搜索
特征匹配特征匹配的概念基于特征点的影像匹配策略跨接法影像匹配主要内容特征匹配以影像的灰度分布为影像匹配的基础，被称为灰度匹配（AreaBasedImageMatching）特征匹配（FeatureBasedMatching，在计算机界也称为PrimitiveBasedMatching）。1）什么是基于特征的影像匹配？(what)以影像上提取的特征为共轭实体，以特征的描述参数为匹配实体，通过计算匹配实体之间的相似性测度实现共轭实体配准的影像匹配方法，称为基于特征的影像匹配(Feature-BasedImageMatching)。常用的特征有点、线、面等，常用的特征描述参数包括点的圆度，特征周围的灰度分布；线的长度、方向、宽度、梯度；面特征面积、形状、与周围面特征的关系等。当待匹配的点位于低反差区内，其匹配的成功率不高。目的只需要配准某些点线或面在城市中，被处理的对象主要是人工建筑物，灰度匹配难以适应特征匹配使用的几种场合（1）当匹配的点位于低反差区内，即在该窗口内信息贫乏，信噪比很小，则其匹配的可靠性不高。（2）目的只需配准某些“感兴趣”的点、线或面。（3）在大比例尺城市航空摄影测量中，被处理的对象主要是人工建筑物，灰度匹配难以适应。特征的匹配可以分为点、线、面特征匹配特征提取特征描述iSffijijji)(11例如：首先可以用边缘算子（EdgeOperator）从影像中提取边缘，然后再用参数描述“边缘”。常用-S曲线表达边缘：建立金字塔分层影像金字塔模板匹配为了加快搜索速度，很多影像匹配方法使用金字塔影像。对影像进行一次采样率为1/n(n=2,3)的重采样，即把影像的每n×n个像素变为一个像素，这样就得到一对长、宽都为原来1/n的影像，把它作为金字塔的第二层。再对第二层用同样方法进行一次采样率为1/n的重采样，又得到第三层（顶层）。原始影像作为金字塔影像的底层。金字塔影像匹配的步骤第一步：顶层的匹配，得到一个平移初始值。第二步：根据平移初始值乘以n得到第二层平移量初始值，在它m×m个像元的邻域内进行模板匹配。第三步：根据第二层匹配值乘以n得到第三层平移量初始值，再进行一次模板匹配。如果影像尺寸不是特别大，可以只用两层金字塔。基于特征点的影像匹配的策略特征提取根据各特征点的兴趣值将特征点分成几个等级对不同的目的，特征点的提取应有所不同将特征点分成几个等级不同的目的提不同特征点均匀分布随机分布特征点的分布则可有两种方式（2）均匀分布。将影像划分成规则矩形格网，每一格网内提取特征点。(1)随机分布。按顺序进行特征提取，但控制特征的密度。特征点的分布则可有两种方式：特征点的匹配二维匹配与一维匹配影像方位参数未知时，必须进行二维影像匹配;建立影像模型，形成核线进行一维匹配1.对右影像也进行相应特征提取2.右影像不进行特征提取3.右影像不进行特征提取，但也不将所有的点作为可能的匹配点，匹配的备选点选择方法特征点的提取与匹配的顺序“深度优先”“广度优先”匹配的准则除了运用一定的相似性测度，一般还可考虑特征的方向，周围已匹配点的结果粗差的剔除小范围内利用倾斜平面模型进行视差拟合，将残差大于某一阈值点作为粗差剔除跨接法影像匹配ABb1a1a2b2先不顾及几何变形作“粗匹配”，然后用其结果作几何改正再匹配几何变形处理影像几何变形的两种方式最小二乘影像匹配将影像匹配与几何改正均作为参数同时解算影像匹配几何改正影像匹配几何改正与影像匹配影像匹配影像匹配优点！特征分割法特征定义为一个“影像段”，由三个特征点组成：一个灰度梯度最大点Z，两个“突出点”（梯度很小）S1，S2在提取特征时，所用算子不仅应顺次地提取出一个特征上三个特征点的像素序号（点位），而且还应保留两个突出点S1，S2之灰度差。特征分割法跨接法影像匹配步骤l.特征提取2.构成跨接法匹配窗口所谓跨接法窗口结构，就是将两个特征连接起来构成窗口，FbFe左窗口右窗口Fb123Fb1特征1重采样窗口Fb3第一步：几何改正，重采样第二步：相关特征3重采样窗口跨接法影像匹配在左方影像上Fb和Fe分别是已配准与待匹配的特征构成目标窗口右方影像上，Fb是已配准的特征，在右方影像上选定若干特征比较待匹配特征Fe与备选特征之间的特征参数，选取相似特征在右方影像上，以Fb为窗口的一个端点特征，而以被选定的备选特征1，3为窗口的另一端的特征，构成不同的匹配窗口对匹配窗口进行重采样，使其大小始终等于左方影像的目标窗口的长度，从而消除了几何畸变对相关的影响。计算目标窗口与重采样的匹配窗口的相关系数，按最大相关系数的准则确定Fe的同名特征。将目标窗口[a',b']整个视为待配准元“影像段”在右核线上建立一些备选的搜索窗口