【摘要】：傾斜攝影技術是國際測繪領域近年發(fā)展起來的一項高新技術。航空傾斜攝影系統(tǒng)顛覆了以往只能從垂直角度拍攝的局限,通過在同一飛行平臺上搭載多臺傳感器,同時從垂直和傾斜角度采集影像,將用戶引入了符合人眼視覺的真實直觀世界,已成為當前獲取空間信息的有效方式之一,在三維(Three-Dimensional,3D)城市建設等領域有著獨特的優(yōu)勢。由于在獲取影像過程中傳感器視角發(fā)生顯著變化,導致影像間存在較大的幾何和輻射畸變、同名區(qū)域遮擋等問題,加大了計算機自動確定同名特征的難度,直接導致了傾斜影像空三解算及地物空間信息提取相對傳統(tǒng)航測影像更為困難。因此研究傾斜立體影像的可靠自動匹配算法對推動傾斜航空攝影測量快速發(fā)展具有重要的理論和實用價值。本文以影像局部特征提取為出發(fā)點,研究了基于局部特征的復雜畸變立體影像匹配、傾斜立體影像多元特征融合匹配及傾斜影像直線特征匹配問題,主要工作及成果如下:(1)分析了Harris、最大穩(wěn)定極值區(qū)域(Maximally Stable Extremal Regions,MSER)、尺度不變特征變換(Scale-Invariant Feature Transform,SIFT)、加速分段測試特征(Features from Accelerated Segment Test,FAST)及KAZE等常用特征提取算法對于存在幾何畸變及輻射畸變影像的匹配性能,對其魯棒性進行驗證并總結(jié)各類特征的特點及適用場景。(2)研究基于加權α形狀(Weightedα-Shape,WαSH)特征的匹配方法。針對復雜畸變影像特征點較少,受噪聲影像較大的缺陷,結(jié)合二維離散小波變換(2-Dimensional Discrete Wavelet Transform,2D-DWT)對WαSH匹配方法改進,提出了WWF、IWWF和LIWWF三種方法用于無人機航空傾斜立體影像匹配。實驗表明:對于存在較大仿射畸變及模糊的影像,基于WαSH特征的匹配方法比基于MSER的匹配方法的匹配正確率高;WWF、IWWF和LIWWF相對于WαSH的匹配點數(shù)和正確率有所提升;IWWF匹配方法與MSER、WαSH、WWF和LIWWF相比更穩(wěn)定;(3)針對歸一化互相關(Normalized Cross-Correlation,NCC)算法無法直接對存在旋轉(zhuǎn)、縮放和仿射等畸變的影像匹配點判斷的問題,提出了以特征點鄰域內(nèi)的仿射變換關系為基礎的仿射不變歸一化互相關(Affine-Invariant Normalized Cross-Correlation,AINCC)匹配算法。列舉了兩種AINCC的應用場景,并通過模擬影像,驗證了AINCC算法對各種幾何畸變的適應性。針對傾斜影像匹配點數(shù)量少且分布不均勻的問題,提出一種融合仿射和尺度不變特征的傾斜影像匹配算法。基于MSER特征匹配結(jié)果,通過使用AINCC算法對SIFT特征點進行匹配,并提出鄰域支持強度(Neighbour Support Strenth,NSS)策略剔除MSER誤匹配點,然后提出基于局部單應約束的迭代傳播匹配策略對初始匹配進行擴展,最終獲得數(shù)量充足且均勻分布的匹配點。實驗分析并確定了初始匹配中AINCC系數(shù)和NSS系數(shù)的最佳閾值。通過對存在不同幾何畸變的近景、航天立體影像及航空傾斜立體影像的配準實驗,表明本文算法匹配效果優(yōu)于現(xiàn)有的較為優(yōu)秀的匹配算法,為傾斜立體影像提供魯棒性較強、配準精度較高的自動匹配方法。(4)針對現(xiàn)有直線匹配方法效果極大依賴影像灰度信息,難以用于傾斜立體影像的問題,提出了基于直線間距離和中點距離、旋轉(zhuǎn)角及重疊度所構(gòu)成的空間結(jié)構(gòu)信息的直線匹配方法。該方法利用特征點估計影像間投影變換模型,并基于直線間的距離及直線中點間的距離進行匹配,然后通過誤匹配剔除及匹配優(yōu)化操作獲得“一對一”匹配。對包含不同類型紋理及幾何畸變的無人機下視及斜視影像構(gòu)成的立體像對進行實驗,結(jié)果表明該直線匹配方法匹配正確率較高,匹配結(jié)果幾乎不受點匹配結(jié)果及影像噪聲影響,具有較強的適應性。
【圖文】：

圖 1-1 Leica RCD30 對 Zürich 某一地區(qū)攝取的垂直及傾斜影像[11]Figure 1-1 Nadir and oblique images of a region in Zurich acquired by Leica RCD3傾斜立體影像地面覆蓋較廣，可獲取多角度地面建構(gòu)筑物立面及紋理攝影像形成互補，，對城市真三維重建具有重要意義。圖 1-1 為垂直及傾取的同一地區(qū)多視影像。圖中紅色虛線框內(nèi)的建筑物為教堂，周圍四幅分別獲取教堂四個側(cè)面信息與中間正攝影像獲取的教堂頂面形成互補傾斜影像與正射影像間存在較大輻射畸變，且虛線框內(nèi)的教堂在各個影的形狀、大小和遮擋程度均存在明顯差異，加大了計算機自動確定同名度[3]，導致傾斜影像空三解算、地形提取、真正射影像構(gòu)建及空間信息，制約了傾斜影像的信息挖掘及攝影測量三維重建的發(fā)展。因此，研究影像的可靠自動匹配算法，對推動傾斜立體影像的廣泛應用、提高城市建的效率和數(shù)字攝影測量自動化程度，都起到關鍵作用[12]。另一方面是影像的重要特征，它在人造目標和環(huán)境中包含了豐富的幾何和語義很好的表達人工建筑物等常見地物的輪廓和結(jié)構(gòu)[13, 14]，因此實現(xiàn)傾斜直線特征自動匹配對城市真三維模型的自動化構(gòu)建具有重要意義。

2 影像局部特征檢測算法及匹配性能分析2 影像局部特征檢測算法及匹配性能分析2 Performance Analysis for Local Feature Detectingand Matching2.1 局部特征（Local Features）局部特征是影像上相對穩(wěn)定的區(qū)域，在影像匹配、圖像檢索、機器視覺、視頻數(shù)據(jù)挖掘及紋理分類等領域應用廣泛[152]。如圖 2-1 所示，局部特征包括點、邊緣和影像區(qū)域[153]。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TP391.41;P231

【相似文獻】

相關期刊論文 前10條

1 鄭肇葆;數(shù)字影像匹配的動態(tài)規(guī)劃方法[J];測繪學報;1989年02期

2 張力,沈未名,張祖勛,張劍清;基于空間約束的神經(jīng)網(wǎng)絡影像匹配[J];武漢測繪科技大學學報;2000年01期

3 ;全自動影像匹配[J];測繪通報;1999年04期

4 李愛霞;關澤群;馮甜甜;;一種利用流形學習進行多影像匹配的方法[J];武漢大學學報(信息科學版);2012年11期

5 邵巨良;無需相似性量測的多片影像匹配[J];武漢測繪科技大學學報;1998年04期

6 付冬暇;趙淮;李愛霞;;基于流形學習的航空影像匹配方法研究[J];測繪與空間地理信息;2013年08期

7 袁修孝;明洋;;一種綜合利用像方和物方信息的多影像匹配方法[J];測繪學報;2009年03期

8 姜挺,江剛武;基于小波變換的分層影像匹配[J];測繪學報;2004年03期

9 魏明果,劉德富;影像匹配的算法研究與實踐[J];三峽大學學報(自然科學版);2002年02期

10 張劍清;數(shù)字攝影測量[J];城市勘測;1996年03期

相關會議論文 前10條

1 耿則勛;;影像匹配中核線影像的快速生成算法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

2 李乃強;宋小虎;;最小二乘影像匹配的實現(xiàn)和分析[A];江蘇省測繪學會2007'學術年會論文集[C];2008年

3 葉勤;陳鷹;;圖像壓縮對影像匹配精度影響的研究[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

4 李東子;范大昭;;幾種局部特征描述算法在高分辨率衛(wèi)星影像匹配中的準確度比較[A];第四屆高分辨率對地觀測學術年會論文集[C];2017年

5 饒闖江;;無人機影像處理新流程實驗研究[A];云南省測繪地理信息學會2017年學術年會論文集[C];2017年

6 李乃強;宋小虎;;最小二乘影像匹配的實現(xiàn)和分析[A];江蘇省測繪學會2007年學術年會論文集[C];2008年

7 李國;郭海濤;范大昭;余磊;張振;;一種基于遺傳算法的高速影像匹配方法[A];2007系統(tǒng)仿真技術及其應用學術會議論文集[C];2007年

8 朱繼文;;基于立體影像匹配數(shù)據(jù)構(gòu)建DEM方法研究[A];中國測繪學會九屆四次理事會暨2008年學術年會論文集[C];2008年

9 馬智剛;馬煈;叢鳳波;郭海濤;;點特征提取在影像目標識別中的應用[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十四次學術信息交流會論文集[C];2010年

10 王宇宙;趙宗濤;齊顯峰;;仿射不變局部特征寬基線影像匹配[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

相關重要報紙文章 前1條

1 賈道金;精準定制殺傷:精確打擊“2.0版”[N];學習時報;2018年

相關博士學位論文 前10條

1 陳時雨;基于圖論的影像匹配方法研究[D];武漢大學;2017年

2 余美;傾斜立體影像匹配若干問題研究[D];中國礦業(yè)大學;2018年

3 張彥峰;粗略地形引導下影像匹配與地表重建的半全局優(yōu)化方法[D];武漢大學;2017年

4 張云生;自適應三角形約束的多基元多視影像匹配方法[D];武漢大學;2011年

5 姚國標;傾斜影像匹配關鍵算法及應用研究[D];中國礦業(yè)大學;2014年

6 王亞超;SAR立體影像匹配關鍵技術研究[D];中國礦業(yè)大學;2017年

7 戴玉成;基于UAV傾斜影像匹配點云的城市建筑物信息提取方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

8 王競雪;移動高程平面約束的多視影像可靠匹配方法[D];遼寧工程技術大學;2010年

9 韋春桃;基于相位信息的影像特征檢測與匹配方法研究[D];武漢大學;2010年

10 熊金鑫;基于區(qū)域分割的多源、多時相衛(wèi)星遙感影像聯(lián)合匹配方法研究[D];武漢大學;2014年

相關碩士學位論文 前10條

1 王n玉;植被覆蓋區(qū)域無人機遙感影像匹配方法研究[D];河北工業(yè)大學;2016年

2 吳冰冰;基于視覺局部特征的遙感影像匹配方法研究[D];國防科學技術大學;2016年

3 胡佳怡;高分辨率航空影像特征匹配技術研究[D];東華理工大學;2018年

4 鄒小丹;基于半全局優(yōu)化的多視影像匹配方法與應用[D];中南大學;2013年

5 仇多兵;多視角傾斜航空影像匹配關鍵技術研究[D];解放軍信息工程大學;2017年

6 孟俊俊;機載三線陣影像匹配方法研究[D];中南大學;2014年

7 朱師歡;自動空三點特征高精度影像匹配研究[D];西安科技大學;2017年

8 孫一權;基于特征的近景樹木影像匹配策略研究[D];北京林業(yè)大學;2011年

9 董曉燕;基于影像匹配技術的地震形變監(jiān)測研究[D];中南大學;2011年

10 李英杰;航空傾斜多視影像匹配方法研究[D];中國測繪科學研究院;2014年

本文編號：2701967