一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法
【專利摘要】一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，包括對基準影像進行分塊，得到基準影像塊；對每個基準影像塊提取特征點，計算所有特征點的局部反差，選取局部反差較大的若干特征點作為種子點；投影得到各基準影像塊在待匹配影像上對應(yīng)的搜索區(qū)域；計算基準影像與待匹配影像間的尺度差異因子與旋轉(zhuǎn)矩陣，平衡尺度與旋轉(zhuǎn)差異；引入基于全球SRTM數(shù)據(jù)，對每個基準影像塊基于種子點進行分層匹配，剔除誤匹配點；進行影像分割與合并，提取邊緣特征與分割區(qū)域，獲得密集的匹配點云。本發(fā)明的優(yōu)點在于可全自動實現(xiàn)不同分辨率、不同視角的遙感影像匹配，對于紋理貧乏、相似紋理、地表不連續(xù)等匹配困難區(qū)域，依然能夠獲得可靠、密集的同名點。
【專利說明】一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于測繪科學(xué)與【技術(shù)領(lǐng)域】，涉及一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，主要應(yīng)用于多源遙感影像的匹配、數(shù)字表面模型生成等領(lǐng)域。
【背景技術(shù)】
[0002]影像匹配作為數(shù)字攝影測量與計算機視覺領(lǐng)域的核心技術(shù)，在近十年來一直處于國內(nèi)外學(xué)者研究的前沿。影像匹配即通過一定的匹配算法在兩幅或多幅影像之間識別同名點的過程，廣泛應(yīng)用于空中三角測量、地物表面三維恢復(fù)、城市三維重建、影像變化檢測等各個環(huán)節(jié)。
[0003]目前的影像匹配方法大致可分為三類:基于區(qū)域灰度的匹配、基于特征的匹配和基于語義的匹配?；趨^(qū)域灰度的影像匹配是指在兩張影像上比較一定尺寸窗口內(nèi)像素的灰度分布相似程度，利用相關(guān)系數(shù)作為相似測度?；谔卣鞯挠跋衿ヅ涫侵冈趦蓮堄跋裆戏謩e提取特征，然后對特征進行比較來確定同名像點?；谡Z義的匹配是指根據(jù)從兩影像中提取的語義信息確定同名像點。
[0004]基于區(qū)域灰度的匹配是使用最為廣泛的方法，它常以相關(guān)系數(shù)作為同名點的相似性測度。它的優(yōu)點是算法簡單而且匹配精度高，然而，當(dāng)影像間旋角較大或是不同比例尺影像進行匹配時，基于區(qū)域灰度的匹配方法往往結(jié)果不甚理想。
[0005]基于語義的是一種新型的匹配算法，它理論上可以具有極高的可靠性和精度，是一種理想的匹配算法。但由于它涉及諸如計算機視覺、模式識別和人工智能等許多領(lǐng)域，并且依賴于這些領(lǐng)域中許多理論方面的突破，因此，到目前為止還沒有明顯進展。
[0006]基于特征的匹配方法是在基于區(qū)域灰度匹配方法的基礎(chǔ)上提出的，主要目的是利用影像的某些特殊紋理特征，從而將單純基于點的影相匹配提升為基于特征的影像匹配，這些特征可以是點，也可以是線和面。由于對影像進行了進一步解譯，基于特征的匹配方法，相對于傳統(tǒng)的基于灰度的匹配而言，匹配結(jié)果的魯棒性和精度更強。
[0007]1999 年 D.G.Lowe 初步提出 SIFT (Scale Invariant Feature Transform)算子，通過高斯濾波提取出在尺度空間內(nèi)穩(wěn)定的特征點，并用特征向量予以描述。在2004年D.G.Lowe對算法進行了進一步總結(jié)和完善，正式提出了一種基于尺度空間的、對圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的圖像局部特征描述算子一SIFT算子，即尺度不變特征變換。Silverira等人提出了結(jié)合特征匹配與灰度匹配的自動匹配算法，該算法首先利用SIFT算子來提供一組種子點，然后以這些種子點為基礎(chǔ)使用區(qū)域增長的方式進行最小二乘匹配。該方法適用于平坦地形下同名點的匹配，但對于復(fù)雜地形如居民地、山地、丘陵等，該方法匹配效果較差。李芳芳等人提出來利用線特征與點特征相結(jié)合的遙感影像匹配方法，該方法利用線特征約束獲取高精度點特征，避免了幾何差異與輻射差異造成的配準誤差。但該算法計算量較大，且線特征無法自動提取。Zhang等人提出了一種新型的基于多基線影像匹配的高精度DEM自動生成方法，但該方法需依賴于較為精確的姿態(tài)軌道參數(shù)獲得大致準確的同名預(yù)測點。Zhu等提出一種基于自適應(yīng)三角形的影像匹配理論，三角網(wǎng)隨著匹配過程中產(chǎn)生的新的匹配點的加入而進行實時更新，實現(xiàn)從紋理豐富區(qū)域至紋理貧乏區(qū)域的傳播，但該方法只考慮了興趣點的匹配，而忽視了重要的邊緣特征。Zhang和Gruen采用線特征作為匹配的基本單元，并且將匹配成功的線作為斷裂線合并到最終的DEM中。然而該方法中的邊緣或者線特征只是用來作為約束，并且和點匹配相互獨立，未能充分利用它們對影像匹配的作用。
[0008]法國歐空局與德國Inpho公司開發(fā)的處理大重疊度影像的高性能航空數(shù)字攝影測量處理軟件，該軟件采用了多像匹配算法，應(yīng)用于大比例尺城區(qū)的空三自動轉(zhuǎn)點，大大提高了自動轉(zhuǎn)點的成功率。法國地理院開發(fā)了一套處理大重疊度影像的比較成熟的高性能航空數(shù)字攝影測量處理系統(tǒng)——像素工廠(Pixel Factory—PF)，將DPW中的自動化處理與多影像匹配方法相結(jié)合，用于高速生產(chǎn)正射影像。
[0009]總的來說，現(xiàn)有匹配方法仍存在的一些難以克服的問題，如:①影像必須具有豐富的灰度信息(高反差、高對比度)，紋理信息貧乏、相似紋理、地表不連續(xù)的區(qū)域很難進行匹配；②影像間必須具有相似的比例尺；③影像間的旋轉(zhuǎn)角不宜過大；④影像間的幾何與輻射畸變不能太大；⑤影像的陰影或遮蔽范圍不能太多等等。

【發(fā)明內(nèi)容】

[0010]針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提出一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法。
[0011]本發(fā)明提出了一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，包括以下步驟:
[0012]步驟I，對基準影像進行分塊，得到基準影像塊；
[0013]步驟2，對每個基準影像塊提取特征點，計算所有特征點的局部反差，選取局部反差較大的若干特征點作為種子點；
[0014]步驟3，投影得到各基準影像塊在待匹配影像上對應(yīng)的搜索區(qū)域；
[0015]步驟4，計算基準影像與待匹配影像間的尺度差異因子與旋轉(zhuǎn)矩陣；
[0016]步驟5，根據(jù)尺度差異因子與旋轉(zhuǎn)矩陣，對基準影像與待匹配影像平衡尺度與旋轉(zhuǎn)差異;
[0017]步驟6，對每個基準影像塊基于種子點進行匹配，匹配方式如下，
[0018]步驟6.1，根據(jù)基準影像塊在待匹配影像上對應(yīng)的搜索區(qū)域，進行分層金字塔構(gòu)建；
[0019]步驟6.2，判斷當(dāng)前是否已處理分層金字塔的頂層，若否則基于全球SRTM數(shù)據(jù)進行頂層的近似核線生成，若是則以還未處理的分層中最高層為當(dāng)前層，基于上一層獲得的表面高程模型進行當(dāng)前層的近似核線生成；然后，在近似核線約束下，計算局部畸變參數(shù)，進行局部幾何和輻射畸變的校正；
[0020]步驟6.3，進行種子點匹配，前方交會，然后判斷是否處理完原始層，若是則對該基準影像塊匹配完成，否則根據(jù)當(dāng)前層的匹配結(jié)果，更新表面高程模型，然后返回步驟6.2根據(jù)表面高程模型更新下一層近似核線；
[0021]步驟7，誤匹配點的剔除；
[0022]步驟8、影像分割與合并，包括對各基準影像塊與對應(yīng)的搜索區(qū)域進行影像分割，將鄰近高相關(guān)性的區(qū)域進行合并，提取邊緣特征與分割區(qū)域；
[0023]步驟9、根據(jù)邊緣特征與分割區(qū)域進行匹配生長，獲得密集的匹配點云。
[0024]而且，步驟6.2中，進行近似核線生成采用投影軌跡法。
[0025]而且，步驟7中，誤匹配點的剔除實現(xiàn)方式如下，
[0026]當(dāng)影像攝影光線存在交會角時，則采用前方交會得到的物方三維坐標反投到基準影像與待匹配影像上，計算出像方偏差的標準誤差，大于三倍標準誤差的點位予以剔除；
[0027]當(dāng)影像間光線平行時，則利用RANSAC算法，以二次多項式作為模型進行迭代解算，最終將誤匹配點進行剔除。
[0028]而且，利用基于標記的分水嶺算法對基準影像塊與對應(yīng)的搜索區(qū)域進行影像分割。
[0029]而且，步驟9的實現(xiàn)方式為，將每一分割區(qū)域看作局部平滑區(qū)域，分割區(qū)域內(nèi)有種子點的，根據(jù)區(qū)域內(nèi)種子點進行以下處理，分割區(qū)域內(nèi)不存在種子點的，根據(jù)鄰近分割區(qū)域內(nèi)種子點進行以下處理，
[0030]以種子點作為根節(jié)點，確定分割區(qū)域的視差值，獲得特征點和邊緣點的候選同名點位置，以候選同名點為圓心，確定圓形搜索窗口 ；利用距離、角度及歸一化相關(guān)系數(shù)作為相似性測度，在圓形搜索窗口中確定最優(yōu)同名點，并通過二次曲面擬合獲得子像素級點位。
[0031]而且，設(shè)左影像為基準影像，右影像為待匹配影像，圓形搜索窗口的半徑r按以下方式確定，
[0032]設(shè)視為根節(jié)點的種子點在左影像上記為R、在右影像上記為R’，另外兩個與根節(jié)點相鄰的種子點視為起始節(jié)點，在左影像上記為P1、P2，在右影像上記為P/、P2’，且左影像上起始節(jié)點與根節(jié)點形成的夾角記為Θ，右影像上起始節(jié)點與根節(jié)點形成的夾角記為Θ '，θ和Θ '大于0°小于180°，左影像上P2與R的距離為λ，左影像上P2’與R’的距離為 λ ',則 r = max (| λ - λ ' I，I L.tan ( θ - θ ' ) |)
[0033]而且，在圓形搜索窗口中確定最優(yōu)同名點按以下方式實現(xiàn)，
[0034]設(shè)左影像上某特征點或邊緣點記為點Τ,右影像上點T的候選同名點為點Τ’，利用距離、角度及歸一化相關(guān)系數(shù)作為相似性測度，得到右影像上圓形搜索窗口內(nèi)各像素點(X，y)的特征向量與點T的特征向量；
[0035]計算圓形搜索窗口內(nèi)各像素點(x，y)的特征向量與點T的特征向量的歐式距離P (X，y)，取圓形搜索窗口內(nèi)歐式距離最小的像素點為點T的同名點，
【權(quán)利要求】
1.一種圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，包括以下步驟: 步驟I，對基準影像進行分塊，得到基準影像塊； 步驟2，對每個基準影像塊提取特征點，計算所有特征點的局部反差，選取局部反差較大的若干特征點作為種子點； 步驟3，投影得到各基準影像塊在待匹配影像上對應(yīng)的搜索區(qū)域； 步驟4，計算基準影像與待匹配影像間的尺度差異因子與旋轉(zhuǎn)矩陣； 步驟5，根據(jù)尺度差異因子與旋轉(zhuǎn)矩陣，對基準影像與待匹配影像平衡尺度與旋轉(zhuǎn)差異； 步驟6，對每個基準影像炔基于種子點進行匹配，匹配方式如下，步驟6.1，根據(jù)基準影像塊在待匹配影像上對應(yīng)的搜索區(qū)域，進行分層金字塔構(gòu)建；步驟6.2，判斷當(dāng)前是否已處理分層金字塔的頂層，若否則基于全球SRTM數(shù)據(jù)進行頂層的近似核線生成，若是則以還未處理的分層中最高層為當(dāng)前層，基于上一層獲得的表面高程模型進行當(dāng)前層的近似核線生成；然后，在近似核線約束下，計算局部畸變參數(shù)，進行局部幾何和輻射畸變的校正； 步驟6.3，進行種子點匹配，前方交會，然后判斷是否處理完原始層，若是則對該基準影像塊匹配完成，否則根據(jù)當(dāng)前層的匹配結(jié)果，更新表面高程模型，然后返回步驟6.2根據(jù)表面高程模型更新 下一層近似核線； 步驟7，誤匹配點的剔除； 步驟8、影像分割與合并，包括對各基準影像塊與對應(yīng)的搜索區(qū)域進行影像分割，將鄰近高相關(guān)性的區(qū)域進行合并，提取邊緣特征與分割區(qū)域； 步驟9、根據(jù)邊緣特征與分割區(qū)域進行匹配生長，獲得密集的匹配點云。
2.根據(jù)權(quán)利要求1所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:步驟6.2中，進行近似核線生成采用投影軌跡法。
3.根據(jù)權(quán)利要求1所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:步驟7中，誤匹配點的剔除實現(xiàn)方式如下， 當(dāng)影像攝影光線存在交會角時，則采用前方交會得到的物方三維坐標反投到基準影像與待匹配影像上，計算出像方偏差的標準誤差，大于三倍標準誤差的點位予以剔除； 當(dāng)影像間光線平行時，則利用RANSAC算法，以二次多項式作為模型進行迭代解算，最終將誤匹配點進行剔除。
4.根據(jù)權(quán)利要求1所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:步驟8中，利用基于標記的分水嶺算法對基準影像塊與對應(yīng)的搜索區(qū)域進行影像分割。
5.根據(jù)權(quán)利要求1或2或3或4所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:步驟9的實現(xiàn)方式為，將每一分割區(qū)域看作局部平滑區(qū)域，分割區(qū)域內(nèi)有種子點的，根據(jù)區(qū)域內(nèi)種子點進行以下處理，分割區(qū)域內(nèi)不存在種子點的，根據(jù)鄰近分割區(qū)域內(nèi)種子點進行以下處理， 以種子點作為根節(jié)點，確定分割區(qū)域的視差值，獲得特征點和邊緣點的候選同名點位置，以候選同名點為圓心，確定圓形搜索窗口 ；利用距離、角度及歸一化相關(guān)系數(shù)作為相似性測度，在圓形搜索窗口中確定最優(yōu)同名點，并通過二次曲面擬合獲得子像素級點位。
6.根據(jù)權(quán)利要求5所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:設(shè)左影像為基準影像，右影像為待匹配影像，圓形搜索窗口的半徑r按以下方式確定，設(shè)視為根節(jié)點的種子點在左影像上記為R、在右影像上記為R’，另外兩個與根節(jié)點相鄰的種子點視為起始節(jié)點，在左影像上記為P:、P2，在右影像上記為P/、P2’，且左影像上起始節(jié)點與根節(jié)點形成的夾角記為Θ，右影像上起始節(jié)點與根節(jié)點形成的夾角記為Θ '，Θ和Θ '大于O。小于180°，左影像上P2與R的距離為λ，左影像上P2’與R’的距離為λ '，則 r = max (| λ - λ ' I，I L.tan (| θ - θ 1 ) |)。
7.根據(jù)權(quán)利要求5所述圖分割與地形起伏約束相結(jié)合的遙感影像匹配方法，其特征在于:在圓形搜索窗口中確定最優(yōu)同名點的按以下方式實現(xiàn)， 設(shè)左影像上某特征點或邊緣點記為點T，右影像上點T的候選同名點為點T’，利用距離、角度及歸一化相關(guān)系數(shù)作為相似性測度，得到右影像上圓形搜索窗口內(nèi)各像素點(X，y)的特征向量與點T的特征向量； 計算圓形搜索窗口內(nèi)各像素點(x，y)的特征向量與點T的特征向量的歐式距離P (X，y)，取圓形搜索窗口內(nèi)歐式距離最小的像素點為點T的同名點，
【文檔編號】G01C11/04GK103822616SQ201410099944
【公開日】2014年5月28日 申請日期:2014年3月18日 優(yōu)先權(quán)日:2014年3月18日
【發(fā)明者】張永軍, 熊金鑫, 余磊 申請人:武漢大學(xué)