傳統(tǒng)半全局匹配算法在提取高分衛(wèi)星立體像對DSM時,匹配結果受正則化參數的影響較大,且在陰影、低紋理、重復紋理和視差跳變等難以匹配區(qū)域存在較多的視差空洞。針對上述問題,該文提出了一種改進半全局匹配的高分衛(wèi)星影像DSM提取方法:在代價聚合過程中根據當前層金字塔影像的視差搜索范圍和代價矩陣自動確定正則化參數以增強匹配結果的穩(wěn)定性,同時構建金字塔聚合以提高匹配點的數量;在此基礎上,利用基于快速雙邊算子的優(yōu)化策略優(yōu)化視差圖以填充視差空洞。結果表明:本文方法生成的DSM在建筑物邊緣更為精細,同時能夠較好地恢復難以匹配區(qū)域的高程值,且具有更高的精度水平。 

【文章來源】：測繪科學. 2020,45(07)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

金字塔約束和金字塔聚合示意圖

實驗第1部分比較了在山區(qū)和城區(qū)各個改進步驟生成的視差圖。從圖2(b)中可以看出,山區(qū)和城區(qū)的大部分地物地貌得以正確匹配,由此驗證了自動確定正則化參數的方法有著較好的魯棒性。針對視差圖在部分低紋理、重復紋理和陰影等區(qū)域表現為空洞(純白色像素)的問題,見圖2(b),本文在代價聚合中構建金字塔聚合,低紋理和重復紋理區(qū)域的視差空洞有效減少,見圖2(c)。但是在圖2(c)中仍然有較多的視差空洞,其中包含了位于陰影位置的視差空洞。常用的處理方式是視差空洞對應位置的DSM由鄰近點內插得到,這種方法導致DSM高程精度較低。本文利用基于快速雙邊算子的優(yōu)化策略,同時結合原始影像的灰度信息,絕大部分視差空洞得以填充,見圖2(d)。在此基礎上,生成的三維點云更為稠密,這樣不僅可以用更小的搜索半徑內插生成DSM,且生成的DSM更為精確。實驗第2部分利用DSM陰影暈渲圖闡述ASP、MicMac、PCI和本文方法生成DSM的差異。從圖3可以看出,ASP生成的DSM與參考DSM差別最大,建筑物和樹木等大部分地物不再顯著。這是由于ASP對生成的DSM進行了過度平滑處理以獲得DEM。MicMac和PCI生成的DSM與參考DSM都較為接近,但是MicMac生成的建筑物DSM不夠完整,而PCI生成的建筑物DSM在邊緣處較為平滑,沒有明顯的斷裂。相比較于上述軟件,本文方法生成的建筑物DSM較為完整且邊緣斷裂明顯,林區(qū)對應的DSM與參考DSM也更為接近。

實驗第2部分利用DSM陰影暈渲圖闡述ASP、MicMac、PCI和本文方法生成DSM的差異。從圖3可以看出,ASP生成的DSM與參考DSM差別最大,建筑物和樹木等大部分地物不再顯著。這是由于ASP對生成的DSM進行了過度平滑處理以獲得DEM。MicMac和PCI生成的DSM與參考DSM都較為接近,但是MicMac生成的建筑物DSM不夠完整,而PCI生成的建筑物DSM在邊緣處較為平滑,沒有明顯的斷裂。相比較于上述軟件,本文方法生成的建筑物DSM較為完整且邊緣斷裂明顯,林區(qū)對應的DSM與參考DSM也更為接近。受到建筑物等的遮擋,陰影區(qū)域在影像上的亮度值較低,從而造成該區(qū)域很難得到正確的匹配結果,即視差空洞。在三維點云內插DSM的過程中,由于視差空洞的存在,建筑物邊緣變得平滑而沒有與參考DSM相對應,如圖3中ASP、MicMac和PCI在陰影1和陰影2位置的陰影暈渲圖。從直觀上看,本文方法相比于上述軟件在陰影位置處的DSM陰影暈渲圖與參考DSM的陰影暈渲圖更為接近,更加準確地恢復了陰影區(qū)域的高程。

【參考文獻】：
期刊論文
[1]高分辨率遙感影像DSM的改進半全局匹配生成方法[J]. 楊幸彬,呂京國,江珊,張丹璐.  測繪學報. 2018(10)
[2]從攝影測量到計算機視覺[J]. 龔健雅,季順平.  武漢大學學報(信息科學版). 2017(11)
[3]數字表面模型的建筑物容積率提取[J]. 趙翠曉,陳曦,楊遼,羅志輝.  測繪科學. 2017(05)
[4]區(qū)域生長的半全局密集匹配算法[J]. 陳智君,李浩,周弈,溫四林.  測繪科學. 2017(05)
[5]顧及紋理特征的航空影像自適應密集匹配方法[J]. 朱慶,陳崇泰,胡翰,丁雨淋.  測繪學報. 2017(01)
[6]基于半全局優(yōu)化的資源三號衛(wèi)星影像DSM提取方法[J]. 岳慶興,高小明,唐新明.  武漢大學學報(信息科學版). 2016(10)
[7]基于半全局多視近景影像匹配的三維建模方法[J]. 鄒崢嶸,鄒小丹,劉合鳳,張云生.  測繪通報. 2014(02)
[8]DSM輔助下城區(qū)大比例尺正射影像鑲嵌線智能檢測[J]. 左志權,張祖勛,張劍清,曹輝.  測繪學報. 2011(01)



本文編號：3385839