影像匹配實(shí)習(xí)報(bào)告

1、影像匹配實(shí)習(xí)報(bào)告李龍飛 測(cè)繪研13-1班影像匹配的相關(guān)概念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(shí)別同名點(diǎn)的過程。最初的影像匹配是利用相關(guān)技術(shù)實(shí)現(xiàn)的，因而也有人稱影像匹配為影像相關(guān)。它是圖像融合、目標(biāo)識(shí)別、目標(biāo)變化檢測(cè)、計(jì)算機(jī)視覺等問題中的一個(gè)重要前期步驟，在遙感、數(shù)字?jǐn)z影測(cè)量、計(jì)算機(jī)視覺、地圖學(xué)以及軍事應(yīng)用等多個(gè)領(lǐng)域都有著廣泛的應(yīng)用。由于原始相片中的灰度信息可轉(zhuǎn)換為電子、光學(xué)或數(shù)字等形式的信號(hào)，因而可構(gòu)成電子相關(guān)、光學(xué)相關(guān)或數(shù)字相關(guān)等不同的相關(guān)方式；而由于可運(yùn)用于多個(gè)領(lǐng)域中，影像相關(guān)所匹配的對(duì)象也是多種多樣的，如衛(wèi)星遙感影像、航空攝影影像、近景攝影影像等，這些原始數(shù)據(jù)往往都不是理想

2、的數(shù)據(jù)源，因此要針對(duì)各種特點(diǎn)選擇合適的算法進(jìn)行匹配。但一般來說，無論是光學(xué)相關(guān)、電子相關(guān)還是數(shù)字相關(guān)，所匹配的對(duì)象也有不同，但其理論基礎(chǔ)都是相同的。影像相關(guān)是利用互相關(guān)函數(shù)，評(píng)價(jià)兩塊影像的相似性以確定同名點(diǎn)。即首先取出以待定點(diǎn)為中心的小區(qū)域中的影像信號(hào)，然后取出其在另一影像中相應(yīng)區(qū)域的影像信號(hào)，計(jì)算二者的相關(guān)函數(shù)，以相關(guān)函數(shù)最大值對(duì)應(yīng)的相應(yīng)區(qū)域中心點(diǎn)為同名點(diǎn)。即以影像信號(hào)分部最相似的區(qū)域?yàn)橥麉^(qū)域，同名區(qū)域的中心點(diǎn)為同名點(diǎn)。這也是自動(dòng)化立體量測(cè)的基本原理。影像匹配的過程 第一步 確定匹配基元匹配基元包括相方的匹配基元和物方的匹配基元第二步 確定基準(zhǔn)影像第三步 搜索影像處理第四步 找同名點(diǎn)添加文

3、本確定匹配基元確定基準(zhǔn)影像找同名點(diǎn)搜索影像處理影像匹配原理與算法匹配基元包括影像上的特征點(diǎn)，影像上格網(wǎng)點(diǎn)，影像上特征線。物方是抽象化的物方“地面元”。確定基準(zhǔn)影像要充分考慮遮擋的情況所造成的匹配不成功的問題。保證左右影像點(diǎn)個(gè)數(shù)差距不大從而保證匹配成功。搜索影像處理中隊(duì)搜索影像進(jìn)行相應(yīng)特征提取，不進(jìn)行特征提取。對(duì)特征點(diǎn)均勻分布程度，特征點(diǎn)的等級(jí)，特征點(diǎn)的重復(fù)率等進(jìn)行分析和處理。找同名點(diǎn)的算法minjminjcrcjrijiminjcjrijiggggggggrc11112,2,11,)()()(),(minjcjrircgnmg11,1minjjignmg11,1搜索范圍約束核線約束雙向一致約束

4、RANSAC方法共線方程)()()()()()()()()()()()(333222333111SSSSSSSSSSSSZZcYYbXXaZZcYYbXXafyZZcYYbXXaZZcYYbXXafxfcycxcfbybxbZZYYfcycxcfayaxaZZXXSSSS321321321321）（）（相關(guān)程序的MATLAB編寫 %定義相關(guān)系數(shù)計(jì)算函數(shù) function rho=CorRelation(block1,block2) p=sum(sum(block1-mean2(block1).*(block2-mean2(block2); % block1與block2都是矩陣，屬多維數(shù)組 q

5、=sqrt( sum(sum(block1-mean2(block1).*(block1-mean2(block1) ) * sqrt( sum(sum(block2-mean2(block2).*(block2-mean2(block2) ); rho=p/q; end%#定義函數(shù)：物方坐標(biāo)推算像方坐標(biāo)（共線方程）function xyR=DirectR(X,Y,Z) um=0.0000072; %像元大小%內(nèi)方為元素- f=0.1005; x0=4710; y0=7220.760;%外方為元素三個(gè)角元素- Q=0.059940; w=-0.015139; k=-0.483261;%外方為元

6、素三個(gè)角元素余弦值- a1=cos(Q)*cos(k)-sin(Q)*sin(w)*sin(k); a2=-cos(Q)*sin(k)-sin(Q)*sin(w)*cos(k); a3=-sin(Q)*cos(w); b1=cos(w)*sin(k); b2=cos(w)*cos(k); b3=-sin(w); c1=sin(Q)*cos(k)+cos(Q)*sin(w)*sin(k); c2=-sin(Q)*sin(k)+cos(Q)*sin(w)*cos(k); c3=cos(Q)*cos(w);%外方為元素三個(gè)線元素- XS=429836.7205; YS=2885683.4209; Z

7、S=687.7445;%共線方程（正算公式），由物方坐標(biāo)解算像方坐標(biāo)- xR=(a1*(X-XS)+b1*(Y-YS)+c1*(Z-ZS)/(a3*(X-XS)+b3*(Y-YS)+c3*(Z-ZS)*(-f); yR=(a2*(X-XS)+b2*(Y-YS)+c2*(Z-ZS)/(a3*(X-XS)+b3*(Y-YS)+c3*(Z-ZS)*(-f);%計(jì)算解算點(diǎn)在(裁剪后)圖像(imgR)上坐標(biāo) xyR(1,1)=(xR/um+x0-2863); %ceil（）取整函數(shù) xyR(1,2)=(6855-(yR/um+y0);%6076function XYL=InverseL(pLx,pLy,

8、Z) %pLx,pLy為特征點(diǎn)在提取圖像上的坐標(biāo)（列、行） um=0.0000072; %像元大小m %內(nèi)方為元素- f=0.1005; x0=4710; y0=7220.760;%外方為元素三個(gè)角元素- Q=0.062645; w=-0.027183; k=-0.488544;%外方為元素三個(gè)角元素余弦值- a1=cos(Q)*cos(k)-sin(Q)*sin(w)*sin(k); a2=-cos(Q)*sin(k)-sin(Q)*sin(w)*cos(k); a3=-sin(Q)*cos(w); b1=cos(w)*sin(k); b2=cos(w)*cos(k); b3=-sin(w)

9、; c1=sin(Q)*cos(k)+cos(Q)*sin(w)*sin(k); c2=-sin(Q)*sin(k)+cos(Q)*sin(w)*cos(k); c3=cos(Q)*cos(w);%外方為元素三個(gè)線元素- XS=429941.3807; YS=2885626.2191; ZS=689.8741;%提取的特征點(diǎn)的像方坐標(biāo)- xL=(pLx+159-x0)*um; yL=(7018-pLy-y0)*um;%共線方程反算形式，像方坐標(biāo)至物方坐標(biāo)- XL=XS+(Z-ZS)*(a1*xL+a2*yL-a3*f)./(c1*xL+c2*yL-c3*f); % X YL=YS+(Z-ZS)*(b1*xL+b2*yL-b3*f)./(c1*xL+c2*yL-c3*f); % Y XYL=XL YL;Mpt1=ceil(Mpt); %坐標(biāo)軸取整，消除除block2計(jì)算錯(cuò)誤 rho=; %相關(guān)系數(shù)數(shù)組 for k=1:size(Mpt,1) %定義用于計(jì)算相關(guān)系數(shù)的灰度矩陣（右影像15*15）- block2=imgR(Mpt1(k,2)-7:Mpt1(k,2)+7,Mpt1(k,1)-7:Mpt1(k,1)+7); rho(k)=CorRelation(block1,block2); %相關(guān)系數(shù)計(jì)算 end mr,nr=max(r