CN108416806A - 基于频率相位匹配辅助的概率松弛控制点匹配方法 - Google Patents
基于频率相位匹配辅助的概率松弛控制点匹配方法 Download PDFInfo
- Publication number
- CN108416806A CN108416806A CN201710072390.7A CN201710072390A CN108416806A CN 108416806 A CN108416806 A CN 108416806A CN 201710072390 A CN201710072390 A CN 201710072390A CN 108416806 A CN108416806 A CN 108416806A
- Authority
- CN
- China
- Prior art keywords
- matching
- image
- point
- pyramid
- frequency plot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
在对遥感影像进行几何处理特别是平差处理之前,需要在参考影像上匹配同名控制点,本发明公开了一种基于频率相位匹配辅助的概率松弛控制点匹配方法。该方法首先通过原始影像及参考影像的几何模型构建相对纠正模型,将原始影像纠正至参考影像模型框架下;其次,基于金子塔层点位规划与多级金字塔频率相位匹配方法,准确地得到分布均匀的整像素级控制点匹配点集,据此计算影像视差;然后,在原始级别影像上,利用上一步得到的影像视差,结合概率松弛匹配方法得到局部最优的达到亚像素级的控制点匹配点对;最后,通过基本矩阵、单应矩阵等几何约束去除粗差点。经过大量实验,该方法大大提高了控制点匹配的精度、可靠性和效率。
Description
技术领域
测绘技术领域。
背景技术
在遥感影像的几何配准和几何纠正过程中,一般过程是首先在被配准或者被纠正影像和控制影像上寻找同名点对,这些同名点对不仅要求点位正确而且要分布均匀,然后利用同名点对运用几何处理的原理配准或者纠正影像。传统上,这些同名点对通过人工刺点获得,不仅效率低,而且易出现误刺的现象。如今,利用影像匹配方法寻找同名点对即控制点匹配的方法已逐渐取代人工刺点的方法,大大提高了影像处理效率。现存的控制点匹配方法主要分为三类,基于灰度的匹配,基于特征的匹配和变换域法匹配。基于灰度的匹配原理简单且易于实现,但计算量大,而且影像灰度值常会受到光照条件,影像的尺度变化、旋转及部分遮挡现象等显著地影响匹配效果。基于特征的匹配由于只选择影像中若干像素点而不是区域内所有像素点进行匹配,所以减少了匹配过程的计算量,提高了匹配效率;但是,特征提取也易受影像噪声、视角变化的影响。变换域法是在空间域和频率域间变换影像而实现匹配的一种方法。其中傅氏变换法的影像相位信息,包含了影像的平移、旋转、仿射等变换,这些信息不仅对高频噪声有一定的抑制作用,对几何畸变和辐射畸变有很好的抵抗能力,而且能够得到稠密的视差。因此,结合快速傅里叶变换,运用相位相关方法能够迅速地得到相应匹配区域的视差。
上述匹配方法通常适用于同源影像间的匹配,对于异源影像存在如下瓶颈: 一方面,异源影像的灰度和梯度信息差异显著,难以适用于异源影像匹配;另一方面,算法不适用于影像间存在较大旋转、缩放及平移变化的情况。如果能够在匹配过程中首先根据影像几何定向信息和全局特征对缩放、旋转与平移进行校正,然后利用局部特征进一步精匹配,则能提高算法稳定性和匹配精度。为此,我们提出基于频率相位匹配辅助的概率松弛控制点匹配方法:首先利用影像的几何定向信息,把原始影像纠正至参考影像模型框架下,弱化较大的旋转、缩放及平移对匹配的影响;然后利用金字塔频率相位技术快速得到整像素级的匹配点对,准确计算同名区域的视差值;最后使用概率松弛匹配方法进一步得到亚像素级的匹配点对。它有以下优点:第一,对于噪声严重,存在较大旋转、缩放及平移的异源影像,匹配稳定性强、精度高;第二,由于使用快速傅里叶变换,同时较单一的亚像素级匹配方法,此方法整像素匹配与亚像素匹配相结合,匹配速度快;第三,金子塔层点位规划,控制点匹配结果分布均匀,从而控制点匹配结果更准确。
发明内容
本发明的目的在于充分利用影像几何定位信息、频率域的相位信息,解决传统匹配方法受影像噪声大、尺度变化大、旋转明显、仅能得到稀疏视差和计算量大等影响而导致的匹配精度低、可靠性差、效率不高等问题。基于频率域相位辅助的概率松弛控制点匹配方法,充分利用影像的灰度信息、特征信息和频率域相位信息,结合金字塔匹配策略,提高匹配准确度和可靠性。同时,使用快速傅里叶变换,结合金字塔点位规划和分块匹配方法,匹配效率高、控制点分布均匀。
本发明基本思想包括,首先通过原始影像及参考影像的几何模型构建相对纠正模型,将原始影像纠正至参考影像模型框架下;其次,基于金子塔层点位规划与多级金字塔频率相位匹配方法,准确地得到分布均匀的整像素级控制点匹配点集,计算影像视差;然后,在原始级别影像上,利用上一步得到的影像视差,结合概率松弛匹配方法得到局部最优的达到亚像素级的控制点匹配点对;最后,通过基本矩阵、单应矩阵等几何约束去除粗差点。
本发明的创新点在于:
1、利用影像频率域的相位信息作为辅助,同时结合影像空间域的灰度信息和特征信息,从而充分利用影像的各方面信息,受噪声影响小,对几何畸变和辐射畸变抵抗能力强;
2、基于影像实时分块纠正技术,金字塔顶层点位规划和多尺度匹配策略,对于尺度变化大、有明显旋转或者发生仿射变换等视差差异大的异源影像对,能够准确计算影像对视差,然后结合亚像素级匹配方法,匹配点位分布均匀、准确度高、可靠性强、稳定性好、效率高;
3、充分利用影像对的几何约束关系,进一步剔除粗差点,保证了匹配成果的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍;
显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可根据这些附图获得其他的附图;
图1为基于频率相位匹配辅助的概率松弛控制点匹配方法的全流程图;
图2为基于频率相位相关计算匹配影像块左右视差的流程图;
图3为基于概率松弛迭代计算获取匹配点对局部最优解的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明;
本发明实施提供了一种基于频率相位匹配辅助的概率松弛控制点匹配方法,如图1所示,该方法包括如下步骤:
步骤101、将原始影像纠正至参考影像模型框架下,其中包括如下步骤:
步骤101-1、通过原始影像和参考影像的像地转换几何关系构建实时相对纠正模型;
步骤101-2、获取参考影像的地理范围;
步骤101-3、根据参考影像的地理范围,利用实时相对纠正模型对原始影像进行重采样,从而得到参考影像模型框架下原始影像对应的纠正影像;
步骤102、基于金子塔层点位规划与多级金字塔频率相位匹配,计算原始级别影像对的视差,其中包括如下步骤:
步骤102-1、在参考影像模型框架下,计算纠正影像和参考影像的重叠区域;
步骤102-2、计算重叠区域的金字塔级数,在金字塔顶层根据输入的预期控制点数,对匹配点数及点位进行规划;
步骤102-3、在顶层金字塔利用频率相位技术进行匹配,计算影像视差,然后将视差传递至下一级,直至得到原始级别影像对的视差;
步骤103、在原始级别影像上,得到亚像素级的控制点匹配点对,其中包括如下步骤:
步骤103-1、根据多级金字塔相位匹配计算出来的视差修正原始影像视差;
步骤103-2、在规划点位附近提取大量角点特征,利用概率松弛匹配算法,迭代计算出最优匹配点;
步骤103-3、使用最小二乘匹配算法进一步精化匹配点位;
步骤104、利用基础矩阵、单应矩阵等几何约束剔除粗差点,得到点位准确的控制点匹配点集。
通过本发明提供的一种基于频率相位匹配辅助的概率松弛控制点匹配方法,匹配效率高,准确性好,可靠性强,点位分布均匀,很好地实现了控制点自动匹配。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.基于频率相位匹配辅助的概率松弛控制点匹配方法。
2.根据权利要求1的基于频率相位匹配辅助的概率松弛控制点匹配方法,其整个处理过程包括:影像实时相对纠正、多级金字塔频率相位匹配、原始级别概率松弛匹配、匹配后处理。
3.根据权利要求2的影像实时相对纠正,通过原始影像及参考影像的几何模型构建相对纠正模型,然后将原始影像纠正至参考影像模型框架下。
4.根据权利要求2的基于多级金字塔频率相位匹配,其处理过程是:金字塔分层、金字塔层点位规划及特征点提取、基于频率相位的影像匹配。
5.根据权利要求4的金字塔分层,根据原始影像和参考影像地理范围,统计重叠区大小,根据重叠区大小计算金字塔层级。
6.根据权利要求4的金字塔层点位规划,根据输入的预期控制点数,计算每层金字塔的候选点数及分布情况,同时用HARRIS角点特征算子提取角点特征。
7.根据权利要求4的基于频率相位的影像匹配,其处理过程是原始影像经过权利要求3的影像实时相对纠正后,再根据权利要求4建立影像匹配金字塔,在高层金字塔提取角点特征后利用频率相位匹配技术匹配特征点,计算影像视差,然后将视差传递至下一级,直至到原始级别。
8.根据权利要求2的原始级别概率松弛匹配,首先根据金字塔相位匹配计算出来的视差修正原始影像视差,然后在规划点位附近提取大量角点特征,利用概率松弛迭匹配算法,迭代计算出最优匹配点,最后用最小二乘匹配算法精化点位。
9.根据权利要求2的匹配后处理,通过基本矩阵、单应矩阵去除粗差点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710072390.7A CN108416806A (zh) | 2017-02-10 | 2017-02-10 | 基于频率相位匹配辅助的概率松弛控制点匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710072390.7A CN108416806A (zh) | 2017-02-10 | 2017-02-10 | 基于频率相位匹配辅助的概率松弛控制点匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108416806A true CN108416806A (zh) | 2018-08-17 |
Family
ID=63124862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710072390.7A Pending CN108416806A (zh) | 2017-02-10 | 2017-02-10 | 基于频率相位匹配辅助的概率松弛控制点匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416806A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942102A (zh) * | 2019-12-03 | 2020-03-31 | 武汉大学 | 一种概率松弛核线匹配方法及系统 |
-
2017
- 2017-02-10 CN CN201710072390.7A patent/CN108416806A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942102A (zh) * | 2019-12-03 | 2020-03-31 | 武汉大学 | 一种概率松弛核线匹配方法及系统 |
CN110942102B (zh) * | 2019-12-03 | 2022-04-01 | 武汉大学 | 一种概率松弛核线匹配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN106934821B (zh) | 一种基于icp算法和b样条的锥形束ct和ct图像配准方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
CN106023230B (zh) | 一种适合变形图像的稠密匹配方法 | |
CN103544711A (zh) | 遥感影像的自动配准方法 | |
CN106920235B (zh) | 基于矢量底图匹配的星载光学遥感影像自动校正方法 | |
CN108629810B (zh) | 双目相机的标定方法、装置及终端 | |
CN103646395B (zh) | 一种基于格网法的高精度影像配准方法 | |
CN103106688A (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN104197933B (zh) | 一种望远镜视场中高星等滑动恒星的增强和提取方法 | |
CN102609941A (zh) | 基于ToF深度相机的三维注册方法 | |
CN108389157A (zh) | 一种三维全景图像快速拼接方法 | |
CN105469110B (zh) | 基于局部线性迁移的非刚性变换图像特征匹配方法及系统 | |
CN104182968B (zh) | 宽基线多阵列光学探测系统模糊动目标分割方法 | |
CN110335208B (zh) | 一种基于逐步校正的高分辨率遥感影像厚云去除方法 | |
CN106815832B (zh) | 一种表面贴装技术的钢网图像自动配准方法和系统 | |
CN108230376A (zh) | 遥感图像处理方法、装置和电子设备 | |
CN104732578A (zh) | 一种基于倾斜摄影技术的建筑物纹理优化方法 | |
CN107680140A (zh) | 一种基于Kinect相机的深度图像高分辨率重构方法 | |
CN107220996A (zh) | 一种基于三角结构一致的无人机线阵与面阵影像匹配方法 | |
CN108010082A (zh) | 一种几何匹配的方法 | |
CN110136177A (zh) | 一种图像配准方法、设备和存储介质 | |
CN109741376A (zh) | 一种基于改进ransac算法的中、长波红外图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180817 |
|
WD01 | Invention patent application deemed withdrawn after publication |