數字攝影測量復習(編輯修改稿)
2024-08-20 07:52 本頁面
【文章內容簡介】 的匹配窗口作為目標窗口的配準窗口，即共軛窗口。同時配準窗口的中心像素就作為目標點的配準點，或共軛點。 7 進行精度評定,如要求達到子像素精度，可采取內插措施 由于左右影像采樣時的差別,這就使得匹配產生誤差. l 影像匹配精度影像相關是左影像為目標區(qū)與右影像上搜索區(qū)內相對應的相同大小的一影像相比較，求得相關系數，代表各窗口中心像素的中央點處的匹配測度。影像匹配（相關）即使在定位到整像素的情況下。 用相關系數的拋物線擬合提高相關精度 2) 基于物方的匹配算法 影像匹配的目的是提取物體的幾何信息，確定其空間位置，VLL能夠直接確定物體表面點空間三維坐標的影像匹配方法。第6章 最小二乘影像匹配1. 概述：l 定義：一種基于灰度的影像匹配，它同時考慮到局部影像的灰度畸變和幾何畸變，是通過迭代使灰度誤差的平方和達到極小，從而確定出共軛實體的影像匹配方法。l 優(yōu)點是精度高，可達到1/10 到1/100個像素l 缺點是初值要求精度高，迭代時間長。 161。 l 實際應用中，一般將基于灰度的匹配或基于特征的匹配作為粗匹配，而將最小二乘影像匹配作為精匹配。 l 最小二乘影像匹配中可以非常靈活地引入各種已知參數和條件，從而可以進行整體平差。 161。 l 解決“單點”的影像匹配問題，以求其“視差”；也可以直接解求其空間坐標。同時解決“多點”影像匹配或“多片”影像匹配 。 161。 l 引入“粗差檢測”，從而大大地提高影像匹配的可靠性 。 2. 最小二乘法影像匹配的原理 161。 l 不考慮灰度畸變和幾何畸變，按灰度差平方和最小的原則進行影像匹配的數字模型。 若在此系統(tǒng)中引入系統(tǒng)變形的參數，按灰度差平方和最小的原則，解求變形參數，就構成了最小二乘影像匹配系統(tǒng)。 l 靈活,可靠和高精度是優(yōu)點, 缺點是，如當初始值不太準時，系統(tǒng)的收斂性等問題有待解決。 l 影像灰度的系統(tǒng)變形有兩大類：輻射畸變；幾何畸變1) 不考慮灰度畸變和幾何畸變：灰度差的平方和最小 l 僅僅認為影像灰度只存在偶然誤差 2) 僅考慮輻射的線性畸變的最小二乘匹配：相關系數相關系數最大→信噪比為最大因為沒引入幾何變形參數，所以匹配結果是以整像素為單位3) 僅考慮影像相對移位的一維最小二乘匹配 ：視差l 影像匹配的主要目的是確定影像相對移位，傳統(tǒng)的算法采用目標區(qū)相對于搜索區(qū)不斷地移動一個整像素，搜索最大相關系數的影像區(qū)中心作為同名像點。l 在最小二乘影像匹配算法中，可引入幾何變形參數，直接解算影像移位，這是此算法的特點。 l 最小二乘影像匹配是非線性系統(tǒng)，必須進行迭代。迭代過程收斂的速度取決于初值。 3. 單點最小二乘法影像匹配 l 基本思想：兩個二維影像之間的幾何變形，不僅僅存在著相對移位，而且還存在著圖形變化。只有充分地考慮影像的幾何變形，才能獲得最佳的影像匹配。 161。l 基本步驟：1) 幾何變形改正 2) 重采樣 3) 輻射畸變改正 4) 計算相關系數并判斷是否繼續(xù)迭代 5) 用最小二乘影像匹配計算參數改正值dh0,dh1, da0… 觀測值是相應像素的灰度差 6) 計算變形參數7) 計算最佳匹配點位 l 匹配精度取決于影像灰度的梯度 4. 帶共線條件的最小二乘影像匹配 161。 l 為了進一步提高其可靠性與精度，例如附帶共線條件的最小二乘相關以及與VLL 法結合的最小二乘影像匹配方法都得了廣泛的研究 l 假設對同一個物體攝取了n+1個影像，目標窗口大小為m*m，則誤差方程式個數為n*m*m，未知數個數為6*n5. 最小二乘法影像匹配精度 1) 影像匹配的精度與相關系數有關，相關系數愈大則精度愈高。它與影像窗口的 “信噪比”有關，信噪比愈大，則匹配的精度愈高。 2) 影像匹配的精度還與影像的紋理結構有關。當目標窗口內灰度沒有變化時，則無法進行影像匹配。第7章 特征匹配和整體匹配1. 基于特征的影像匹配概述 161。l 定義：以影像上提取的特征為共軛實體，以特征的描述參數為匹配實體，通過計算匹配實體之間的相似性測度實現共軛實體配準的影像匹配方法，稱為基于特征的影像匹配。l 為什么：1) 當待匹配的目標位于低反差區(qū)內，即在該窗口內信息貧乏，信噪比很小，則其匹配的可靠性不高。2) 目的只需要配準某些點線或面3) 基于特征的影像匹配在機器人視覺和城市攝影測量人工建筑物的提取中優(yōu)勢更強，灰度匹配難以適應。 2. 基于特征的影像匹配的主要過程 161。 1) 特征提?。?167。 2) 利用一組參數對特征作描述； 167。3) 利用參數進行特征匹配。3. 基于特征的影像匹配的策略 161。 1) 建立金字塔分層影像 161。 2) 特征提取 161。 特征點的分布：隨機分布：按順序進行特征提取，但控制特征的密度。 均勻分布：將影像劃分成規(guī)則矩形格網，每一格網內提取特征點。 3) 特征點的匹配l 二維匹配與一維匹配 影像方位參數未知時，必須進行二維影像匹配。 建立影像模型，形成核線進行一維匹配。l 匹配備選點的選擇： 1 右影像也進行相應特征提取 2 右影像不進行特征提取 3 右影像不進行特征提取，但也不將所有的點作為可能的匹配點 l 特征點的提取與匹配的順序 深度優(yōu)先和廣度優(yōu)先深度優(yōu)先搜索法占內存少但速度較慢，廣度優(yōu)先搜索算法占內存多但速度較快l 匹配的準則 除了運用一定的
環(huán)評公示相關推薦
鄂ICP備17016276號-1