CN109711321A - 一种结构自适应的宽基线影像视角不变直线特征匹配方法 - Google Patents
一种结构自适应的宽基线影像视角不变直线特征匹配方法 Download PDFInfo
- Publication number
- CN109711321A CN109711321A CN201811584093.1A CN201811584093A CN109711321A CN 109711321 A CN109711321 A CN 109711321A CN 201811584093 A CN201811584093 A CN 201811584093A CN 109711321 A CN109711321 A CN 109711321A
- Authority
- CN
- China
- Prior art keywords
- linear feature
- image
- feature
- group
- feature group
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种结构自适应的宽基线影像视角不变直线特征匹配方法,属于遥感影像处理领域。该方法包括分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编成多个参考影像直线特征组和多个搜索影像直线特征组;基于参考影像直线特征组和搜索影像直线特征组进行视角不变直线特征初匹配,并估计参考影像与搜索影像之间的核线几何关系;基于核线几何关系,对未匹配成功的参考影像直线特征组和搜索影像直线特征组进行二次匹配,对还未匹配成功的参考影像直线特征和搜索影像直线特征进行单直线特征匹配;合并所有三次匹配的结果得到最终匹配结果。本发明提出了视角不变的直线特征匹配方法,有效提高了匹配的直线特征数量和正确率。
Description
技术领域
本发明属于遥感影像处理领域,具体涉及一种结构自适应的宽基线影像视角不变直线特征匹配方法。
背景技术
随着影像分辨率的不断提高,影像上绝大多数人工目标,如建筑物、道路等都可以使用直线特征来描述。直线特征位于目标轮廓边缘,包含丰富的语义信息和几何意义,能够较好地表达目标结构,反映影像以及目标场景的高层信息,将直线特征作为匹配基元进行特征匹配在影像精细三维建模等应用中具有重要意义。
经过多年的发展,研究人员提出了大量适用于不同场景的直线特征匹配方法。根据直线特征匹配过程中采用的约束信息差异,大体上可以将现有影像直线特征匹配方法分为单直线特征匹配方法和直线特征组匹配方法。
一些单直线特征匹配方法通过简单的几何信息,如方向、距离、长度、重复性、最近邻关系等,以及直线特征邻域内的灰信息进行直线特征相似性度量。这类方法通常需要同名直线特征之间具有较高的重叠度,并且影像之间的亮度或色彩变化较小。受点特征匹配的启发,研究人员提出了一种基于MSLD特征描述符的直线特征匹配方法。该方法在直线特征邻域内确定一个特征区域,并在特征区域内计算均值和标准差等统计信息来构建特征描述符,对于影像视角变化较小或地形平坦的纹理丰富区域获得了较好的匹配结果。通过在影像尺度空间进行直线特征检测或挖掘平行直线特征之间的关系来计算特征尺度值,可以提高MSLD方法对影像尺度变化的鲁棒性。以上基于特征描述符的方法存在一个共同的不足:当立体像对之间存在较大视角变化且影像区域目标深度变化比较显著时,这些方法中的规则特征区域以及在此基础上构建的特征描述符鲁棒性较差,影响最终的匹配结果。为了提高直线特征匹配算法对影像仿射变换的鲁棒性,研究人员提出了一类同名点特征辅助的直线特征匹配算法。通过点特征与直线特征之间的几何位置关系构建仿射不变量来进行直线特征相似性度量。这类方法需要已知大量的同名点特征。当立体影像之间具有较大的视角变化时,难以获得大量可靠的点特征匹配结果,导致这类方法难以适用。
为了提高直线特征匹配的可靠性,直线特征通常被聚类为特征组,通过在直线特征组之间构建约束条件来实现同名直线特征匹配。这类方法通过挖掘直线特征对之间的几何约束关系进行直线对匹配,或先通过几何约束建立候选匹配集合,再为直线特征对构建特征描述符来实现直线对匹配。由于在直线特征对之间能够构建更多约束条件来区分非同名直线特征,这类方法通常能够获得比单直线特征匹配更好的结果。直线特征组匹配方法可以具体细分为两直线特征组对的匹配方法和多(两条以上)直线特征组对的匹配方法。多直线特征组对的匹配方法通常能够获得更好的匹配结果。但是,随着组对的直线特征数量的增加,构建几何约束条件的算法复杂度将显著提升,不利于大数据量影像的匹配。此外,基于直线特征组对的匹配方法受影像重复纹理结构的影响较大。直线特征组在影像重复纹理结构区域容易发生错误匹配,导致直线特征组内的一对一匹配全部失败。虽然两直线特征组对的匹配方法也存在该问题,但是由于一个直线特征对只包含两条单直线特征,其对最终匹配结果的影响较小。因此,在现有基于直线特征组对的匹配方法中,两直线特征组对的匹配方法远远多于多直线特征组对的匹配方法。
在两直线特征组对的匹配方法中,联合几何约束和灰度信息的匹配方法具有更大的潜力:一些方法利用同名点匹配构建三角网来约束同名直线搜索过程,通过直线邻域相关实现同名直线匹配;一些方法在直线特征邻域内利用同名点构建虚拟直线段,通过直线特征与虚拟直线段之间的几何关系建立相似性测度,并结合直线支撑区域灰度相关来实现同名直线匹配;一些方法利用核线几何关系构建直线特征端点和方向约束条件筛选候选同名直线特征,在此基础上对直线特征上的离散采样点构建特征描述符来实现精确匹配;另一些方法以相邻直线特征之间的拓扑关系构建核线约束、单应性约束、象限约束等多重约束条件,筛选候选同名直线特征,并利用核线几何关系构建特征区域,通过特征区域灰度相关实现同名直线特征匹配。
虽然以上研究工作在特定的影像上获得了较好的匹配效果,但这些方法通常为直线特征确定规则特征区域,对于存在显著视角变化的宽基线影像,难以在同名直线特征之间确定内容一致的特征区域,导致同名直线特征描述符相似度较低,难以获得可靠的匹配结果。为了克服这个问题,研究人员利用直线特征上的显著点与直线特征对的交点来构建几何不变特征区域并计算特征描述符,在立体像对之间获得了较好的直线特征匹配结果。但是,该方法中以直线特征对交点为中心构建的对称特征区域难以适应宽基线影像上视差不连续的影像区域(如建筑物边缘等)的几何变形。特征区域中部分影像内容难以在影像视角变化下保持一致性,导致同名直线特征描述符相似度较低。此外,该方法寻找直线特征上的显著点的方法易受同名直线长短不一致的影响,导致构造的特征描述符不可靠。
发明内容
为了解决现有技术存在的上述一个或多个技术问题,本发明提供了一种结构自适应的宽基线影像视角不变直线特征匹配方法。
本发明的技术方案如下:
一种结构自适应的宽基线影像视角不变直线特征匹配方法,包括以下步骤:
分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组;
基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计所述参考影像与所述搜索影像之间的核线几何关系;
基于所述核线几何关系,对未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征;
对还未匹配成功的所述参考影像直线特征和所述搜索影像直线特征进行单直线特征匹配,获得单直线特征匹配结果;
将所述初次匹配成功的直线特征、所述二次匹配成功的直线特征以及所述单直线特征匹配结果中匹配成功的直线特征合并得到最终的直线特征匹配结果。
可选的,所述分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组的方法包括:
采用国际公认的LSD算子分别对所述参考影像和所述搜索影像提取直线特征,获得多个所述参考影像直线特征和多个所述搜索影像直线特征;
分别对任意的所述参考影像直线特征和所述搜索影像直线特征,确定下式所示的支撑区域SRi:
式中,x表示支撑区域SRi内的像素点,li为任意的所述参考影像直线特征或所述搜索影像直线特征,dist()为点到直线的距离函数,length()表示li的长度,li⊥表示li的中垂线,s是一个控制支撑区域大小的参数;
基于li,判断其余任意所述参考影像直线特征或所述搜索影像直线特征lj,j≠i是否至少有一个端点位于li的支撑区域SRi内,且与li的交点位于支撑区域SRi内,如果是,则将lj,j≠i与li组成一个直线特征组,构成所述参考影像直线特征组或所述搜索影像直线特征组。
可选的,所述基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计参考影像与搜索影像之间的核线几何关系的方法包括:
对任意所述参考影像直线特征组,在所述参考影像上确定对应的参考影像直线特征组视角不变区域;对任意所述搜索影像直线特征组,在所述搜索影像上确定对应的搜索影像直线特征组视角不变区域;
将所述参考影像上所有的所述参考影像直线特征组视角不变区域归一化为参考影像等边三角形区域,并以其内切圆区域作为参考影像直线特征组的特征区域;将所述搜索影像上所有的所述搜索影像直线特征组视角不变区域归一化为搜索影像等边三角形区域,并以其内切圆区域作为搜索影像直线特征组的特征区域;
分别将所述参考影像直线特征组的特征区域和所述搜索影像直线特征组的特征区域进行子区域划分,在每个所述参考影像直线特征组的特征子区域和所述搜索影像直线特征组的特征子区域内分别计算梯度方向直方图并累计,分别获得所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符;
分别对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符进行归一化处理;
利用NNDR算法对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符进行匹配,获得匹配成功的直线特征组,并根据直线特征组中单直线特征的相对左右位置关系确定一一对应的初次匹配成功的直线特征;
将所述匹配成功的直线特征组的交点作为同名点,采用RANSAC方法估计影像之间的基础矩阵,得到核线几何关系。
进一步可选的,所述将所述参考影像直线特征组的特征区域进行子区域划分,在每个所述参考影像直线特征组的特征子区域内计算梯度方向直方图并累计,获得所述参考影像直线特征组的特征描述符的方法为:
将所述参考影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,得到12个所述参考影像直线特征组的特征子区域,在每个所述参考影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述参考影像直线特征组的特征描述符。
进一步可选的,所述将所述搜索影像直线特征组的特征区域进行子区域划分,在每个所述搜索影像直线特征组的特征子区域内计算梯度方向直方图并累计,获得所述搜索影像直线特征组的特征描述符的方法为:
将所述搜索影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,得到12个所述搜索影像直线特征组的特征子区域,在每个所述搜索影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述搜索影像直线特征组的特征描述符。
进一步可选的,所述基于所述核线几何关系,对未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征的方法包括:
对任意未匹配成功的所述参考影像直线特征组,通过搜索影像直线特征组交点到核线的距离约束、搜索影像直线特征组重叠约束以及搜索影像直线特征组沿核线方向的点线位置关系约束在所述搜索影像上确定候选同名直线特征组集合;
分别计算所述参考影像直线特征组和所述候选同名直线特征组集合中每个候选同名直线特征组的视角不变区域,获得所述参考影像直线特征组对应的所述参考影像直线特征组视角不变区域和每个所述候选同名直线特征组对应的所述搜索影像直线特征组视角不变区域;
分别对所述参考影像直线特征组视角不变区域和每个所述搜索影像直线特征组视角不变区域进行归一化并计算特征描述符,获得所述参考影像直线特征组的特征描述符和所述候选同名直线特征组的特征描述符;
基于下式计算所述参考影像直线特征组与每个所述候选同名直线特征组的相似性;
式中,lilj为所述参考直线特征组,kmkn为所述候选同名直线特征组,EG_Sim(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的相似性度量值,为所述参考直线特征组lilj的特征描述符,和为所述候选同名直线特征组kmkn在两种情况下的特征描述符,min()表示取最小值的函数,D(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的特征描述符距离;
获取其中相似性度量值最大的一个所述候选同名直线特征组,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征组与所述参考直线特征组匹配成功;根据所述匹配成功的直线特征组中单直线特征的相对左右位置关系确定一一对应的二次匹配成功的直线特征;
重复上述步骤,遍历所有未匹配的所述参考影像直线特征组,获得所述二次匹配成功的直线特征。
进一步可选的,所述搜索影像直线特征组交点到核线的距离约束为:
对于未匹配成功的所述参考影像直线特征组lilj,计算其交点pij在搜索影像上的核线epij;计算所述搜索影像上未匹配成功的所述搜索影像直线特征组的交点与所述核线epij之间的距离,距离小于阈值Te的所述搜索影像直线特征组构成所述参考影像直线特征组lilj的候选同名直线特征组集合
所述搜索影像直线特征组重叠约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征重叠规则;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除;
直线特征组沿核线方向的点线位置关系约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征沿核线方向的点线位置关系约束;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除。
进一步可选的,所述单直线特征重叠规则为:对于所述参考影像上的所述参考影像直线特征,其在所述搜索影像上对应的同名直线特征位于所述参考影像直线特征的两个端点在所述搜索影像上的两条核线所夹区域内,或与至少一条所述核线相交;
所述单直线特征沿核线方向的点线位置关系约束为:
在所述参考影像上未匹配的所述参考影像直线特征li的邻域内寻找距离最近的一对同名直线特征组交点(Ri,Ti),并计算所述参考影像和所述搜索影像上经过所述同名直线特征组交点的同名核线和
计算所述参考影像直线特征li与所述同名核线的交点,并计算所述交点与所述同名直线特征组交点Ri之间的距离d;
在所述搜索影像上沿所述同名核线的方向,在所述同名直线特征组交点Ti两侧分别确定λ·d+t的搜索范围,位于所述搜索范围内的所述搜索影像直线特征视为满足所述单直线特征沿核线方向的点线位置关系约束;其中,λ为参考影像与搜索影像的空间分辨率比值参数,t为影像几何形变容忍度参数。
进一步优选的,所述对还未匹配成功的所述参考影像直线特征和所述搜索影像直线特征进行单直线特征匹配,获得单直线特征匹配结果的方法包括:
基于所述单直线特征重叠规则和所述单直线特征沿核线方向的点线位置关系约束,对任意未匹配成功的所述参考影像直线特征li在所述搜索影像上确定候选同名直线特征集合;
基于下式确定所述参考影像直线特征li的特征区域,并将所述参考影像直线特征li两侧的特征区域分别划分为4个子区域,以所述参考影像直线特征li的方向为主方向,在每个所述子区域内统计8个方向的梯度方向直方图,得到两个32维的所述参考影像直线特征li的特征描述符和
式中,x表示特征区域FRi内的像素点,dist()为点到直线的距离函数,length()表示所述参考影像直线特征li的长度,li⊥表示所述参考影像直线特征li的中垂线,s是一个控制支撑区域大小的参数;
对所述候选同名直线特征集合中任意候选同名直线特征km,以其与所述参考影像直线特征li的两个端点在所述搜索影像上的核线的两个交点为基础,基于上式中计算所述参考影像直线特征li的特征区域的方法确定所述候选同名直线特征km在所述搜索影像上的特征区域,并基于所述参考影像直线特征li的特征描述符的获取方法得到两个32维的所述候选同名直线特征km的特征描述符和
基于下列公式计算所述参考影像直线特征与所有的所述候选同名直线特征的相似性度量值;
式中,S_Sim(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的相似性度量值,和为所述参考影像直线特征li的特征描述符,和为所述候选同名直线特征km的特征描述符,min()表示取最小值的函数,D(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的特征描述符距离;
获取其中相似性度量值最大的一个所述候选同名直线特征,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征与所述参考直线特征匹配成功;
重复上述步骤,遍历所有未匹配的所述参考影像直线特征,获得所述单直线特征匹配结果。
与现有技术相比,本发明提供的技术方案具有如下有益效果或优点:
本发明针对宽基线影像视角变化问题,提出了一种基于分步匹配策略的直线特征匹配方法,其中,在初匹配中提出了一种无需任何先验信息的视角不变直线特征匹配方法,能够有效克服视差不连续区域的几何变形问题,获得优于传统方法的匹配结果,并且有助于在影像视角变化情况下对立体像对估计更准确的核线几何关系,为后续匹配提供了技术支撑。
本发明在初匹配基础上构建了一种基于核线几何约束的视角不变特征区域计算方法,在此基础上提出了一种直线特征匹配方法,有效提高了特征匹配率。
本发明在特征匹配过程中,结合了多种几何约束条件,有效提高了匹配的精度和效率。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
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,下面将对实施例或现有技术描述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,对于本领域技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的方法流程图;
图2a为本发明实施例中初匹配中视角不变稳定点及区域确定示意图;
图2b为本发明实施例中初匹配中视角不变区域归一化为等边三角形区域示意图;
图3a为本发明实施例中二次匹配中参考影像上单直线特征沿核线方向的点线位置关系约束示意图;
图3b为本发明实施例中二次匹配中搜索影像上单直线特征沿核线方向的点线位置关系约束示意图;
图4a为本发明实施例中二次匹配中参考影像直线特征组视角不变区域示意图;
图4b为本发明实施例中二次匹配中搜索影像直线特征组的一个视角不变区域示意图;
图4c为本发明实施例中二次匹配中搜索影像直线特征组的另一个视角不变区域示意图;
图5a为本发明实施例中单直线特征匹配中参考影像直线特征描述示意图;
图5b为本发明实施例中单直线特征匹配中搜索影像直线特征描述示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,指示方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接连接,也可以通过中间媒介间接连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义型实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。此外,术语“第一”、“第二”仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,本发明实施例提供了一种结构自适应的宽基线影像视角不变直线特征匹配方法,包括以下步骤:
步骤1:分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组。
在具体的实施过程中,分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组的方法具体包括:
首先,采用国际公认的LSD算子分别对所述参考影像和所述搜索影像提取直线特征,获得多个所述参考影像直线特征和多个所述搜索影像直线特征;
然后,分别对任意的所述参考影像直线特征和所述搜索影像直线特征,确定下式所示的支撑区域SRi:
式中,x表示支撑区域SRi内的像素点,li为任意的所述参考影像直线特征或所述搜索影像直线特征,dist()为点到直线的距离函数,length()表示li的长度,li⊥表示li的中垂线,s是一个控制支撑区域大小的参数;
最后,基于li,判断其余任意所述参考影像直线特征或所述搜索影像直线特征lj,j≠i是否至少有一个端点位于li的支撑区域SRi内,且与li的交点位于支撑区域SRi内,如果是,则将lj,j≠i与li组成一个直线特征组,构成所述参考影像直线特征组或所述搜索影像直线特征组。
完成步骤1后,执行步骤2:基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计所述参考影像与所述搜索影像之间的核线几何关系。
在具体的实施过程中,步骤2中基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计所述参考影像与所述搜索影像之间的核线几何关系的方法包括:
首先,对任意所述参考影像直线特征组,在所述参考影像上确定对应的参考影像直线特征组视角不变区域;对任意所述搜索影像直线特征组,在所述搜索影像上确定对应的搜索影像直线特征组视角不变区域。为了便于理解,下面以参考影像为例进行具体说明:
如图2a所示,在所述参考影像上,对任意的所述参考影像直线特征组lilj,寻找三个视角不变的稳定点构建局部几何区域:第一个稳定点为参考影像直线特征li和参考影像直线特征lj的交点p1,另外两个稳定点分别为参考影像直线特征li与其支撑区域内的其他直线特征的交点p2以及参考影像直线特征lj与其支撑区域内其他直线特征的交点p3,三角形区域p1p2p3为所述参考影像直线特征组lilj的一个视角不变区域。采用同样的方法,为搜索影像上的直线特征组确定搜索影像直线特征组视角不变区域。
确定了所述参考影像直线特征组视角不变区域和所述搜索影像直线特征组视角不变区域后,将所述参考影像上所有的所述参考影像直线特征组视角不变区域归一化为参考影像等边三角形区域,并以其内切圆区域作为参考影像直线特征组的特征区域;将所述搜索影像上所有的所述搜索影像直线特征组视角不变区域归一化为搜索影像等边三角形区域,并以其内切圆区域作为搜索影像直线特征组的特征区域。
具体的,如图2b所示,在归一化过程中,将对应于所述参考影像直线特征组lilj交点的顶点固定于p1',将等边三角形区域的边长固定为其中r为等边三角形内切圆(特征区域)的半径。通过此操作可以消除区域之间的尺度缩放、旋转、仿射变换等几何变形,在后续计算过程中无需单独估计特征尺度值和特征主方向,有助于提高算法的可靠性和效率。
获得所述参考影像直线特征组的特征区域和所述搜索影像直线特征组的特征区域后,分别将所述参考影像直线特征组的特征区域和所述搜索影像直线特征组的特征区域进行子区域划分,在每个所述参考影像直线特征组的特征子区域和所述搜索影像直线特征组的特征子区域内分别计算梯度方向直方图并累计,分别获得所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符。
可选的,本发明实施例中子区域划分时,将所述参考影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,每个所述参考影像直线特征组的特征区域划分为12个所述参考影像直线特征组的特征子区域,在每个所述参考影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述参考影像直线特征组的特征描述符。同理,将所述搜索影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,每个所述搜索影像直线特征组的特征区域划分为12个所述搜索影像直线特征组的特征子区域,在每个所述搜索影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述搜索影像直线特征组的特征描述符。
获得了所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符后,分别对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符进行归一化处理,消除光照变化的影响。
然后,利用NNDR算法对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的描述符进行匹配,获得匹配成功的直线特征组,并根据直线特征组中单直线特征的相对左右位置关系确定一一对应的初次匹配成功的直线特征。
最后,将所述匹配成功的直线特征组的交点作为同名点,采用RANSAC方法估计影像之间的基础矩阵,得到核线几何关系。
完成步骤2后,执行步骤3:基于所述核线几何关系,对步骤2中未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征。
在具体的实施过程中,基于所述核线几何关系,对步骤2中未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征的方法具体包括:
首先,对任意未匹配成功的所述参考影像直线特征组,通过搜索影像直线特征组交点到核线的距离约束、搜索影像直线特征组重叠约束以及搜索影像直线特征组沿核线方向的点线位置关系约束在所述搜索影像上确定候选同名直线特征组集合。
其中,所述搜索影像直线特征组交点到核线的距离约束为:
对于未匹配成功的所述参考影像直线特征组lilj,计算其交点pij在搜索影像上的核线epij;计算所述搜索影像上未匹配成功的所有所述搜索影像直线特征组的交点与所述核线epij之间的距离,距离小于阈值Te的所述搜索影像直线特征组构成所述参考影像直线特征组lilj的候选同名直线特征组集合
所述搜索影像直线特征组重叠约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征重叠规则;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除。其中,所述单直线特征重叠规则为:对于所述参考影像上的所述参考影像直线特征,其在所述搜索影像上对应的同名直线特征位于所述参考影像直线特征的两个端点在所述搜索影像上的两条核线所夹区域内,或与至少一条所述核线相交。
所述搜索影像直线特征组沿核线方向的点线位置关系约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征沿核线方向的点线位置关系约束;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除。其中,所述单直线特征沿核线方向的点线位置关系约束具体如图3a和图3b所示:
在所述参考影像上未匹配的所述参考影像直线特征li的邻域内寻找距离最近的一对同名直线特征组交点(Ri,Ti),并计算所述参考影像和所述搜索影像上经过所述同名直线特征组交点的同名核线和
计算所述参考影像直线特征li与所述同名核线的交点,并计算所述交点与所述同名直线特征组交点Ri之间的距离d;
在所述搜索影像上沿所述同名核线的方向,在所述同名直线特征组交点Ti两侧分别确定λ·d+t的搜索范围,位于所述搜索范围内的所述搜索影像直线特征视为满足所述单直线特征沿核线方向的点线位置关系约束;其中,λ为参考影像与搜索影像的空间分辨率比值参数,t为影像几何形变容忍度参数。
确定所述候选同名直线特征组集合后,分别计算所述参考影像直线特征组及所述候选同名直线特征组集合中每个候选同名直线特征组的视角不变区域,获得所述参考影像直线特征组对应的所述参考影像直线特征组视角不变区域和每个所述候选同名直线特征组对应的所述搜索影像直线特征组视角不变区域。具体如图4a、4b所示,对于所述参考影像上的所述参考影像直线特征组,由所述参考影像直线特征组交点pij及端点p1、p4构建局部不变区域。同时,在所述搜索影像上计算p1和p4对应的核线和由所述候选同名直线特征组的交点qmn与所述搜索影像直线特征组中直线与核线的交点q1、q4构建局部不变区域,获得所述搜索影像直线特征组视角不变区域。
由于在直线匹配之前,所述参考影像直线特征组与所述候选同名直线特征组中的单直线特征对应关系未知,为了避免错误的单直线特征对应关系导致直线特征组匹配失败,本发明实施例为每个所述候选直线特征组考虑图4b和4c所示的两种核线相交情况,为每个所述候选直线特征组确定两个局部不变区域,其中,需要说明的是,本发明实施中的两个所述局部不变区域是在两种不同情况下分别确定的一个在局部不变区域,而非在同种情况下确定的两个局部不变区域。
获得所述参考影像直线特征组视角不变区域和所述搜索影像直线特征组视角不变区域后,分别对所述参考影像直线特征组视角不变区域和所述搜索影像直线特征组视角不变区域进行归一化并计算特征描述符,获得所述参考影像直线特征组的特征描述符和所述候选同名直线特征组的特征描述符。
需要说明的是,此处的所述归一化并计算特征描述符的方法与步骤2中的归一化处理以及计算特征描述符的方法相同,在此不再累述。
获得所述参考影像直线特征组的特征描述符和所述候选同名直线特征组的特征描述符后,基于下式计算所述参考影像直线特征组与其所有的所述候选同名直线特征组的相似性;
式中,lilj为所述参考直线特征组,kmkn为所述候选同名直线特征组,EG_Sim(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的相似性度量值,为所述参考直线特征组lilj的特征描述符,和为所述候选同名直线特征组kmkn在如图4b和图4c所示两种核线相交情况下的特征描述符,min()表示取最小值的函数,D(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的特征描述符距离。
然后,获取其中相似性度量值最大的一个所述候选同名直线特征组,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征组与所述参考直线特征组匹配成功,并根据所述匹配成功的直线特征组中单直线特征的相对左右位置关系确定一一对应的匹配成功的直线特征。
最后,重复上述步骤,遍历所有未匹配的所述参考影像直线特征组,获得所述二次匹配成功的直线特征。
完成步骤3后,执行步骤4:对步骤2和步骤3中还未匹配成功的所述参考影像直线特征和所述搜索影像直线特征进行单直线特征匹配,获得单直线特征匹配结果。
具体的,首先基于所述单直线特征重叠规则和所述单直线特征沿核线方向的点线位置关系约束,对任意未匹配成功的所述参考影像直线特征li在所述搜索影像上确定候选同名直线特征集合;
然后,基于下式确定所述参考影像直线特征li的特征区域,并将所述参考影像直线特征li两侧的特征区域分别划分为4个子区域,以所述参考影像直线特征li的方向为主方向,在每个所述子区域内统计8个方向的梯度方向直方图,得到两个32维的所述参考影像直线特征li的特征描述符和如图5a所示;
式中,x表示特征区域FRi内的像素点,dist()为点到直线的距离函数,length()表示所述参考影像直线特征li的长度,li⊥表示所述参考影像直线特征li的中垂线,s是一个控制支撑区域大小的参数;
对所述候选同名直线特征集合中任意候选同名直线特征km,以其与所述参考影像直线特征li的两个端点在所述搜索影像上的核线的两个交点为基础,基于上式中计算所述参考影像直线特征li的特征区域的方法确定所述候选同名直线特征km在所述搜索影像上的特征区域,并基于所述参考影像直线特征li的特征描述符的获取方法得到两个32维的所述候选同名直线特征km的特征描述符和如图5b所示。
然后,基于下列公式计算所述参考影像直线特征与所有的所述候选同名直线特征的相似性度量值;
式中,S_Sim(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的相似性度量值,和为所述参考影像直线特征li的特征描述符,和为所述候选同名直线特征km的特征描述符,min()表示取最小值的函数,D(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的特征描述符距离;
获取其中相似性度量值最大的一个所述候选同名直线特征,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征与所述参考直线特征匹配成功;
重复上述步骤,遍历所有未匹配的所述参考影像直线特征,获得所述单直线特征匹配结果。
完成步骤4之后,执行步骤5:将所述初次匹配成功的直线特征、所述二次匹配成功的直线特征以及所述单直线特征匹配结果中匹配成功的直线特征合并得到最终的直线特征匹配结果。
本发明实施例针对宽基线影像视角变化问题,提出了一种基于分步匹配策略的直线特征匹配方法,其中,在初匹配中提出了一种无需任何先验信息的视角不变直线特征匹配方法,能够有效克服视差不连续区域的几何变形问题,获得优于传统方法的匹配结果,并且有助于在影像视角变化情况下对立体像对估计更准确的核线几何关系,为后续匹配扩展提供了技术支撑。
本发明实施例在初匹配基础上构建了一种基于核线几何约束的视角不变特征区域计算方法,在此基础上提出了一种直线特征匹配方法,有效提高了特征匹配率。
本发明实施例在特征匹配过程中,结合了多种几何约束条件,有效提高了匹配的精度和效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,包括以下步骤:
步骤(1):分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组;
步骤(2):基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计所述参考影像与所述搜索影像之间的核线几何关系;
步骤(3):基于所述核线几何关系,对步骤(2)中未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征;
步骤(4):基于所述核线几何关系,对步骤(2)和步骤(3)中均未匹配成功的所述参考影像直线特征和所述搜索影像直线特征进行单直线特征匹配,获得单直线特征匹配结果;
步骤(5):将所述初次匹配成功的直线特征、所述二次匹配成功的直线特征以及所述单直线特征匹配结果中匹配成功的直线特征合并得到最终的直线特征匹配结果。
2.根据权利要求1所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,步骤(1)中分别从参考影像和搜索影像中提取参考影像直线特征和搜索影像直线特征并编组,获得多个参考影像直线特征组和多个搜索影像直线特征组的方法包括:
采用国际公认的LSD算子分别对所述参考影像和所述搜索影像提取直线特征,获得多个所述参考影像直线特征和多个所述搜索影像直线特征;
分别对任意的所述参考影像直线特征和所述搜索影像直线特征,确定下式所示的支撑区域SRi:
式中,x表示支撑区域SRi内的像素点,li为任意的所述参考影像直线特征或所述搜索影像直线特征,dist()为点到直线的距离函数,length()表示li的长度,li⊥表示li的中垂线,s是一个控制支撑区域大小的参数;
基于li,判断其余任意所述参考影像直线特征或所述搜索影像直线特征lj,j≠i是否至少有一个端点位于li的支撑区域SRi内,且与li的交点位于支撑区域SRi内,如果是,则将lj,j≠i与li组成一个直线特征组,构成所述参考影像直线特征组或所述搜索影像直线特征组。
3.根据权利要求1所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,步骤(2)中基于所述参考影像直线特征组和所述搜索影像直线特征组进行视角不变直线特征初匹配,获得初次匹配成功的直线特征,并估计参考影像与搜索影像之间的核线几何关系的方法包括:
对任意所述参考影像直线特征组,在所述参考影像上确定对应的参考影像直线特征组视角不变区域;对任意所述搜索影像直线特征组,在所述搜索影像上确定对应的搜索影像直线特征组视角不变区域;
将所述参考影像上所有的所述参考影像直线特征组视角不变区域归一化为参考影像等边三角形区域,并以其内切圆区域作为参考影像直线特征组的特征区域;将所述搜索影像上所有的所述搜索影像直线特征组视角不变区域归一化为搜索影像等边三角形区域,并以其内切圆区域作为搜索影像直线特征组的特征区域;
分别将所述参考影像直线特征组的特征区域和所述搜索影像直线特征组的特征区域进行子区域划分,在每个所述参考影像直线特征组的特征子区域和所述搜索影像直线特征组的特征子区域内分别计算梯度方向直方图并累计,分别获得所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符;
分别对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的特征描述符进行归一化处理;
利用NNDR算法对所述参考影像直线特征组的特征描述符和所述搜索影像直线特征组的描述符进行匹配,获得匹配成功的直线特征组,并根据直线特征组中单直线特征的相对左右位置关系确定一一对应的初次匹配成功的直线特征;
将所述匹配成功的直线特征组的交点作为同名点,采用RANSAC方法估计影像之间的基础矩阵,得到核线几何关系。
4.根据权利要求3所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,所述将所述参考影像直线特征组的特征区域进行子区域划分,在每个所述参考影像直线特征组的特征子区域内计算梯度方向直方图并累计,获得所述参考影像直线特征组的特征描述符的方法为:
将所述参考影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,得到12个所述参考影像直线特征组的特征子区域,在每个所述参考影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述参考影像直线特征组的特征描述符。
5.根据权利要求3所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,所述将所述搜索影像直线特征组的特征区域进行子区域划分,在每个所述搜索影像直线特征组的特征子区域内计算梯度方向直方图并累计,获得所述搜索影像直线特征组的特征描述符的方法为:
将所述搜索影像直线特征组的特征区域沿径向方向二等分,在角度方向六等分,得到12个所述搜索影像直线特征组的特征子区域,在每个所述搜索影像直线特征组的特征子区域内计算8个方向的梯度方向直方图,将梯度方向直方图累积得到96维的所述搜索影像直线特征组的特征描述符。
6.根据权利要求3所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,步骤(3)中基于所述核线几何关系,对步骤(2)中未匹配成功的所述参考影像直线特征组和所述搜索影像直线特征组进行二次匹配,获得二次匹配成功的直线特征的方法包括:
对任意未匹配成功的所述参考影像直线特征组,通过搜索影像直线特征组交点到核线的距离约束、搜索影像直线特征组重叠约束以及搜索影像直线特征组沿核线方向的点线位置关系约束在所述搜索影像上确定候选同名直线特征组集合;
分别计算所述参考影像直线特征组和所述候选同名直线特征组集合中每个候选同名直线特征组的视角不变区域,获得所述参考影像直线特征组对应的所述参考影像直线特征组视角不变区域和每个所述候选同名直线特征组对应的所述搜索影像直线特征组视角不变区域;
分别对所述参考影像直线特征组视角不变区域和每个所述搜索影像直线特征组视角不变区域进行归一化并计算特征描述符,获得所述参考影像直线特征组的特征描述符和所述候选同名直线特征组的特征描述符;
基于下式计算所述参考影像直线特征组与每个所述候选同名直线特征组的相似性;
式中,lilj为所述参考直线特征组,kmkn为所述候选同名直线特征组,EG_Sim(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的相似性度量值,为所述参考直线特征组lilj的特征描述符,和为所述候选同名直线特征组kmkn在两种情况下的特征描述符,min()表示取最小值的函数,D(lilj,kmkn)表示所述参考直线特征组lilj与所述候选同名直线特征组kmkn的特征描述符距离;
获取其中相似性度量值最大的一个所述候选同名直线特征组,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征组与所述参考直线特征组匹配成功;根据所述匹配成功的直线特征组中单直线特征的相对左右位置关系确定一一对应的二次匹配成功的直线特征;
重复上述步骤,遍历所有未匹配的所述参考影像直线特征组,获得所述二次匹配成功的直线特征。
7.根据权利要求6所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,所述搜索影像直线特征组交点到核线的距离约束为:
对于未匹配成功的所述参考影像直线特征组lilj,计算其交点pij在搜索影像上的核线epij;计算所述搜索影像上未匹配成功的所述搜索影像直线特征组的交点与所述核线epij之间的距离,距离小于阈值Te的所述搜索影像直线特征组构成所述参考影像直线特征组lilj的候选同名直线特征组集合
所述搜索影像直线特征组重叠约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征重叠规则;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除;
所述搜索影像直线特征组沿核线方向的点线位置关系约束为:
基于所述参考影像直线特征组lilj,判断所述候选同名直线特征组集合中的任意所述搜索影像直线特征组中是否两条所述搜索影像直线特征均满足单直线特征沿核线方向的点线位置关系约束;若是,则确定所述搜索影像直线特征组为所述候选同名直线特征组;若否,则将所述搜索影像直线特征组从所述候选同名直线特征组集合中剔除。
8.根据权利要求7所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,所述单直线特征重叠规则为:对于所述参考影像上的所述参考影像直线特征,其在所述搜索影像上对应的同名直线特征位于所述参考影像直线特征的两个端点在所述搜索影像上的两条核线所夹区域内,或与至少一条所述核线相交;
所述单直线特征沿核线方向的点线位置关系约束为:
在所述参考影像上未匹配的所述参考影像直线特征li的邻域内寻找距离最近的一对同名直线特征组交点(Ri,Ti),并计算所述参考影像和所述搜索影像上经过所述同名直线特征组交点的同名核线和
计算所述参考影像直线特征li与所述同名核线的交点,并计算所述交点与所述同名直线特征组交点Ri之间的距离d;
在所述搜索影像上沿所述同名核线的方向,在所述同名直线特征组交点Ti两侧分别确定λ·d+t的搜索范围,位于所述搜索范围内的所述搜索影像直线特征视为满足所述单直线特征沿核线方向的点线位置关系约束;其中,λ为参考影像与搜索影像的空间分辨率比值参数,t为影像几何形变容忍度参数。
9.根据权利要求8所述的结构自适应的宽基线影像视角不变直线特征匹配方法,其特征在于,步骤(4)中对步骤(2)和步骤(3)中还未匹配成功的所述参考影像直线特征和所述搜索影像直线特征进行单直线特征匹配,获得三次匹配成功的直线特征的方法包括:
基于所述单直线特征重叠规则和所述单直线特征沿核线方向的点线位置关系约束,对任意未匹配成功的所述参考影像直线特征li在所述搜索影像上确定候选同名直线特征集合;
基于下式确定所述参考影像直线特征li的特征区域,并将所述参考影像直线特征li两侧的特征区域分别划分为4个子区域,以所述参考影像直线特征li的方向为主方向,在每个所述子区域内统计8个方向的梯度方向直方图,得到两个32维的所述参考影像直线特征li的特征描述符和
式中,x表示特征区域FRi内的像素点,dist()为点到直线的距离函数,length()表示所述参考影像直线特征li的长度,li⊥表示所述参考影像直线特征li的中垂线,s是一个控制支撑区域大小的参数;
对所述候选同名直线特征集合中任意候选同名直线特征km,以其与所述参考影像直线特征li的两个端点在所述搜索影像上的核线的两个交点为基础,基于上式中计算所述参考影像直线特征li的特征区域的方法确定所述候选同名直线特征km在所述搜索影像上的特征区域,并基于所述参考影像直线特征li的特征描述符的获取方法得到两个32维的所述候选同名直线特征km的特征描述符和
基于下列公式计算所述参考影像直线特征与所有的所述候选同名直线特征的相似性度量值;
式中,S_Sim(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的相似性度量值,和为所述参考影像直线特征li的特征描述符,和为所述候选同名直线特征km的特征描述符,min()表示取最小值的函数,D(li,km)表示所述参考影像直线特征li与所述候选同名直线特征km的特征描述符距离;
获取其中相似性度量值最大的一个所述候选同名直线特征,并判断其对应的所述相似性度量值是否大于阀值Tsim,若是,则确定所述候选同名直线特征与所述参考直线特征匹配成功;
重复上述步骤,遍历所有未匹配的所述参考影像直线特征,获得所述三次匹配成功的直线特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811584093.1A CN109711321B (zh) | 2018-12-24 | 2018-12-24 | 一种结构自适应的宽基线影像视角不变直线特征匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811584093.1A CN109711321B (zh) | 2018-12-24 | 2018-12-24 | 一种结构自适应的宽基线影像视角不变直线特征匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711321A true CN109711321A (zh) | 2019-05-03 |
CN109711321B CN109711321B (zh) | 2020-09-01 |
Family
ID=66257347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811584093.1A Active CN109711321B (zh) | 2018-12-24 | 2018-12-24 | 一种结构自适应的宽基线影像视角不变直线特征匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711321B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443837A (zh) * | 2019-07-03 | 2019-11-12 | 湖北省电力勘测设计院有限公司 | 一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统 |
CN111414968A (zh) * | 2020-03-26 | 2020-07-14 | 西南交通大学 | 一种基于卷积神经网络特征图的多模态遥感影像匹配方法 |
CN111461032A (zh) * | 2020-04-03 | 2020-07-28 | 西南交通大学 | 局部结构与拓扑几何约束的倾斜影像直线特征匹配方法 |
CN111898646A (zh) * | 2020-07-06 | 2020-11-06 | 武汉大学 | 一种基于点线图优化求解的跨视图影像直线特征匹配方法 |
CN113536839A (zh) * | 2020-04-15 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置、实现定位的方法及装置和智能设备 |
CN113781587A (zh) * | 2021-09-23 | 2021-12-10 | 中国科学院东北地理与农业生态研究所 | 基于最佳路径的遥感影像色彩一致性处理方法 |
CN113536839B (zh) * | 2020-04-15 | 2024-05-24 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置、实现定位的方法及装置和智能设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004063991A1 (ja) * | 2003-01-14 | 2004-07-29 | The Circle For The Promotion Of Science And Engineering | 画像のサブピクセルマッチングにおける多パラメータ高精度同時推定方法及び多パラメータ高精度同時推定プログラム |
CN103345757A (zh) * | 2013-07-19 | 2013-10-09 | 武汉大学 | 多层次多特征约束下的光学和sar影像自动配准方法 |
US20150154470A1 (en) * | 2013-11-29 | 2015-06-04 | Samsung Techwin Co., Ltd. | Image matching method using feature point matching |
CN106295652A (zh) * | 2016-07-27 | 2017-01-04 | 中测高科(北京)测绘工程技术有限责任公司 | 一种直线特征匹配方法及系统 |
CN106780577A (zh) * | 2016-12-02 | 2017-05-31 | 辽宁工程技术大学 | 一种基于组特征的直线匹配方法 |
CN107025449A (zh) * | 2017-04-14 | 2017-08-08 | 西南交通大学 | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 |
CN108734172A (zh) * | 2018-04-02 | 2018-11-02 | 上海鹰觉科技有限公司 | 基于直线边缘特征的目标识别方法、系统 |
-
2018
- 2018-12-24 CN CN201811584093.1A patent/CN109711321B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004063991A1 (ja) * | 2003-01-14 | 2004-07-29 | The Circle For The Promotion Of Science And Engineering | 画像のサブピクセルマッチングにおける多パラメータ高精度同時推定方法及び多パラメータ高精度同時推定プログラム |
CN103345757A (zh) * | 2013-07-19 | 2013-10-09 | 武汉大学 | 多层次多特征约束下的光学和sar影像自动配准方法 |
US20150154470A1 (en) * | 2013-11-29 | 2015-06-04 | Samsung Techwin Co., Ltd. | Image matching method using feature point matching |
CN106295652A (zh) * | 2016-07-27 | 2017-01-04 | 中测高科(北京)测绘工程技术有限责任公司 | 一种直线特征匹配方法及系统 |
CN106780577A (zh) * | 2016-12-02 | 2017-05-31 | 辽宁工程技术大学 | 一种基于组特征的直线匹配方法 |
CN107025449A (zh) * | 2017-04-14 | 2017-08-08 | 西南交通大学 | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 |
CN108734172A (zh) * | 2018-04-02 | 2018-11-02 | 上海鹰觉科技有限公司 | 基于直线边缘特征的目标识别方法、系统 |
Non-Patent Citations (3)
Title |
---|
JIEXIAN ZENG,ET AL.: "Straight line matching method based on line pairs and feature points", 《IET COMPUTER VISION》 * |
杨化超: "宽基线立体影像点、线特征提取与匹配方法研究", 《中国博士学位论文全文数据库(信息科技辑)》 * |
梁艳 等: "利用局部仿射不变及核线约束的近景影像直线特征匹配", 《武汉大学学报(信息科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443837A (zh) * | 2019-07-03 | 2019-11-12 | 湖北省电力勘测设计院有限公司 | 一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统 |
CN110443837B (zh) * | 2019-07-03 | 2021-09-24 | 湖北省电力勘测设计院有限公司 | 一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统 |
CN111414968A (zh) * | 2020-03-26 | 2020-07-14 | 西南交通大学 | 一种基于卷积神经网络特征图的多模态遥感影像匹配方法 |
CN111461032A (zh) * | 2020-04-03 | 2020-07-28 | 西南交通大学 | 局部结构与拓扑几何约束的倾斜影像直线特征匹配方法 |
CN113536839A (zh) * | 2020-04-15 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置、实现定位的方法及装置和智能设备 |
CN113536839B (zh) * | 2020-04-15 | 2024-05-24 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置、实现定位的方法及装置和智能设备 |
CN111898646A (zh) * | 2020-07-06 | 2020-11-06 | 武汉大学 | 一种基于点线图优化求解的跨视图影像直线特征匹配方法 |
CN111898646B (zh) * | 2020-07-06 | 2022-05-13 | 武汉大学 | 一种基于点线图优化求解的跨视图影像直线特征匹配方法 |
CN113781587A (zh) * | 2021-09-23 | 2021-12-10 | 中国科学院东北地理与农业生态研究所 | 基于最佳路径的遥感影像色彩一致性处理方法 |
CN113781587B (zh) * | 2021-09-23 | 2024-01-30 | 中国科学院东北地理与农业生态研究所 | 基于最佳路径的遥感影像色彩一致性处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109711321B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Pothole detection based on disparity transformation and road surface modeling | |
CN109711321A (zh) | 一种结构自适应的宽基线影像视角不变直线特征匹配方法 | |
Jain et al. | Exploiting global connectivity constraints for reconstruction of 3D line segments from images | |
EP2751777B1 (en) | Method for estimating a camera motion and for determining a three-dimensional model of a real environment | |
Bourdis et al. | Constrained optical flow for aerial image change detection | |
CN102804231B (zh) | 三维场景的分段平面重建 | |
Jiang et al. | Detection of concentric circles for camera calibration | |
Cham et al. | Estimating camera pose from a single urban ground-view omnidirectional image and a 2D building outline map | |
Fouhey et al. | Multiple plane detection in image pairs using j-linkage | |
Yang et al. | Ransac matching: Simultaneous registration and segmentation | |
CN107657644B (zh) | 一种移动环境下稀疏场景流检测方法和装置 | |
CN112163622B (zh) | 全局与局部融合约束的航空宽基线立体像对线段匹配方法 | |
Zhao et al. | Reconstruction of textured urban 3D model by fusing ground-based laser range and CCD images | |
CN107025647B (zh) | 图像篡改取证方法及装置 | |
Koch et al. | Wide-area egomotion estimation from known 3d structure | |
CN113393524A (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
Alvarez et al. | Camera auto-calibration using zooming and zebra-crossing for traffic monitoring applications | |
KR101154436B1 (ko) | 콘텍스트 교차에 근거한 라인 매칭 방법 | |
McCarthy et al. | Surface extraction from iso-disparity contours | |
Cheng et al. | Texture mapping 3d planar models of indoor environments with noisy camera poses | |
Kang et al. | 3D urban reconstruction from wide area aerial surveillance video | |
Boleček et al. | Fast method for reconstruction of 3D coordinates | |
Pears et al. | Mobile robot visual navigation using multiple features | |
Klaus et al. | MetropoGIS: A semi-automatic city documentation system | |
Lourakis et al. | Autonomous visual navigation for planetary exploration rovers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |