本文關(guān)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(guān)文章： 立體匹配 相似性測(cè)度 互信息 區(qū)域生長(zhǎng) 三角網(wǎng) 半全局 匹配后處理 DSM 視差圖

【摘要】：立體匹配是計(jì)算機(jī)視覺和攝影測(cè)量中的核心關(guān)鍵問題,前者的研究對(duì)象一般是室內(nèi)小影像,研究思路一般較廣泛,且構(gòu)建完備的數(shù)學(xué)模型,匹配結(jié)果通常較好；后者研究對(duì)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(jìn)行影像相關(guān),匹配結(jié)果相對(duì)較差。目前國(guó)內(nèi)的DSM生產(chǎn)中可以達(dá)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(yīng)用的需求,故而有必要在這一基礎(chǔ)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(xué)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(gòu)建的完備的能量函數(shù)并進(jìn)行組合最優(yōu)化的全局匹配,計(jì)算效率最高的是直接相關(guān)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(diǎn),可靠點(diǎn)三角網(wǎng)等)作為先驗(yàn)信息,并結(jié)合顯式的數(shù)學(xué)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(zhǎng))來(lái)充分利用這些信息從而估計(jì)視差。相比局部算法,這類算法可以更好地利用先驗(yàn)信息,因此可以取得更好的匹配結(jié)果；相比全局算法,則其視差計(jì)算方法更為簡(jiǎn)單,計(jì)算效率更具實(shí)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(shí)現(xiàn)。本文的主要研究?jī)?nèi)容包括： 1.系統(tǒng)總結(jié)并深入剖析了逐像素立體匹配技術(shù)的理論基礎(chǔ)和算法原理及其特點(diǎn),歸納出了立體匹配面臨的普遍問題和一般對(duì)策,并在此基礎(chǔ)上概括出立體匹配算法應(yīng)該遵循的兩項(xiàng)基本原則,即一方面要盡可能多地納入更多的先驗(yàn)信息從而提高匹配效果,另一方面要根據(jù)影像內(nèi)容本身合理分配計(jì)算任務(wù)從而提高匹配效率。 2.分析了立體匹配相似性測(cè)度分類方法的本質(zhì),摒棄傳統(tǒng)的灰度匹配和特征匹配的分類方法,認(rèn)為立體匹配的相似性測(cè)度是用來(lái)衡量?jī)蓚�(gè)匹配基元相似性的度量指標(biāo),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(duì)密集匹配相似性測(cè)度,包括參數(shù)化測(cè)度,非參數(shù)化測(cè)度和互信息匹配測(cè)度進(jìn)行了研究和總結(jié),奠定了立體密集匹配在具體實(shí)施上的基礎(chǔ)。 3.基于緒論部分對(duì)于立體匹配問題的剖析和對(duì)現(xiàn)有算法的分析,研究了計(jì)算機(jī)視覺領(lǐng)域的三種匹配算法,利用不同的方式納入了各種先驗(yàn)信息,在計(jì)算效率和匹配結(jié)果上都有不錯(cuò)的表現(xiàn)。具體地,研究和改進(jìn)了PRPGM算法,進(jìn)一步加速了計(jì)算速度。研究了兩種基于可靠點(diǎn)三角網(wǎng)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(cè)、視差圖黑洞填補(bǔ)和亞像素級(jí)視差內(nèi)插三個(gè)方面研究了立體匹配后處理方法。在誤匹配檢測(cè)方面,研究了左右視差一致性檢測(cè),誤匹配碎片移除和中值濾波。提出了一種基于區(qū)域生長(zhǎng)的視差圖黑洞填補(bǔ)方法。分析了亞像素級(jí)視差內(nèi)插的必要性,并對(duì)比了線性函數(shù)和二次函數(shù)的內(nèi)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(zhuǎn)換成初始視差圖,然后在視差圖約束下進(jìn)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(shí)現(xiàn)了航空影像的逐像素密集匹配。
【關(guān)鍵詞】：立體匹配 相似性測(cè)度 互信息 區(qū)域生長(zhǎng) 三角網(wǎng) 半全局 匹配后處理 DSM 視差圖
【學(xué)位授予單位】：中國(guó)測(cè)繪科學(xué)研究院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：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(shù)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(chǔ)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(píng)價(jià)20-22
• 1.2.5 相關(guān)研究機(jī)構(gòu)和刊物22
• 1.3 研究?jī)?nèi)容與結(jié)構(gòu)安排22-25
• 2. 立體匹配相似性測(cè)度研究25-36
• 2.1 常用立體匹配相似性測(cè)度概述25-30
• 2.1.1 參數(shù)化相似性測(cè)度26-28
• 2.1.2 非參數(shù)化相似性測(cè)度28-30
• 2.2 基于互信息的匹配測(cè)度30-34
• 2.2.1 互信息的概念30-32
• 2.2.2 互信息測(cè)度的匹配原理32-34
• 2.3 實(shí)驗(yàn)結(jié)果與分析34-35
• 2.4 本章小結(jié)35-36
• 3. 計(jì)算機(jī)視覺領(lǐng)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(zhǎng)的匹配方法36-41
• 3.2.1 區(qū)域生長(zhǎng)基本原理36-37
• 3.2.2 基于區(qū)域生長(zhǎng)的立體匹配37
• 3.2.3 漸進(jìn)區(qū)域生長(zhǎng)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(diǎn)三角網(wǎng)的匹配方法41-44
• 3.3.1 逐步細(xì)化可靠點(diǎn)三角網(wǎng)的匹配41-43
• 3.3.2 貝葉斯后驗(yàn)估計(jì)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(shí)驗(yàn)分析與結(jié)論47-55
• 3.5.1 實(shí)驗(yàn)一：基于區(qū)域生長(zhǎng)的立體匹配47-51
• 3.5.2 實(shí)驗(yàn)二：基于可靠點(diǎn)三角網(wǎng)的匹配51-53
• 3.5.3 實(shí)驗(yàn)三：半全局立體匹配(SGM)53-55
• 3.5.4 實(shí)驗(yàn)總結(jié)55
• 3.6 本章小結(jié)55-57
• 4. 立體匹配后處理方法研究57-70
• 4.1 誤匹配檢測(cè)57-60
• 4.1.1 左右視差一致性檢測(cè)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(zhǎng)的視差圖黑洞填補(bǔ)60-61
• 4.3 像素級(jí)視差圖內(nèi)插61-64
• 4.3.1 整像素級(jí)視差圖的問題61-63
• 4.3.2 亞像素級(jí)視差圖內(nèi)插方法63-64
• 4.4 實(shí)驗(yàn)結(jié)果與分析64-69
• 4.4.1 實(shí)驗(yàn)一：誤匹配檢測(cè)處理64-66
• 4.4.2 實(shí)驗(yàn)二：基于區(qū)域生長(zhǎng)的視差圖黑洞填補(bǔ)66-68
• 4.4.3 實(shí)驗(yàn)三：亞像素級(jí)視差圖內(nèi)插68-69
• 4.4.4 實(shí)驗(yàn)總結(jié)69
• 4.5 本章小結(jié)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(zhuǎn)換72-75
• 5.2.1 視差圖和DSM的區(qū)別72-74
• 5.2.2 視差圖轉(zhuǎn)換為DSM74-75
• 5.2.3 DSM轉(zhuǎn)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(shí)驗(yàn)結(jié)果與分析78-88
• 5.5.1 實(shí)驗(yàn)一：視差圖信息熵分析79-82
• 5.5.2 實(shí)驗(yàn)二：影像塊的逐像素密集匹配82-85
• 5.5.3 實(shí)驗(yàn)三：初始視差圖逐像素約束下的匹配85-86
• 5.5.4 實(shí)驗(yàn)四：整幅航空影像匹配結(jié)果86-87
• 5.5.5 實(shí)驗(yàn)總結(jié)87-88
• 5.6 本章小結(jié)88-89
• 6. 總結(jié)與展望89-92
• 6.1 總結(jié)89-90
• 6.2 展望90-92
• 參考文獻(xiàn)92-97
• 攻讀碩士學(xué)位期間發(fā)表的論文及參加的項(xiàng)目97-98
• 致謝98

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 朱慶,吳波,趙杰;基于自適應(yīng)三角形約束的可靠影像匹配方法[J];計(jì)算機(jī)學(xué)報(bào);2005年10期

，

本文編號(hào)：874982