【摘要】：半全局匹配實(shí)質(zhì)是在視差連續(xù)性假設(shè)下的離散優(yōu)化方法。為克服視差斷裂帶影響,依賴一組參數(shù)控制視差不一致性。若參數(shù)過小,在平面內(nèi)難以保證視差連續(xù)性,產(chǎn)生明顯噪聲,導(dǎo)致凹凸不平現(xiàn)象;若參數(shù)過大,將致使物體表面過于平滑,難以保留視差斷裂等重要特征。為克服上述問題,本文提出了一種顧及紋理特征的自適應(yīng)密集匹配方法:首先,檢測(cè)影像紋理特征并定量表達(dá)紋理豐富性程度;其次,依據(jù)紋理豐富程度與視差差異存在正相關(guān)的規(guī)則知識(shí),實(shí)現(xiàn)匹配參數(shù)依據(jù)紋理信息的自適應(yīng)選擇;最后,采用上述參數(shù)進(jìn)行自適應(yīng)的半全局匹配。通過ISPRS基準(zhǔn)數(shù)據(jù)集和國(guó)產(chǎn)SWDC-5獲取的傾斜影像進(jìn)行試驗(yàn)分析證明,本文方法能夠有效減少低紋理區(qū)域匹配噪聲,同時(shí)更有效保留邊緣特征。
【圖文】：

基金（１５Ｉ０１）航空影像密集匹配點(diǎn)云，由于其具有色彩、紋理信息，并且點(diǎn)云密度高，已成為三維城市重建的重要數(shù)據(jù)源［１－２］。特別是隨著半全局匹配算法（ｓｅｍｉ－ｇｌｏｂａｌｍａｔｃｈｉｎｇ，ＳＧＭ）［３］的出現(xiàn)與發(fā)展，ＳＧＭ以其高效、快速的特點(diǎn)，已被廣泛用于商用攝影測(cè)量軟件［４］。然而，影像密集匹配質(zhì)量受物體遮擋、視差斷裂、影像噪聲、紋理缺乏以及光照條件不一致等因素影響，在實(shí)際應(yīng)用中，，點(diǎn)云粗糙、缺漏、無法保留邊緣線等現(xiàn)象明顯［５－６］，如圖１所示。圖１密集匹配點(diǎn)云噪聲及邊緣缺失問題Ｆｉｇ．１Ｎｏｉｓｅａｎｄｌｏｓｓｅｓｏｆｅｄｇｅｐｒｏｂｌｅｍｓｏｆｐｏｉｎｔｃｌｏｕｄｆｒｏｍｄｅｎｓｅｍａｔｃｈｉｎｇ影像密集匹配主要包含４個(gè)主要步驟［５］：匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化。針對(duì)以上步驟，目前主要有兩種不同的策略：①局部方法，其視差計(jì)算僅依賴于局部信息，因此為提高可靠性通常采用點(diǎn)、線等匹配基元進(jìn)行多視影像匹配［６－１０］，其最終結(jié)果通常也呈現(xiàn)為準(zhǔn)密集匹配（ｑｕａｓｉｄｅｎｓｅ）點(diǎn)；②全局方法［１１－１３］，在進(jìn)行核線糾正之后，通過構(gòu)建合適的能量函數(shù)，將密集匹配轉(zhuǎn)化為在視差連續(xù)性約束下的離散優(yōu)化問題，此策略不僅效率更高，且點(diǎn)云密度更大，Ｍｉｄｄｌｅｂｕｒｙ基準(zhǔn)測(cè)試中性能較為優(yōu)異的算法［１１，１３］均屬于此類。通常全局優(yōu)化問題可以通過馬爾可夫隨機(jī)場(chǎng)（Ｍａｒｋｏｖｒａｎｄｏｍｆｉｅｌｄ，ＭＲＦ）表達(dá)，ＭＲＦ中似然概率（ｌｉｋｅｌｉｈｏｏｄｔｅｒｍ）表達(dá)匹配代價(jià)的損失值，而先驗(yàn)概率（ｐｒｉ

法在紋理豐富程度與視差連續(xù)性變化存在相關(guān)性的知識(shí)約束下，首先，通過紋理檢測(cè)算法定量表達(dá)影像紋理特征；其次，利用影像的紋理特性，建立紋理特征與匹配參數(shù)之間逐像素的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)匹配參數(shù)的自適應(yīng)選擇；最后，依據(jù)上述影像相關(guān)的匹配參數(shù)，實(shí)現(xiàn)自適應(yīng)的半全局匹配，同時(shí)降低低紋理區(qū)域點(diǎn)云噪聲并保留邊緣斷裂特征。１方法１．１基本原理由于ＳＧＭ已被大量實(shí)際應(yīng)用證明具有優(yōu)于其他方法的匹配性能［４，１８］，因此本文也采用ＳＧＭ算法，并做出相應(yīng)改進(jìn)，本文提出方法的整體流程如圖２所示。首先生成核線影像對(duì)，然后計(jì)算匹配代價(jià)并提取紋理信息，代價(jià)聚合過程中依據(jù)紋理信息自適應(yīng)調(diào)整匹配參數(shù)，最后生成視差圖。圖２紋理感知ＳＧＭ算法流程Ｆｉｇ．２ＦｌｏｗｃｈａｒｔｏｆｔｈｅｔｅｘｔｕｒｅａｗａｒｅＳＧＭａｌｇｏｒｉｔｈｍ由于核線關(guān)系將同名點(diǎn)約束在同一直線上，因此影像匹配通常定義在視差空間之中，僅優(yōu)化每個(gè)像素的視差值。實(shí)際應(yīng)用中，預(yù)先對(duì)影像進(jìn)行水平核線糾正，其整體算法效率較動(dòng)態(tài)核線更高，因此本文預(yù)先對(duì)影像進(jìn)行核線糾正處理［２１］。在代價(jià)計(jì)算中，由于ｃｅｎｓｕｓ變換也可近似看作是一種單像素的匹配代價(jià)，同時(shí)具有優(yōu)異的匹配性能和計(jì)算效率，在與單像素代價(jià)的對(duì)比中也具有優(yōu)異性能［２２］，被廣泛應(yīng)用于密集匹配算法當(dāng)中［２３－２６］，因此本文采用９×７窗口內(nèi)的ｃｅｎｓｕｓ變換作為匹配代價(jià)。具體實(shí)現(xiàn)中僅需存儲(chǔ)對(duì)應(yīng)核線影像的６４位ｃｅｎｓｕｓ編碼，而作為匹配代價(jià)的漢明距離［２２］則可采用ＳＳＥ指令實(shí)時(shí)計(jì)算。ＳＧＭ采用了多路徑動(dòng)態(tài)規(guī)劃方法，單個(gè)方向的聚合公式如下所示［３
【作者單位】： 西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院;西南交通大學(xué)高速鐵路運(yùn)營(yíng)安全空間信息技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室;深圳市數(shù)字城市工程研究中心;香港理工大學(xué)土地測(cè)量與地理資訊學(xué)系;香港中文大學(xué)太空與地球信息科學(xué)研究所;
【基金】：國(guó)家自然科學(xué)基金(41501421;41631174;61602392) 空間信息智能感知與服務(wù)深圳市重點(diǎn)實(shí)驗(yàn)室(深圳大學(xué))開放基金 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室(武漢大學(xué))基金(15I01)~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張紅梅,韓萍;倉(cāng)儲(chǔ)物害蟲分類識(shí)別中紋理特征的提取[J];計(jì)算機(jī)工程與應(yīng)用;2003年01期

2 楊大鵬;高向東;劉紅;;基于紋理特征的道路行人識(shí)別研究[J];機(jī)械設(shè)計(jì)與制造;2012年01期

3 于曉晗,袁保宗;一種新的旋轉(zhuǎn)不變紋理特征[J];電子學(xué)報(bào);1990年03期

4 張紅梅,張慧檔,田耕;面包烘焙品質(zhì)檢驗(yàn)中紋理特征的提取[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年09期

5 吳剛;唐振民;楊靜宇;;融合典型紋理特征的粒子濾波目標(biāo)跟蹤方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年34期

6 王成業(yè),龔曉;地物圖象的紋理特征與分類[J];計(jì)算機(jī)學(xué)報(bào);1985年06期

7 張京愛;王興軍;胡青松;;基于紋理特征的穿梭分析系統(tǒng)動(dòng)物檢測(cè)算法[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

8 王松,蔣蘇蓉,馮剛;基于紋理特征的一種圖像檢索方法的實(shí)現(xiàn)[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2002年02期

9 王勝華;都東;曾凱;鄒怡蓉;;基于紋理特征的焊縫識(shí)別方法[J];焊接學(xué)報(bào);2008年11期

10 黃春龍;邢立新;韓冬;;基于紋理特征的水系信息提取[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2008年S1期

相關(guān)會(huì)議論文 前10條

1 田學(xué)東;郭寶蘭;;基于紋理特征的版式識(shí)別研究[A];輝煌二十年——中國(guó)中文信息學(xué)會(huì)二十周年學(xué)術(shù)會(huì)議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關(guān)聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測(cè)算法研究[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長(zhǎng)英;;基于紋理特征的麥穗產(chǎn)量測(cè)量方法研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

8 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

9 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測(cè)、環(huán)境遙感與電子技術(shù)學(xué)術(shù)研討會(huì)專輯[C];2009年

10 張樹恒;陽(yáng)維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識(shí)別[A];中華醫(yī)學(xué)會(huì)2010年全國(guó)變態(tài)反應(yīng)學(xué)術(shù)會(huì)議暨中歐變態(tài)反應(yīng)高峰論壇參會(huì)指南/論文匯編[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 周前進(jìn);基于紋理特征的打印文檔機(jī)源認(rèn)證技術(shù)研究[D];武漢大學(xué);2015年

2 夏瑜;基于結(jié)構(gòu)的紋理特征及應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

3 李伯宇;圖像紋理分析及分類方法研究[D];復(fù)旦大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李強(qiáng);基于顏色與紋理特征的圖像檢索技術(shù)研究[D];河北大學(xué);2015年

2 田甜;面向?qū)ο蟮纳种脖活愋托畔⑻崛〖夹g(shù)[D];東北林業(yè)大學(xué);2015年

3 崔巍;基于紋理特征的地表覆蓋分類算法研究[D];南京理工大學(xué);2015年

4 宋歌聲;利用超聲圖像紋理特征鑒別甲狀腺結(jié)節(jié)良惡性的研究[D];山東大學(xué);2015年

5 廖聲揚(yáng);數(shù)字視頻復(fù)制—粘貼篡改被動(dòng)取證研究[D];福建師范大學(xué);2015年

6 牧其爾;基于紋理特征的人工梭梭林生物量遙感估測(cè)研究[D];內(nèi)蒙古師范大學(xué);2015年

7 張瑞英;基于多源遙感數(shù)據(jù)的森林郁閉度估測(cè)方法研究[D];內(nèi)蒙古師范大學(xué);2015年

8 黃源;基于區(qū)域語(yǔ)義模板的刑偵圖像檢索算法研究[D];西安郵電大學(xué);2015年

9 趙玉丹;基于LBP的圖像紋理特征的提取及應(yīng)用[D];西安郵電大學(xué);2015年

10 林婉晴;城市不透水面信息提取方法及應(yīng)用研究[D];福建師范大學(xué);2015年

本文編號(hào)：2528370