數字攝影測量與影像匹配

發布日期：2018-05-11 00:00 瀏覽量：15624

　　1．前言
　　影像匹配是數字攝影測量的典型問題之一。在航空攝影測量領域，影像匹配是自動獲取數字地面模型(DTM)的關鍵技術，是以影像匹配代替傳統的人工觀測，來達到自動確定同名點的目的。一般來說，由于影像在不同時間、不同傳感器、不同視角獲得的成像條件不同，因此即使是對同一物體，在影像中所表現出來的幾何特性、光學特性、空間位置都會有很大的不同，如果考慮到噪聲、干擾等影響會使影像發生很大差異，影像匹配就是通過這些不同之處找到它們的相同點。在計算機視覺中，通常稱為影像配準，而且很多領域中影像匹配都是必不可少的關鍵環節。目前影像匹配己成為現代信息處理，特別是圖像信息處理領域中的一項非常重要的技術，已有很多學者進行這方面的研究而且已經取得了很好的成就。影像匹配研究涉及到了影像采集、影像預處理、影像分割、特征提取等，并且與計算機視覺、多維信號處理和數值計算方法等緊密結合。它也是其它一些影像分析技術，如立體視覺、運動分析、數據融合等的基礎。目前，它的應用范圍相當廣泛，在計算機視覺、虛擬現實場景、航空航天遙感與數字攝影測量、醫學影像分析、光學和雷達跟蹤、景物制導、地形匹配、指紋與肖像檢測等領域都有著重要的應用價值。在數字攝影測量的研究中，幾何變換和對應關系是兩大關鍵問題。幾何變換問題經過數學和圖形圖像學的研究已經得到了解決，而對應問題(特別是同名點的對應問題)正是影像匹配的研究目的。影像匹配的良好實現，可以大大促進數字攝影測量自動化量測的發展，并為立體測圖、建立立體模型、自動生成DEM、正射影像、等高線，構建三維立體和虛擬現實場景提供技術支撐。
　　2．影像匹配國內外研究現狀與內容
　　影像匹配技術一直是數字攝影測量、計算機視覺等領域的關鍵技術難題，但它廣闊的應用前景吸引了眾多領域的科研人員孜孜不倦地對它進行攻關，成為經久不衰的研究熱點。最初的影像匹配是利用相關技術實現的，因此又稱為影像相關。從上個世紀五十年代至今，國內外學者提出了許多相應的理論，涌現了大量的匹配算法，如相關函數法、相關系數方法、整體法等。Bellman于上個世紀50年代提出的動態規劃法影像匹配，德國 Ackerlnann 教授提出的最小二乘匹配方法，Rosenhlm提出的多點最小二乘影像匹配，已及Ton Jez-ehing、JainA K提出的確定兩影像區域間對應關系的點匹配方法,Daniel P Huttenlocher等人提出的Hausdorff距離匹配方法等等；1978年，我國攝影測量學的先驅王之卓院士率先提出了“全數字攝影測量”的概念, 利用影像匹配來代替傳統的人眼立體觀測；張祖勛院士提出了基于跨接法的影像匹配；呂言提出了特征提取的呂言算子和基于特征的影像匹配方法；張力、沈未名等也提出了基于空間約束的神經網絡影像匹配算法。盡管發展出了多種多樣的匹配方法，但這些影像匹配算法按其匹配基元分類，主要可以分為基于像元灰度的影像匹配算法、基于特征的影像匹配算法以及基于影像的理解和解釋的匹配算法。
　　3.影像匹配的基本概念
　　匹配是圖像處理的一個基礎問題。簡單的說，匹配技術就是找到兩幅不同影像之間的空間位置關系實現同一目標的兩幅(或兩幅以上)影像在空間位置上的對準。 Barbara zitova和 Jan Flusser在其著作中對影像匹配進行了定義，稱其是針對來自于同一場景、不同時間、不同視角、不同傳感器的兩幅或多幅圖像進行重疊 (Overlapping)的過程，這個重疊就是幾何對齊 (Geometrically Align)的過程。可以從中看出兩點，其一，影像匹配所研究的影像具有成像機理、自然條件、成像時間等的不同，這些都造成參與匹配的影像對具有很大的差異;其二，影像重疊的目的為了對兩幅影像在空間上進行對準，以確定兩幅影像之間的平移以及旋轉關系。也可以說影像匹配時利用兩個信號的相似性評價函數，評價它們的相似性以確定同名點。即首先取出以待定點為中心的小區域中的影像信號，然后取出其在另一影像中相應區域的影像信號，計算兩者的相似性評價函數，以相似性評價函數值的大小來確定相應區域中心點位同名點，即以影像信號分布最相似的區域為同名區域，同名區域的中心點為同名點。
　　4.影像匹配的困難與解決問題思路
　　影像匹配的方法有很多，但都有不同程度的局限性。對于一些共性的問題，如匹配模糊度問題，匹配組合問題等，目前仍是影像匹配中的難點問題。在實際應用中主要表現在以下幾種情況的影像匹配中存在的問題：
　　1.信息貧乏區域（非重疊覆蓋范圍）和紋理重復區域（遮蔽區域）的匹配
　　2.陰影區域的匹配
　　3.陡坡表面和斷裂線地區的匹配
　　4.影像之間存在大的旋轉角度的匹配
　　5.非漫反射地區的匹配
　　6.對運動的目標和陰影的匹配
　　7.存在較大比例尺差異的影像間的匹配
　　8.不同傳感器影像之間的匹配
　　針對這些問題，一般的對于紋理貧乏和周期性紋理重復區域，自適應的調整窗口大小；對于遮蔽和斷裂線區域采用雙向匹配的方法；對于陡坡區域采用跨接法影像匹配；對于存在較大旋轉角度的影像匹配則采用SIFT算子進行處理。
　　5.小結
　　發展至今，影響匹配技術已經取得了很大的成就，多種多樣的影像匹配算法基本能夠滿足實際應用的需求。但影像匹配中仍存在著諸多問題和挑戰，這也是數字攝影測量面臨的典型問題之一，也是我們今后科研的主攻方向和著力點。另外，目前的影像匹配算法大多是針對特定情況的應用，適應性方面不是太強。因此，尋找一種普適性的影像匹配算法或適應性較強的影響匹配處理系統從而實現數字攝影測量發展的一次飛躍是我們不得不思考的問題。