CN103604417A - 物方信息约束的多视影像双向匹配策略 - Google Patents

Abstract

本发明公开了一种物方信息约束的多视影像双向匹配策略。根据影像的成像模型和输入的地面物方信息，先进行物方信息约束的多视影像正向匹配，以利用多视影像之间的信息冗余性提高匹配相似性测度计算的可靠性；然后，对多视影像正向匹配结果进行多个单立体影像的反向匹配，以有效地消除正向匹配结果中的许多误匹配点，提高多视影像匹配结果的准确性。本发明的匹配策略中各待匹配点的匹配过程互不影响，是一种并行匹配策略，非常有利于大量待匹配点的高效并行匹配。根据本发明的方法可有效地提高多视影像密集匹配的运行效率和结果可靠度，解决了先单立体影像匹配再多个匹配结果融合的传统多视影像匹配方法中效率低下和误匹配点过多的问题。

Description

物方信息约束的多视影像双向匹配策略

技术领域

本发明属于摄影测量、计算机视觉和地理信息系统领域，涉及多视影像匹配过程中的搜索范围确定、匹配传播与误匹配结果的消除等方面。

背景技术

影像匹配是众多基于数字影像进行信息提取工作的关键技术，例如，遥感影像变化检测、多源影像融合、数字摄影测量、飞行器实时导航、导弹精确制导、图像数据库检索、基于影像的三维重建、目标识别与跟踪，等等，自动、准确的影像匹配是后续信息自动、高效、准确提取的重要前提和保障。影像匹配的目的是在变换空间中寻找一种或多种变换，使来自不同时间、不同传感器和不同视角下的同一场景的两幅或多幅影像在空间上进行对准，或者根据一幅影像中已知的模式（点、线、面或模板影像），在另一幅或多幅影像中找到相对应的模式。

随着传感器技术的发展，获取具有大重叠度的序列数字影像变得越来越容易，而且传统的双像立体影像匹配方法在影像纹理重叠、遮挡等区域存在匹配可靠度不高的问题。因此，序列影像的多视影像匹配方法的研究得到越来越多的重视。不论是双像立体影像匹配还是多视影像匹配，其中有两个基本问题需要解决：一是匹配相似性测度如何计算，另一个是同名点搜索范围如何确定。匹配测度是判断两个像点是否为同名像点的依据，影响着匹配的稳健性和准确率；搜索范围决定了候选同名像点的数量，影响着匹配的效率和可靠性。只有很好地解决了这两个问题，才能取得高效、可靠的影像匹配结果。

现有的多视影像匹配方法在搜索候选同名像点时主要采用如下两种策略：基于物方信息的物方搜索和基于像方信息的像方搜索。物方搜索策略根据地物点的最大和最小高程范围，以物方高程Z为搜索基准，从最小高程值出发，每次高程增加ΔZ，在物方空间确定待匹配点物方搜索点的物方高程值Z_i=Z_min+i×ΔZ，i=1,2,3,……,n，n为搜索次数，进而确定物方搜索点的三维坐标；然后，将物方搜索点投影到各搜索影像上得到像方的搜索点，进而完成待匹配点和搜索点之间相似度的计算和匹配过程的传播。但是ΔZ取值的大小很难精确确定，无法保证搜索点一定经过待匹配点对应的地物点；ΔZ取值过大，则会漏掉正确的候选点；ΔZ取值过小，又要花费太多的计算和搜索时间。像方搜索策略则是先根据待匹配点对应物方搜索点的最大和最小高程值，分别在各搜索影像上确定像方的搜索范围；然后以像方的搜索范围为基础，各搜索影像与基准影像分别完成双像的立体匹配。该策略在各搜索影像上获得的搜索范围并不相同，无法同时利用多幅影像的信息来计算匹配测度，且本质上仍是多次的立体影像匹配。

因此，目前的多视影像匹配策略中，物方搜索和像方搜索都是单独使用，二者缺乏有效地融合；另外，这些匹配策略中也还缺少匹配结果的准确性验证过程，误匹配点无法得到识别与消除。

发明内容

本发明的目的在于针对现有多视影像匹配策略中物方像方信息独立使用、匹配结果缺乏有效性验证的不足，提出一种物方信息约束的多视影像双向匹配策略。

物方信息约束的多视影像双向匹配策略包括如下步骤：

步骤一，根据多视影像对应的外方位元素，以及输入的待匹配区域的最大、最小地面高程，确定基准影像上待匹配点对应地物点在物方摄影光线上搜索区间的两个端点的物方三维坐标；

步骤二，将待匹配点在物方的两个搜索端点往各幅搜索影像上投影，得到各搜索影像上同名像点所在搜索核线的两个端点的像方二维坐标，基于此进行物方信息约束的多视影像正向匹配，从而确定待匹配点在各搜索影像上的同名像点；

步骤三，将各搜索影像和基准影像组成多个立体像对，以各搜索影像上的同名像点为待匹配点，进行物方信息约束的反向立体影像匹配，再根据多个立体像对的反向匹配结果，对多视影像正向匹配结果进行一致性验证，从而得到最终的同名像点集合。

所述步骤一具体包括：

（1）输入具有重叠度的n幅序列航空、航天或近景摄影影像，其对应的外方位元素，及待匹配区域的最大地面高程Z_max和最小地面高程Z_min；

（2）根据影像的成像模型，利用基准影像上待匹配点p的像平面坐标、输入的最大和最小地面高程，计算待匹配点对应地物点在物方摄影光线上搜索区间的最高点和最低点的物方三维坐标。

所述步骤二具体包括：

（1）根据成像模型，将待匹配点物方的最高点和最低点往n-1幅搜索影像S₁、…、S_j、…、S_n-1上进行投影，得到各幅搜索影像上的候选同名点搜索核线两个端点的像平面坐标；

（2）根据各搜索核线的两个端点的像平面坐标，确定核线的直线方程y=kx+b，以及x坐标的区间范围[start_x_j,end_x_j]，j=1,2,…,n-1，并以区间长度end_x_j-start_x_j最大的一幅搜索影像为主搜索影像，剩余的n-2幅影像为副搜索影像；

（3）从主搜索影像上的像方搜索区间内逐个取出每个像素点作为该影像上的候选同名像点，先利用双像前方交会方法计算候选点对应地物点的物方三维坐标，并将此三维坐标往各幅副搜索影像上进行投影，得到各副搜索影像上的每组n-1个候选同名像点；然后，再利用基于灰度和SIFT特征的匹配测度计算方法，计算基准影像上待匹配点和每组n-1个候选同名点的多像匹配相似度，并以最大相似度所对应的那组候选点，作为多像正向匹配过程所获得的待匹配点在n-1幅搜索影像上的n-1个同名像点q¹、q²、…、q^n_1。

所述步骤三具体包括：

（1）对于多视影像正向匹配得到的待匹配点在各幅搜索影像上的n-1个同名像点，以每一个同名点为待匹配点，以其所在的搜索影像为左影像、原来的基准影像I₀为右影像，组成多个单立体影像，分别进行n-1次立体影像匹配，以在影像I₀上得到n-1个反向匹配基准点p'₁、p'₂、…、p'_n-1；

（2）将每一个反向匹配基准点p'_j和原始待匹配点p进行列号较差的计算，如果差值在一定的阈值之内，则认为此反向匹配基准点对应的搜索影像上的同名像点q^j符合一致性要求，并将该同名像点加入待匹配点的同名像点集合；如果所有反向匹配基准点都和原始待匹配点不一致，则认为原始待匹配点为无效匹配点，其同名像点集合赋空值。

本发明的匹配策略中各待匹配点的匹配过程互不影响，是一种并行匹配策略，非常有利于大量待匹配点的高效并行匹配。本发明的多视影像匹配策略融合使用了待匹配点的物方信息和多视影像的像方信息，匹配搜索范围由物方信息决定，但匹配过程又由像方信息完成，保证了搜索的时间效率和搜索点的有效性；且匹配结果增加了一致性验证的反向匹配过程，可有效地消除误匹配结果，提高多视影像匹配结果的可靠度，解决了先单立体影像匹配再多个匹配结果融合的传统多视影像匹配方法中效率低下和误匹配点过多的问题。

附图说明

图1是本发明实施例的方法框架图；

图2是本发明实施例的多视影像匹配的候选同名像点搜索示意图；

图3是本发明实施例的多视影像正向匹配结果的反向一致性验证流程；

图4是本发明实施例的三幅航空影像的传统多像正向匹配结果；

图5是本发明实施例的三幅航空影像的基于物方信息的多像双向匹配策略的匹配结果。

具体实施方式

以下结合具体实施例，并参照附图，对本发明作进一步详细说明。

本发明根据影像的成像模型和输入的地面物方信息，先进行物方信息约束的多视影像正向匹配，以利用多视影像之间的信息冗余性提高匹配相似性测度计算的可靠性；然后，对多视影像正向匹配结果进行多个单立体影像的反向匹配，以有效地消除正向匹配结果中的许多误匹配点，提高多视影像匹配结果的准确性。

如图1所示，物方信息约束的多视影像双向匹配策略包括三部分：（1）确定待匹配点的物方搜索区间；（2）物方信息约束的多视影像正向匹配；（3）多像正向匹配结果的反向一致性验证。具体实施步骤为：

第一步：确定待匹配点的物方搜索区间。

（1）输入具有重叠度的n幅序列航空、航天或近景摄影影像，其对应的外方位元素，及待匹配区域的最大地面高程Z_max和最小地面高程Z_min；

（2）根据影像的成像模型，利用基准影像上待匹配点p的像平面坐标、输入的最大和最小地面高程，计算待匹配点对应地物点在物方摄影光线上搜索区间的最高点和最低点的物方三维坐标。

若待匹配点p在基准影像I₀的像平面坐标为(x_p,y_p)，基准影像的外方位元素为

则点p在物方摄影光线上搜索区间的最高点P_max和最低点P_min的物方平面坐标(X_max,Y_max)、(X_min,Y_min,)可由Z_ma和Z_min带入下式计算：

$\left\{\begin{array}{c}X=X_{I_0}+(Z-Z_{I_0})\frac{a_1^{I_0}{x}_p+a_2^{I_0}{y}_p-a_3^{I_0}f}{c_1^{I_0}{x}_p+c_2^{I_0}{y}_p-c_3^{I_0}f}\\ Y=Y_{I_0}+(Z-Z_{I_0})\frac{b_1^{I_0}{x}_p+b_2^{I_0}{y}_p-b_3^{I_0}f}{c_1^{I_0}{x}_p+c_2^{I_0}{y}_p-c_3^{I_0}f}\end{array}\right.---\left(1\right)$

式中，

是由影像I₀的外方位角元素

确定的旋转矩阵中的九个方向余弦，f为影像拍摄相机的焦距。

第二步：物方信息约束的多视影像正向匹配。

（1）根据成像模型，将待匹配点物方的最高点和最低点往n-1幅搜索影像S₁、…、S_j、…、S_n-1上进行投影，得到各幅搜索影像上的候选同名点搜索核线两个端点的像平面坐标；

将物方搜索最高点P_max(X_max,Y_max,Z_max)和最低点P_min(X_min,Y_min,Z_min)往搜索影像S_j（j=1,2,…,n-1）上投影，可得P_max和P_min在影像S_j上对应像点q_max、q_min的像平面坐标(x^j _max,y^j _max)、(x^j _min,y^j _min)，由物方三维坐标计算像方像平面坐标的公式如下式（以点P_max的计算为例）：

$\left\{\begin{array}{c}{x}_{\max }^j=-f\frac{a_1^{s_j}(X_{\max }-X_{S_j})+b_1^{S_j}(Y_{\min }-Y_{S_j})+c_1^{S_j}(Z_{\min }-X_{S_j})}{a_3^{S_j}(X_{\max }-X_{S_j})+b_3^{S_j}(Y_{\max }-Y_{S_j})+c_3^{S_j}(Z_{\max }-X_{S_j})}\\ y_{\max }^j=-f\frac{a_2^{S_j}(X_{\max }-X_{S_j})+b_2^R(Y_{\max }-Y_{S_j})+c_2^R(Z_{\max }-X_{S_j})}{a_3^{S_j}(X_{\max }-X_{S_j})+b_3^{S_j}(Y_{\max }-Y_{S_j})+c_3^{S_j}(Z_{\max }-X_{S_j})}\end{array}\right.---\left(2\right)$

式中，

为搜索影像S_j的外方位元素，

是由影像S_j的外方位角元素

确定的旋转矩阵中的九个方向余弦。

（2）根据各搜索核线的两个端点的像平面坐标，确定核线的直线方程y=kx+b，以及x坐标的区间范围[start_x_j,end_x_j]，j=1,2,…,n-1，并以区间长度end_x_j-start_x_j最大的一幅搜索影像为主搜索影像，剩余的n-2幅影像为副搜索影像；

根据P_max和P_min在搜索影像S_j上对应像点q^j _max、q^j _min的像平面坐标(x^j _max,y^j _max)、(x^j _min,y^j _min)，可按下式计算待匹配点在影像S_j上的同名像点所在的同名搜索核线的直线方程：

$\left\{\begin{array}{c}{y}^j=k^{S_j}{x}^j+b^{S_j}\\ k^{S_j}=\frac{y_{\max }^j-y_{\min }^j}{x_{\max }^j-x_{\min }^j}\\ b^{S_j}=y_{\max }^j-k^{S_j}{x}_{\max }^j\end{array}\right.---\left(3\right)$

该同名核线的x坐标的区间范围[start_x_j,end_x_j]的计算方式为：start_x_j=min(x^j _max,x^j _min),end_x_j=max(x^j _max,x^j _min),函数min()和max()分别表示取自变量中的最小值和最大值。

（3）从主搜索影像上的像方搜索区间内逐个取出每个像素点作为该影像上的候选同名像点，先利用双像前方交会方法计算候选点对应地物点的物方三维坐标，并将此三维坐标往各幅副搜索影像上进行投影，得到各副搜索影像上的每组n-1个候选同名像点；然后，再利用基于灰度和SIFT特征的匹配测度计算方法，计算基准影像上待匹配点和每组n-1个候选同名点的多像匹配相似度，并以最大相似度所对应的那组候选点，作为多像正向匹配过程所获得的待匹配点在n-1幅搜索影像上的n-1个同名像点q¹、q²、…、q^n_1。

假设S₁为主搜索影像，多视影像匹配的候选同名像点搜索示意图如附图2所示，其过程为：先从主搜索影像S₁上的搜索范围[start_x₁,end_x₁]内取出任意一个候选同名点q¹ _i，根据基准影像I₀上待匹配点p和搜索影像S₁上候选点q¹ _i的行列坐标，及I₀、S₁的外方位元素，利用双像前方交会方法（式（4））计算该候选像点对应地物点P_i的三维坐标（X_i,Y_i,Z_i）；其次，利用式（2），将点P_i往剩余的n-2幅搜索影像进行投影，得到搜索影像S_j（j=2,…,n-1）上候选同名点q^j _i的像平面坐标x^j _i，再利用式（3）确定的影像S_j的同名核线方程计算对应的像平面坐标y^j _i，从而得到与主搜索影像候选点q¹ _i对应的其它搜索影像上的n-1个候选点q^j _i。

$\left\{\begin{array}{c}{X}_i=X_{I_0}+N_1{X}^{I_0}\\ Y_i=(Y_{I_0}+N_1{Y}^{I_0}+Y_{S_1}+N_2{Y}^{S_1})/2\\ Z_i=Z_{I_0}+N_1{Z}^{I_0}\\ N_1=\frac{B_X{Z}^{S_1}-B_Z{X}^{S_1}}{X^{I_0}{Z}^{S_1}-X^{S_1}{Z}^{I_0}};N_2=\frac{B_x{Z}^{I_0}-B_Z{X}^{I_0}}{X^{I_0}{Z}^{S_1}-X^{S_1}{Z}^{I_0}}\\ B_X=X_{S_1}-X_{I_0};B_Z=Z_{S_1}-Z_{I_0}\\ {[X^{I_0},Y^{I_0},Z^{I_0}]}^T=R^{I_0}{[x_p,y_p,f]}^T\\ {[X^{S_1},Y^{S_1},Z^{S_1}]}^T=R^{S_1}{[x_i^1,y_i^1,f]}^T\end{array}\right.---\left(4\right)$

式中，R^I0、R^S1为由I₀、S₁的外方位角元素计算的旋转矩阵。

基准影像I₀上待匹配点p和n-1幅搜索影像上第i组n-1个候选同名点q^j _i的多像匹配相似度按如下的方法计算：先利用基于灰度和SIFT特征的相似度计算方法，分别计算待匹配点和各幅搜索影像上的每个候选点的匹配测度ρ₁、…、ρ_j、…、ρ_n-1；再取n-1个相似度的平均值作为每组n-1个候选同名点和待匹配点的多像匹配测度，并以最大多像匹配测度所对应的那组候选同名点作为待匹配点在n-1幅搜索影像上的n-1个同名像点。

对于基准影像上的待匹配点p和其在某幅搜索影像上的候选同名点q^j _i，两点之间基于灰度和SIFT特征的相似度按计算方法如下：

首先，分别以待匹配点p和候选同名点q^j _i为中心在各自影像上取两个大小为N×N的影像窗口W、W′，计算两点之间的灰度相关系数ρ_c=(ρ^r _g+ρ^g _g+ρ^b _g)/3，其中，ρ^r _g、ρ^g _g、ρ^b _g分别为两点间的红、绿、蓝三个灰度通道内的灰度相关系数（计算公式如式（5），以红色通道为例）。

${\mathrm{\ρ}}_g^r=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_r(i,j){f^{\′}}_r(i,j)-\frac{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_r(i,j)\right)\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f^{\′}}_r(i,j)\right)}{N^2}}{\sqrt{(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left(f_r(i,j)\right)}^2-\frac{{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_r(i,j)\right)}^2}{N^2})(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left({f^{\′}}_r(i,j)\right)}^2-\frac{{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f^{\′}}_r(i,j)\right)}^2}{N^2})}}---\left(5\right)$

式中，f_r(i,j)、f'_r(i,j)分别表示影像窗口W、W′中第i行第j列像素的红色通道内的灰度值。

其次，分别以待匹配点p和候选同名点q^j _i为中心在基准影像和搜索影像上取两个大小为16×16的灰度影像窗口W、W′，窗口内的各个元素值取对应像素在红绿、蓝三个灰度通道内的灰度值的平均值，计算待匹配点和搜索点的128维的SIFT特征向量V、V′，并按下式计算两点之间的特征相似度ρ_s；

${\mathrm{\ρ}}_s=\frac{\underset{i=1}{\overset{128}{\mathrm{\Σ}}}(V_i\×{V^{\′}}_i)}{\sqrt{\underset{i=1}{\overset{128}{\mathrm{\Σ}}}{v}_i^2\×\underset{i=1}{\overset{128}{\mathrm{\Σ}}}{v}_i^{\′2}}}---\left(6\right)$

最后，取灰度相关系数ρ_c和特征相似度ρ_s的平均值(ρ_c+ρ_s)/2作为待匹配点和候选同名点之间的匹配测度ρ。

第三步：多像正向匹配结果的反向一致性验证。

多视影像正向匹配结果的反向一致性验证流程如附图3所示，反向一致性验证的具体过程如下：

（1）对于多视影像正向匹配得到的待匹配点在n-1幅搜索影像上的n-1个同名像点，以每一个同名点为待匹配点，以其所在的搜索影像为左影像、原来的基准影像I₀为右影像，组成多个单立体影像，分别进行n-1次立体影像匹配，以在影像I₀上得到n-1个反向匹配基准点p'₁、p'₂、…、p'_n-1；

n-1幅搜索影像S_j和基准影像I₀可组成n-1个单立体影像，其中，搜索影像为左影像，基准影像I₀为右影像。此时，对于每一对立体影像，以影像S_j上的同名点q^j为待匹配点，按第二步的多像正向匹配中搜索范围确定和相似度计算方法，进行从影像S_j到影像I₀的基于物方信息约束的立体影像匹配（相对于正向匹配，这是一个反向匹配的过程）。经n-1次反向立体影像匹配后，可得到各搜索影像上的同名点q¹、q²、…、q^n_1在影像I₀上n-1个反向同名像点p'₁、p'₂、…、p'_n-1。

（2）将每一个反向匹配基准点p'_j和原始待匹配点p进行列号较差的计算，如果差值在一定的阈值之内，则认为此反向匹配基准点对应的搜索影像上的同名像点q^j符合一致性要求，并将该同名像点加入待匹配点的同名像点集合；如果，所有反向匹配基准点都和原始待匹配点不一致，则认为原始待匹配点为无效匹配点，其同名像点集合赋空值。

如果影像S_j上的正向匹配同名像点q^j和基准影像I₀待匹点p是一对真正的同名像点，则像点q^j经反向立体影像匹配在影像I₀上得到的反向基准点p'_j，应该和点p的位置一致，即两个点的行列号相同。由于匹配过程都是沿同名核线进行，所以，按下面的准则就可以判断正向匹配同名像点q^j是否准确：计算点p'_j和点p的列号之差Δl，if(|Δl|<阈值T)，则认为同名像点q^j是待匹点p的有效同名点；否则，点q^j为无效同名点，影像S_j上不存在待匹配点的同名像点。

附图4、附图5展示了基于本发明的方法和传统多像匹配方法对三幅航空影像的多像匹配的对比结果图，其中，附图4是传统多像正向匹配的结果，附图5是本发明双向匹配策略的匹配结果，多边形框内标示了错误匹配结果的分布。从结果可以看出，本发明的基于物方信息约束的多视影像双向匹配策略可以有效地消除传统多像匹配过程中的许多误匹配点。

Claims (4)

1.物方信息约束的多视影像双向匹配策略，其特征在于包括如下步骤：

步骤一，根据多视影像对应的外方位元素，以及输入的待匹配区域的最大、最小地面高程，确定基准影像上待匹配点对应地物点在物方摄影光线上搜索区间的两个端点的物方三维坐标；

步骤二，将待匹配点在物方的两个搜索端点往各幅搜索影像上投影，得到各搜索影像上同名像点所在搜索核线的两个端点的像方二维坐标，基于此进行物方信息约束的多视影像正向匹配，从而确定待匹配点在各搜索影像上的同名像点；

步骤三，将各搜索影像和基准影像组成多个立体像对，以各搜索影像上的同名像点为待匹配点，进行物方信息约束的反向立体影像匹配，再根据多个立体像对的反向匹配结果，对多视影像正向匹配结果进行一致性验证，从而得到最终的同名像点集合。

2.根据权利要求1所述的物方信息约束的多视影像双向匹配策略，其特征在于，所述步骤一的具体过程为：

（1）输入具有重叠度的n幅序列航空、航天或近景摄影影像，其对应的外方位元素，及待匹配区域的最大地面高程Z_max和最小地面高程Z_min；

（2）根据影像的成像模型，利用基准影像上待匹配点p的像平面坐标、输入的最大和最小地面高程，计算待匹配点对应地物点在物方摄影光线上搜索区间的最高点和最低点的物方三维坐标。

3.根据权利要求1所述的物方信息约束的多视影像双向匹配策略，其特征在于，所述步骤二的具体过程为：

（1）根据成像模型，将待匹配点物方的最高点和最低点往n-1幅搜索影像S₁、…、S_j、…、S_n-1上进行投影，得到各幅搜索影像上的候选同名点搜索核线两个端点的像平面坐标；

（2）根据各搜索核线的两个端点的像平面坐标，确定核线的直线方程y=kx+b，以及x坐标的区间范围[start_x_j,end_x_j]，j=1,2,…,n-1，并以区间长度end_x_j-start_x_j最大的一幅搜索影像为主搜索影像，剩余的n-2幅影像为副搜索影像；

（3）从主搜索影像上的像方搜索区间内逐个取出每个像素点作为该影像上的候选同名像点，先利用双像前方交会方法计算候选点对应地物点的物方三维坐标，并将此三维坐标往各幅副搜索影像上进行投影，得到各副搜索影像上的每组n-1个候选同名像点；然后，再利用基于灰度和SIFT特征的匹配测度计算方法，计算基准影像上待匹配点和每组n-1个候选同名点的多像匹配相似度，并以最大相似度所对应的那组候选点，作为多像正向匹配过程所获得的待匹配点在n-1幅搜索影像上的n-1个同名像点q¹、q²、…、q^n_1。

4.根据权利要求1所述的物方信息约束的多视影像双向匹配策略，其特征在于，所述步骤三的具体过程为：

（1）对于多视影像正向匹配得到的待匹配点在各幅搜索影像上的n-1个同名像点，以每一个同名点为待匹配点，以其所在的搜索影像为左影像、原来的基准影像I₀为右影像，组成多个单立体影像，分别进行n-1次立体影像匹配，以在影像I₀上得到n-1个反向匹配基准点p'₁、p'₂、…、p'_n-1；

（2）将每一个反向匹配基准点p'_j和原始待匹配点p进行列号较差的计算，如果差值在一定的阈值之内，则认为此反向匹配基准点对应的搜索影像上的同名像点q^j符合一致性要求，并将该同名像点加入待匹配点的同名像点集合；如果所有反向匹配基准点都和原始待匹配点不一致，则认为原始待匹配点为无效匹配点，其同名像点集合赋空值。

Images