的精度还与影像的纹理结构有关，即与 有关。特别是当 愈大，则影像匹配精度愈高。当 ，即目标窗口内灰度没有变化时，则无法进行影像匹配。 特征匹配的概念 基于特征点的影像匹配策略 跨接法影像匹配 主要内容 第五节：特征匹配 特征匹配 以影像的灰度分布为影像匹配的基础，被称为灰度匹配（Area Based Image Matching） 特征匹配（Feature Based Matching，在计算机界也称为 Primitive Based Matching）。 当待匹配的点位于低反差区内， 其匹配的成功率不高。 目的只需要配准某些点线或面 在城市中，被处理的对象主要是人工建筑物，灰度匹配难以适应 特征匹配使用的几种场合 特征匹配步骤 特征的匹配可以分为点、线、面 特征匹配可分为三步： ①特征提取；②利用一组参数对特征作描述；③利用参数进行特征匹配。 例如：首先可以用边缘算子（Edge Operator）从影像中提取边缘，然后再用参数描述“边缘”。 常用?-S曲线表达边缘： 基于特征点的影像匹配的策略 特征提取 根据各特征点的兴趣值将特征点分成几个等级 对不同的目的，特征点的提取应有所不同 （2）均匀分布。将影像划分成规则矩形格网，每一格网内提取特征点。 (1) 随机分布。按顺序进行特征提取，但控制特征的密度。 特征点的分布则可有两种方式： 特征点的匹配 二维匹配与一维匹配 影像方位参数未知时，必须进行二维影像匹配;建立影像模型，形成核线进行一维匹配 匹配的备选点选择方法 对右影像也进行相应特征提取。 右影像不进行特征提取。 右影像不进行特征提取，但也不将所有的点作为可能的匹配点。 特征点的提取与匹配的顺序 “深度优先” “广度优先” 匹配的准则 除了运用一定的相似性测度，一般还可考虑特征的方向，周围已匹配点的结果 粗差的剔除 小范围内利用倾斜平面模型进行视差拟合，将残差大于某一阈值点作为粗差剔除 跨接法影像匹配 先不顾及几何变形作“粗匹配”，然后用其结果作几何改正再匹配 几何变形 处理影像几何变形的两种方式 最小二乘影像匹配将影像匹配与几何改正均作为参数同时解算 影像匹配 几何改正 影像匹配 几何改正 与 影像匹配 影像匹配 影像匹配 优点！ 特征分割法 特征定义为一个“影像段”，由三个特征点组成：一个灰度梯度最大点Z，两个“突出点”（梯度很小）S1，S2 在提取特征时，所用算子不仅应顺次地提取出一个特征上三个特征点的像素序号（点位），而且还应保留两个突出点S1，S2之灰度差。 特征分割法 跨接法影像匹配步骤 l.特征提取 2. 构成跨接法匹配窗口 所谓跨接法窗口结构，就是将两个特征连接起来构成窗口， 在左方影像上Fb和Fe分别是已配准与待匹配的特征构成目标窗口 右方影像上，Fb是已配准的特征，在右方影像上选定若干特征 比较待匹配特征Fe与备选特征之间的特征参数，选取相似特征 在右方影像上，以Fb为窗口的一个端点特征，而以被选定的备选特征1，3为窗口的另一端的特征，构成不同的匹配窗口 对匹配窗口进行重采样，使其大小始终等于左方影像的目标窗口的长度，从而消除了几何畸变对相关的影响。 计算目标窗口与重采样的匹配窗口的相关系数，按最大相关系数的准则确定Fe的同名特征。 将目标窗口[a,b]整个视为待配准元“影像段”在右核线上建立一些备选的有哪些信誉好的足球投注网站窗口 最小二乘影像匹配 德国Ackermann教授提出了一种新的影像匹配方法——最小二乘影像匹配（least Squares Image Matching） 影像匹配可以达到1/10甚至1/100像素的高精度 优点如下 最小二乘影像匹配中可以非常灵活地引入各种已知参数和条件，从而可以进行整体平差。 解决“单点”的影像匹配问题，以求其“视差”；也可以直接求解其空间坐标 同时解决“多点”影像匹配或“多片”影像匹配 引入“粗差检测”，从而大大地提高影像匹配的可靠性 最小二乘影像匹配原理 “灰度差的平方和最小” 仅仅认为影像灰度只存在偶然误差 按?vv＝min原则进行影像匹配的数字模型。若在此系统中引入系统变形的参数，按 ?vv＝min的原则，解求变形参数，就构成了最小二乘影像匹配系统。 灵活,可靠和高精度是优点, 缺点是，如当初始值不太准时，系统的收敛性等问题有待解决。 辐射畸变 照明及被摄影物体辐射面的方向 大气与摄影机物镜所产生的衰减 摄影处理条件的差异以