數(shù)字?jǐn)z影測量復(fù)習(xí)(編輯修改稿)
2025-08-20 07:52 本頁面
【文章內(nèi)容簡介】 的匹配窗口作為目標(biāo)窗口的配準(zhǔn)窗口，即共軛窗口。同時配準(zhǔn)窗口的中心像素就作為目標(biāo)點的配準(zhǔn)點，或共軛點。 7 進(jìn)行精度評定,如要求達(dá)到子像素精度，可采取內(nèi)插措施 由于左右影像采樣時的差別,這就使得匹配產(chǎn)生誤差. l 影像匹配精度影像相關(guān)是左影像為目標(biāo)區(qū)與右影像上搜索區(qū)內(nèi)相對應(yīng)的相同大小的一影像相比較，求得相關(guān)系數(shù)，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(guān)）即使在定位到整像素的情況下。 用相關(guān)系數(shù)的拋物線擬合提高相關(guān)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(biāo)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(dá)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(dá)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(yīng)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(shù)和條件，從而可以進(jìn)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(biāo)。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(jìn)行影像匹配的數(shù)字模型。 若在此系統(tǒng)中引入系統(tǒng)變形的參數(shù)，按灰度差平方和最小的原則，解求變形參數(shù)，就構(gòu)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(dāng)初始值不太準(zhǔn)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(rèn)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(guān)系數(shù)相關(guān)系數(shù)最大→信噪比為最大因為沒引入幾何變形參數(shù)，所以匹配結(jié)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(biāo)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(guān)系數(shù)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(shù)，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(jìn)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(guān)系數(shù)并判斷是否繼續(xù)迭代 5) 用最小二乘影像匹配計算參數(shù)改正值dh0,dh1, da0… 觀測值是相應(yīng)像素的灰度差 6) 計算變形參數(shù)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(jìn)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(guān)以及與VLL 法結(jié)合的最小二乘影像匹配方法都得了廣泛的研究 l 假設(shè)對同一個物體攝取了n+1個影像，目標(biāo)窗口大小為m*m，則誤差方程式個數(shù)為n*m*m，未知數(shù)個數(shù)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(guān)系數(shù)有關(guān)，相關(guān)系數(shù)愈大則精度愈高。它與影像窗口的 “信噪比”有關(guān)，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(jié)構(gòu)有關(guān)。當(dāng)目標(biāo)窗口內(nèi)灰度沒有變化時，則無法進(jìn)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(shù)為匹配實體，通過計算匹配實體之間的相似性測度實現(xiàn)共軛實體配準(zhǔn)的影像匹配方法，稱為基于特征的影像匹配。l 為什么：1) 當(dāng)待匹配的目標(biāo)位于低反差區(qū)內(nèi)，即在該窗口內(nèi)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(zhǔn)某些點線或面3) 基于特征的影像匹配在機(jī)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(qiáng)，灰度匹配難以適應(yīng)。 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(shù)對特征作描述； 167。3) 利用參數(shù)進(jìn)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(jī)分布：按順序進(jìn)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(wǎng)，每一格網(wǎng)內(nèi)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(shù)未知時，必須進(jìn)行二維影像匹配。 建立影像模型，形成核線進(jìn)行一維匹配。l 匹配備選點的選擇： 1 右影像也進(jìn)行相應(yīng)特征提取 2 右影像不進(jìn)行特征提取 3 右影像不進(jìn)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(nèi)存少但速度較慢，廣度優(yōu)先搜索算法占內(nèi)存多但速度較快l 匹配的準(zhǔn)則 除了運用一定的
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1