本文關鍵詞：利用多條件約束的航空影像逐像素密集匹配算法研究

  更多相關文章： 立體匹配 相似性測度 互信息 區(qū)域生長 三角網 半全局 匹配后處理 DSM 視差圖

【摘要】：立體匹配是計算機視覺和攝影測量中的核心關鍵問題,前者的研究對象一般是室內小影像,研究思路一般較廣泛,且構建完備的數(shù)學模型,匹配結果通常較好；后者研究對象是大尺度航空遙感影像,研究思路一般立足于匹配的定義進行影像相關,匹配結果相對較差。目前國內的DSM生產中可以達到大約5到10倍于影像分辨率的匹配精度,這不能滿足城市三維建模等應用的需求,故而有必要在這一基礎上開展逐像素的密集匹配方法研究。立體匹配按照所使用數(shù)學模型的不同被分為局部匹配,全局匹配和其他匹配,匹配效果最好的是構建的完備的能量函數(shù)并進行組合最優(yōu)化的全局匹配,計算效率最高的是直接相關并取局部最優(yōu)解的局部匹配,而其他匹配算法的共同思路是引入更多約束(如種子點,可靠點三角網等)作為先驗信息,并結合顯式的數(shù)學模型(如一維能量函數(shù),貝葉斯理論)或隱式的特定算法(如區(qū)域增長)來充分利用這些信息從而估計視差。相比局部算法,這類算法可以更好地利用先驗信息,因此可以取得更好的匹配結果；相比全局算法,則其視差計算方法更為簡單,計算效率更具實用性。因此航空遙感影像的逐像素匹配最值得采用這類方法實現(xiàn)。本文的主要研究內容包括： 1.系統(tǒng)總結并深入剖析了逐像素立體匹配技術的理論基礎和算法原理及其特點,歸納出了立體匹配面臨的普遍問題和一般對策,并在此基礎上概括出立體匹配算法應該遵循的兩項基本原則,即一方面要盡可能多地納入更多的先驗信息從而提高匹配效果,另一方面要根據(jù)影像內容本身合理分配計算任務從而提高匹配效率。 2.分析了立體匹配相似性測度分類方法的本質,摒棄傳統(tǒng)的灰度匹配和特征匹配的分類方法,認為立體匹配的相似性測度是用來衡量兩個匹配基元相似性的度量指標,因此按照匹配基元的不同,將立體匹配分為密集匹配和特征匹配。對密集匹配相似性測度,包括參數(shù)化測度,非參數(shù)化測度和互信息匹配測度進行了研究和總結,奠定了立體密集匹配在具體實施上的基礎。 3.基于緒論部分對于立體匹配問題的剖析和對現(xiàn)有算法的分析,研究了計算機視覺領域的三種匹配算法,利用不同的方式納入了各種先驗信息,在計算效率和匹配結果上都有不錯的表現(xiàn)。具體地,研究和改進了PRPGM算法,進一步加速了計算速度。研究了兩種基于可靠點三角網匹配的方法。研究了一維分片連續(xù)能量函數(shù)模型和半全局立體匹配算法。 4.從誤匹配檢測、視差圖黑洞填補和亞像素級視差內插三個方面研究了立體匹配后處理方法。在誤匹配檢測方面,研究了左右視差一致性檢測,誤匹配碎片移除和中值濾波。提出了一種基于區(qū)域生長的視差圖黑洞填補方法。分析了亞像素級視差內插的必要性,并對比了線性函數(shù)和二次函數(shù)的內插方法。 5.提出一種基于已有粗略DSM的航空影像逐像素匹配方法,首先將已有DSM轉換成初始視差圖,然后在視差圖約束下進行影像分塊匹配,分塊匹配的算法根據(jù)初始視差圖的信息熵判斷和選擇,通過綜合利用PRPGM,ELAS和SGM算法很好地實現(xiàn)了航空影像的逐像素密集匹配。
【關鍵詞】：立體匹配 相似性測度 互信息 區(qū)域生長 三角網 半全局 匹配后處理 DSM 視差圖
【學位授予單位】：中國測繪科學研究院
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：P231;P237
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-12
• 1. 緒論12-25
• 1.1 研究背景12-13
• 1.2 影像立體匹配技術及其研究現(xiàn)狀13-22
• 1.2.1 立體匹配的基本概念13-14
• 1.2.2 立體匹配的理論基礎14-15
• 1.2.3 立體匹配算法原理15-20
• 1.2.4 立體匹配算法的分類和評價20-22
• 1.2.5 相關研究機構和刊物22
• 1.3 研究內容與結構安排22-25
• 2. 立體匹配相似性測度研究25-36
• 2.1 常用立體匹配相似性測度概述25-30
• 2.1.1 參數(shù)化相似性測度26-28
• 2.1.2 非參數(shù)化相似性測度28-30
• 2.2 基于互信息的匹配測度30-34
• 2.2.1 互信息的概念30-32
• 2.2.2 互信息測度的匹配原理32-34
• 2.3 實驗結果與分析34-35
• 2.4 本章小結35-36
• 3. 計算機視覺領域的幾種立體匹配方法研究36-57
• 3.1 本章匹配方法概述36
• 3.2 基于區(qū)域生長的匹配方法36-41
• 3.2.1 區(qū)域生長基本原理36-37
• 3.2.2 基于區(qū)域生長的立體匹配37
• 3.2.3 漸進區(qū)域生長立體匹配(PRPGM)37-39
• 3.2.4 PRPGM的加速策略39-41
• 3.3 基于可靠點三角網的匹配方法41-44
• 3.3.1 逐步細化可靠點三角網的匹配41-43
• 3.3.2 貝葉斯后驗估計匹配(ELAS)43-44
• 3.4 半全局匹配方法44-47
• 3.4.1 分片連續(xù)的能量函數(shù)模型44-45
• 3.4.2 分片連續(xù)函數(shù)的半全局優(yōu)化方法45-47
• 3.5 實驗分析與結論47-55
• 3.5.1 實驗一：基于區(qū)域生長的立體匹配47-51
• 3.5.2 實驗二：基于可靠點三角網的匹配51-53
• 3.5.3 實驗三：半全局立體匹配(SGM)53-55
• 3.5.4 實驗總結55
• 3.6 本章小結55-57
• 4. 立體匹配后處理方法研究57-70
• 4.1 誤匹配檢測57-60
• 4.1.1 左右視差一致性檢測57-59
• 4.1.2 誤匹配碎片移除59-60
• 4.1.3 中值濾波60
• 4.2 基于區(qū)域生長的視差圖黑洞填補60-61
• 4.3 像素級視差圖內插61-64
• 4.3.1 整像素級視差圖的問題61-63
• 4.3.2 亞像素級視差圖內插方法63-64
• 4.4 實驗結果與分析64-69
• 4.4.1 實驗一：誤匹配檢測處理64-66
• 4.4.2 實驗二：基于區(qū)域生長的視差圖黑洞填補66-68
• 4.4.3 實驗三：亞像素級視差圖內插68-69
• 4.4.4 實驗總結69
• 4.5 本章小結69-70
• 5. 納入粗略DSM約束的航空影像逐像素密集匹配70-89
• 5.1 本章匹配方法概述70-72
• 5.1.1 基本思路和原則70-71
• 5.1.2 算法框架71-72
• 5.2 視差圖和DSM的相互轉換72-75
• 5.2.1 視差圖和DSM的區(qū)別72-74
• 5.2.2 視差圖轉換為DSM74-75
• 5.2.3 DSM轉換為視差圖75
• 5.3 初始視差圖約束下航空影像分塊匹配方法75-77
• 5.4 初始視差圖約束下的逐像素密集匹配77-78
• 5.4.1 初始視差圖分析和匹配方法選擇77-78
• 5.4.2 初始視差圖逐像素約束下的密集匹配78
• 5.5 實驗結果與分析78-88
• 5.5.1 實驗一：視差圖信息熵分析79-82
• 5.5.2 實驗二：影像塊的逐像素密集匹配82-85
• 5.5.3 實驗三：初始視差圖逐像素約束下的匹配85-86
• 5.5.4 實驗四：整幅航空影像匹配結果86-87
• 5.5.5 實驗總結87-88
• 5.6 本章小結88-89
• 6. 總結與展望89-92
• 6.1 總結89-90
• 6.2 展望90-92
• 參考文獻92-97
• 攻讀碩士學位期間發(fā)表的論文及參加的項目97-98
• 致謝98

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 朱慶,吳波,趙杰;基于自適應三角形約束的可靠影像匹配方法[J];計算機學報;2005年10期

，

本文編號：874982