普通數(shù)碼影像匹配方法研究

曹兵

摘要：近年來，普通數(shù)碼相機由于價格低，分辨率高，數(shù)據(jù)采集方便，操作簡單等優(yōu)勢，被廣泛地應用到數(shù)字近景攝影測量領域。由于近景攝影測量變形較大，傳統(tǒng)的匹配技術無法滿足要求，本課題針對普通數(shù)碼影像的特點進行分析，研究適合普通數(shù)碼影像匹配的方法。

1.引言

目前普通數(shù)碼相機廣泛用于近景攝影測量領域中，普通數(shù)碼相機是非測量相機，所獲取的相片屬于近景象片，但相片沒有已知的內方位元素且影像變形比較大，普通數(shù)碼立體像對攝影比例尺大，影像灰度畸變，幾何變形大，且立體像對不存在嚴格同名核線。普通數(shù)碼影像與航空影像相比，存在更為復雜的影像變形和影像遮擋等問題。

本文就普通數(shù)碼相機影像數(shù)據(jù)的特點和匹配原理，做進一步深入的研究，提出一種匹配概率高、誤差小、速度快、適應性好、精度高的普通數(shù)碼影像的匹配方法，并做深入論述，提出一些速度快、精度高的匹配方法。

2.普通數(shù)碼影像的匹配特點及優(yōu)勢

2.1普通數(shù)碼影像的匹配特點

普通數(shù)碼相機作為獲取攝影測量數(shù)據(jù)的重要設備，與傳統(tǒng)的量測相機相比，它具有以下明顯優(yōu)勢：

（1）像元幾何位置固定。軟片壓平誤差是量測相機的主要系統(tǒng)誤差之一。如果量測時采用沖洗，放大的復制片，相片變形誤差的影響將會更加顯著。而數(shù)碼相機不需要底片，且像元幾何位置固定，因此不存在需要標準格網來改變底片變形的問題。

（2）影像獲取快速。數(shù)碼相機采用存儲卡存儲影像，還可以直接與計算機連接，因而效率高，信息處理周期短，適于工程監(jiān)測。

（3）現(xiàn)場應用方便。普通數(shù)碼相機全固體化，體積小、重量輕、適應性強，在環(huán)境復雜地區(qū)進行外業(yè)拍攝具有很強的機動靈活性。

2.2普通數(shù)碼影像匹配理論基礎

2.2.1普通數(shù)碼影像

數(shù)碼相片，是二維圖像用有限數(shù)字數(shù)值像素的表示。以像素為基本元素的、可以用數(shù)字計算機或數(shù)字電路存儲和處理的圖像。像素，是數(shù)字圖像的基本元素，每個像素具有整數(shù)行（高）和列（寬）位置坐標，同時每個像素都具有整數(shù)灰度值或顏色值。通常，像素在計算機中保存為二維整數(shù)數(shù)組的光柵圖像，這些值經常用壓縮格式進行傳輸和儲存。

2.2.2普通數(shù)碼影像匹配基礎

影像匹配就是自動確定同名點，自動化攝影測量的過程，便于理解我們先用識別數(shù)字的過程闡述影像匹配原理。

一組數(shù)字：1，3，6，2，用計算機怎樣識別他們呢？我們知道一共就只有10個數(shù)字，需要識別的數(shù)字一定就是他們中的一個，所以，我們首先建立10個數(shù)字的模板，然后將需要識別的數(shù)字每一個逐一套合，套合最佳就是識別的結果。套合就是指匹配的意識，判斷匹配的準則很多，其中最簡單的算法是：統(tǒng)計匹配的影像中所有像素的灰度差的絕對值的總和最小即∑{g模板-g數(shù)字}=min就是最佳套合。

影像匹配原理與上述數(shù)字識別的過程基本相同。用例說明，作影像有一個明顯點a1，要用什么方法在右影像上確定它的同名點a2呢？其步驟如下：

①在左影像上以目標點a1為中心取一塊影像的灰度建立一個目標區(qū)；

②預測a1在有影響上的同名點a2可能在的位置及范圍；

③去預測范圍大小的灰度陣列，組成一個搜索區(qū)，搜索范圍一定大于目標區(qū)；

④將目標區(qū)疊合在搜索區(qū)的初始位置上，計算其灰度差的絕對值總和：SDG=∑{g目標-g搜索}

⑤依次在x方向，y方向移動目標區(qū)，每移動一次就計算一次；

⑥比較所有的SDG，當SDG=min，該位置就是a1在右影像上確定其同名點a2；由于上述搜索過程是在x，y兩個方向上進行，因此它稱為二維匹配。

再取的立體像對的相對位置后，就可以將二維匹配轉化為一維匹配，核點是兩個影像攝影中心連線與影像的交點。核面是通過基線所做的平面，核線是核面與影像的交線。同名核面是同一核面與左右影像的交線，確定同名核線后手搜索同名點的問題就由原來的二維搜索變成一維搜索，這時搜索區(qū)的寬度與目標區(qū)的寬度相等，同名點的搜索只需在一個方向上進行，可極大地節(jié)省計算時間。

常用的影像匹配方法可分為兩種：①基于影像灰度匹配的影像匹配算法；②基于影像特征的匹配算法。

基于影像灰度的影像匹配算法以左右相片含有相應影像的目標區(qū)和搜索區(qū)中的象元的灰度作為影像匹配的基礎，利用一些匹配算法，影像匹配可以用二維窗口，也可以用一維窗口的象元灰度參與計算，一維匹配進行時，搜索只在一維方向上進行，具有計算量小，精度好的特點。

3.普通數(shù)碼影像匹配方法：隨點生成核線匹配方法的理論研究

3.1核線模型的確定

基于優(yōu)選構象畸變改正模型及選擇像控點的透視變換未知參數(shù)序貫算法，以對普通數(shù)碼相機進行量測化，即可得到相機的畸變參數(shù)和內方位元素。再根據(jù)攝影測量原理，左影像一條核線上兩點的共面條件方程。

3.2隨點生成核線匹配方法的原理

根據(jù)以上結論，本文提出了隨點生成核線匹配方法，即利用匹配點在右相片的搜索區(qū)x方向的兩個極值點計算右片上的同名核線。因為在匹配過程中，計算每一個匹配點之前都要生成一條核線，因此稱為隨點生成核線。

意圖如圖1所示，圖中11、1'1，12、1'2…In、I'n為立體像對中的同名核線，p1、p'1，p2、p'2…pn、p'n為同名像點，d為確定右片同名核線的兩點x方向的距離。若同名像點偏離同名核線的距離小于一個像元，那么就可以進行一維匹配。

4.普通數(shù)碼影像匹配方案的實施

4.1控制點布置

對于非測普通數(shù)碼相機，相機不帶框標，相片的內方位元素未知，相片的內方位元素無法進行，通常是采用相對定向的直接解算方法，為了進行相對定向的直接解算，至少需要10對同名點的相片坐標。在拍攝前至少在拍攝目標上布設至少20個左右的控制點，用經緯儀，水準儀，全站儀量測出控制點三維坐標，控制點應采用一些特殊標志，控制點的布置應盡量覆蓋整個目標區(qū)，為后面的自動識別及相對定向直接解算方程做準備。控制點的匹配采用人工識別和自動識別相結合的方案，先在計算機上用人工識別的方法點出控制點的初六位置，讓后采用影像匹配方法搜索最佳位置，采用前面所述隨點生成核線的影像匹配方案。

4.2內，外方位元素的解算

當匹配出控制點的位置后，就可利用直接線性變換方法解算相對的內方位元素和外方位元素，進而解算出相對定向的方為元素BX，BY，BZ，和右相片的三個角元素的旋轉矩陣的9個元素，在相對定向方位元素解算出來的基礎上，使用空間后方交會直接解算左右攝站點的物方坐標。在上述解算中都是采用平差方法解算的。

4.3核線影像的匹配

在影像整體匹配時，為提高匹配效率和匹配速度，對左右影像采用LV算子提取特征點。根據(jù)控制點的匹配結果，預測出備選點在左右影像的區(qū)域，匹配出一定數(shù)量的同名點，在已匹配的同名點的基礎上，沿核線重采樣形成核線影像，開始核線匹配。①開始幾條核線采用多種算法，選擇其中結果最好的一條核線，其中核線上的同名點應是提取特征點。其他核線的相關以相關結果最好的一條核線作為預測基礎。②以后各條核線上的相關利用已知相關核線上的視差預測待相關點位，待相關點位既是同名核線上的點也是特征點位，并對搜索區(qū)進行比例尺改正和重取樣，預測點位在3個象元大小，在搜索區(qū)內預測點和左右個三個像元位置上計算七個相關系數(shù)和差的絕對值之和。③每條核線同名點的搜索只在核線方向上進行，也就是匹配窗口是一維的，在一維相關搜索的情況下，在左核線上選一個5個象元的目標區(qū)，在右片上選一個包含目標區(qū)數(shù)字影像的搜索區(qū)，搜索時在右核線上選一個大小與目標區(qū)相同的相關窗口，該窗口在搜索區(qū)內僅沿核線移動，每移動一次計算一次，以多重判斷方法確定相關窗口中心為目標點。在出匹配中，使用搜索區(qū)位置預測的方法確定搜索區(qū)位置，當目標點確定以后，必須預測搜索區(qū)的位置。

5.小結

本章就普通數(shù)碼影像的匹配介紹了普通數(shù)碼影像用與近景攝影測量的優(yōu)勢和存在的不足，并針對普通數(shù)碼相機影像的特點和數(shù)字圖像的匹配原理提出了一種隨點生成核線的影像匹配方法，著重介紹了這種方法的原理并結合實驗數(shù)據(jù)說明了這種方法的可靠性和精度。實驗結果表明：這種方法和算法獲得了較好的匹配效果，計算速度快，匹配概率高，匹配誤差小，穩(wěn)定性好。