普通数码影像匹配方法研究

曹兵

摘要：近年来，普通数码相机由于价格低，分辨率高，数据采集方便，操作简单等优势，被广泛地应用到数字近景摄影测量领域。由于近景摄影测量变形较大，传统的匹配技术无法满足要求，本课题针对普通数码影像的特点进行分析，研究适合普通数码影像匹配的方法。

1.引言

目前普通数码相机广泛用于近景摄影测量领域中，普通数码相机是非测量相机，所获取的相片属于近景象片，但相片没有已知的内方位元素且影像变形比较大，普通数码立体像对摄影比例尺大，影像灰度畸变，几何变形大，且立体像对不存在严格同名核线。普通数码影像与航空影像相比，存在更为复杂的影像变形和影像遮挡等问题。

本文就普通数码相机影像数据的特点和匹配原理，做进一步深入的研究，提出一种匹配概率高、误差小、速度快、适应性好、精度高的普通数码影像的匹配方法，并做深入论述，提出一些速度快、精度高的匹配方法。

2.普通数码影像的匹配特点及优势

2.1普通数码影像的匹配特点

普通数码相机作为获取摄影测量数据的重要设备，与传统的量测相机相比，它具有以下明显优势：

（1）像元几何位置固定。软片压平误差是量测相机的主要系统误差之一。如果量测时采用冲洗，放大的复制片，相片变形误差的影响将会更加显著。而数码相机不需要底片，且像元几何位置固定，因此不存在需要标准格网来改变底片变形的问题。

（2）影像获取快速。数码相机采用存储卡存储影像，还可以直接与计算机连接，因而效率高，信息处理周期短，适于工程监测。

（3）现场应用方便。普通数码相机全固体化，体积小、重量轻、适应性强，在环境复杂地区进行外业拍摄具有很强的机动灵活性。

2.2普通数码影像匹配理论基础

2.2.1普通数码影像

数码相片，是二维图像用有限数字数值像素的表示。以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。像素，是数字图像的基本元素，每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。通常，像素在计算机中保存为二维整数数组的光栅图像，这些值经常用压缩格式进行传输和储存。

2.2.2普通数码影像匹配基础

影像匹配就是自动确定同名点，自动化摄影测量的过程，便于理解我们先用识别数字的过程阐述影像匹配原理。

一组数字：1，3，6，2，用计算机怎样识别他们呢？我们知道一共就只有10个数字，需要识别的数字一定就是他们中的一个，所以，我们首先建立10个数字的模板，然后将需要识别的数字每一个逐一套合，套合最佳就是识别的结果。套合就是指匹配的意识，判断匹配的准则很多，其中最简单的算法是：统计匹配的影像中所有像素的灰度差的绝对值的总和最小即∑{g模板-g数字}=min就是最佳套合。

影像匹配原理与上述数字识别的过程基本相同。用例说明，作影像有一个明显点a1，要用什么方法在右影像上确定它的同名点a2呢？其步骤如下：

①在左影像上以目标点a1为中心取一块影像的灰度建立一个目标区；

②预测a1在有影响上的同名点a2可能在的位置及范围；

③去预测范围大小的灰度阵列，组成一个搜索区，搜索范围一定大于目标区；

④将目标区叠合在搜索区的初始位置上，计算其灰度差的绝对值总和：SDG=∑{g目标-g搜索}

⑤依次在x方向，y方向移动目标区，每移动一次就计算一次；

⑥比较所有的SDG，当SDG=min，该位置就是a1在右影像上确定其同名点a2；由于上述搜索过程是在x，y两个方向上进行，因此它称为二维匹配。

再取的立体像对的相对位置后，就可以将二维匹配转化为一维匹配，核点是两个影像摄影中心连线与影像的交点。核面是通过基线所做的平面，核线是核面与影像的交线。同名核面是同一核面与左右影像的交线，确定同名核线后手搜索同名点的问题就由原来的二维搜索变成一维搜索，这时搜索区的宽度与目标区的宽度相等，同名点的搜索只需在一个方向上进行，可极大地节省计算时间。

常用的影像匹配方法可分为两种：①基于影像灰度匹配的影像匹配算法；②基于影像特征的匹配算法。

基于影像灰度的影像匹配算法以左右相片含有相应影像的目标区和搜索区中的象元的灰度作为影像匹配的基础，利用一些匹配算法，影像匹配可以用二维窗口，也可以用一维窗口的象元灰度参与计算，一维匹配进行时，搜索只在一维方向上进行，具有计算量小，精度好的特点。

3.普通数码影像匹配方法：随点生成核线匹配方法的理论研究

3.1核线模型的确定

基于优选构象畸变改正模型及选择像控点的透视变换未知参数序贯算法，以对普通数码相机进行量测化，即可得到相机的畸变参数和内方位元素。再根据摄影测量原理，左影像一条核线上两点的共面条件方程。

3.2随点生成核线匹配方法的原理

根据以上结论，本文提出了随点生成核线匹配方法，即利用匹配点在右相片的搜索区x方向的两个极值点计算右片上的同名核线。因为在匹配过程中，计算每一个匹配点之前都要生成一条核线，因此称为随点生成核线。

意图如图1所示，图中11、1'1，12、1'2…In、I'n为立体像对中的同名核线，p1、p'1，p2、p'2…pn、p'n为同名像点，d为确定右片同名核线的两点x方向的距离。若同名像点偏离同名核线的距离小于一个像元，那么就可以进行一维匹配。

4.普通数码影像匹配方案的实施

4.1控制点布置

对于非测普通数码相机，相机不带框标，相片的内方位元素未知，相片的内方位元素无法进行，通常是采用相对定向的直接解算方法，为了进行相对定向的直接解算，至少需要10对同名点的相片坐标。在拍摄前至少在拍摄目标上布设至少20个左右的控制点，用经纬仪，水准仪，全站仪量测出控制点三维坐标，控制点应采用一些特殊标志，控制点的布置应尽量覆盖整个目标区，为后面的自动识别及相对定向直接解算方程做准备。控制点的匹配采用人工识别和自动识别相结合的方案，先在计算机上用人工识别的方法点出控制点的初六位置，让后采用影像匹配方法搜索最佳位置，采用前面所述随点生成核线的影像匹配方案。

4.2内，外方位元素的解算

当匹配出控制点的位置后，就可利用直接线性变换方法解算相对的内方位元素和外方位元素，进而解算出相对定向的方为元素BX，BY，BZ，和右相片的三个角元素的旋转矩阵的9个元素，在相对定向方位元素解算出来的基础上，使用空间后方交会直接解算左右摄站点的物方坐标。在上述解算中都是采用平差方法解算的。

4.3核线影像的匹配

在影像整体匹配时，为提高匹配效率和匹配速度，对左右影像采用LV算子提取特征点。根据控制点的匹配结果，预测出备选点在左右影像的区域，匹配出一定数量的同名点，在已匹配的同名点的基础上，沿核线重采样形成核线影像，开始核线匹配。①开始几条核线采用多种算法，选择其中结果最好的一条核线，其中核线上的同名点应是提取特征点。其他核线的相关以相关结果最好的一条核线作为预测基础。②以后各条核线上的相关利用已知相关核线上的视差预测待相关点位，待相关点位既是同名核线上的点也是特征点位，并对搜索区进行比例尺改正和重取样，预测点位在3个象元大小，在搜索区内预测点和左右个三个像元位置上计算七个相关系数和差的绝对值之和。③每条核线同名点的搜索只在核线方向上进行，也就是匹配窗口是一维的，在一维相关搜索的情况下，在左核线上选一个5个象元的目标区，在右片上选一个包含目标区数字影像的搜索区，搜索时在右核线上选一个大小与目标区相同的相关窗口，该窗口在搜索区内仅沿核线移动，每移动一次计算一次，以多重判断方法确定相关窗口中心为目标点。在出匹配中，使用搜索区位置预测的方法确定搜索区位置，当目标点确定以后，必须预测搜索区的位置。

5.小结

本章就普通数码影像的匹配介绍了普通数码影像用与近景摄影测量的优势和存在的不足，并针对普通数码相机影像的特点和数字图像的匹配原理提出了一种随点生成核线的影像匹配方法，着重介绍了这种方法的原理并结合实验数据说明了这种方法的可靠性和精度。实验结果表明：这种方法和算法获得了较好的匹配效果，计算速度快，匹配概率高，匹配误差小，稳定性好。