【技术实现步骤摘要】
代价计算动态规划的航空影像DSM匹配法
[0001]本专利技术涉及一种航空遥感影像DSM匹配法,特别涉及一种代价计算动态规划的航空影像DSM匹配法,属于航空遥感影像匹配
技术介绍
[0002]由于传统的二维空间数据在应用中的局限性,如不能表示物体的位置、姿态、形状等,已不能满足客观应用需求,人们对三维表达的需求越来越急切,客观世界三维表达受到越来越多的重视,成为数字图像处理、计算机视觉、数字摄影测量等领域的热点。
[0003]三维重构在各个领域有广泛的应用,三维重构过程中解决信息丢失是目前面临的主要的问题。丢失的信息主要包括两种情况:一是把三维场景转化为二维图像过程中,由于前面的场景遮挡了后面的场景而产生的信息丢失;二是在获取二维图像过程中,场景中的连续点被表示为图像中离散的像素点产生的信息丢失,噪声等因素也对三维重构过程产生一定干扰。
[0004]数字表面模型(DSM)指物体表面形态以数字表达的集合,是地表及其自然,人工地物空间信息的统一体。摄影测量与激光扫描是获取DSM的两种基本方法。但由于激光扫描系统价格昂贵,短时间内很难得到大范围普及。因此,在生产中用摄影测量法获取DSM仍是最主要的方法,摄影测量的优势在于能够获取更丰富的建筑物边缘信息。摄影测量中,DSM提取的关键为通过自动影像匹配找寻立体像对中的同名像点。
[0005]数字摄影测量是以影像匹配取代传统的人工观测,达到自动确定同名像点的目的,影像匹配的质量决定数字摄影测量数据在后续处理过程中的精度,匹配自动化程度是提高数字近 ...
【技术保护点】
【技术特征摘要】
1.代价计算动态规划的航空影像DSM匹配法,其特征在于,包括代价计算动态匹配法和航空影像DSM匹配,代价计算动态匹配法包括三维匹配的基本流程和基于不同匹配代价的动态匹配,基于不同匹配代价的动态匹配已知核线关系,即处理影像需要已知相对定向元素在匹配运算时动态的计算核线信息,包括:互信息驱动的匹配代价动态计算、匹配代价的动态聚合、视差动态计算、视差一致性检测、遮挡检测处理、遮挡填充过滤;代价计算动态匹配法以较低的计算复杂度完成高精度视差的计算,基于局部逐点匹配代价计算,在待匹配像素多个方向上进行动态规划,以一维平滑模拟二维平滑约束来找寻其最佳匹配点,获得的匹配效果在精度和实时性上都有比较可靠的保证;本发明通过一致性检测和遮挡检测,解析参数对匹配的影响,以及不同匹配代价的计算对匹配的影响,并进行匹配精度的分析,本发明的代价计算动态规划的航空影像匹配方法,首先对航空影像进行核线重排得到核线图像,然后利用互信息驱动的代价计算动态规划对核线图像进行匹配得到视差图,最后通过视差图计算出数字表面模型DSM;利用动态匹配对航空影像处理生成DSM的流程为:第一步,生成原始三维影像对;第二步,进行核线重采样;第三步,通过核线影像进行代价计算动态规划三维匹配;第四步,将第三步的结果通过视差图与第二步的结果进行前方交会;第五步,通过前方交会生成DSM。2.根据权利要求1所述的代价计算动态规划的航空影像DSM匹配法,其特征在于,互信息驱动的匹配代价动态计算:设参考图像J
e
上像素w点的灰度值为J
ew
,待匹配图像J
n
上对应像点k=b
en
(w,a)的灰度值为J
nk
,其中函数b
en
(w,a)表示像素w和k坐标之间的一一对应关系,对核线图像b
en
(w,a)=[w
x
‑
a,w
y
],a为左右视差;互信息计算过程中全局灰度差异表现在相关灰度的联合直方图里,有效处理辐射差异造成的影响,互信息NJ描述两个系统之间的统计相关性,在图像匹配的过程中,采用信息熵和协同信息熵定义,如式3:信息熵通过计算两幅图像的联合灰度值概率分布值W得到,对于纠正过的核线图像,通过一幅图像预测另一幅图像,信息熵的计算式为:过一幅图像预测另一幅图像,信息熵的计算式为:初始视差图作为基础,在整幅影像上进行互信息计算,利用泰勒级数展开将协同信息熵的计算转化为求以下数据项的和,如式6所示:数据项l
J1,J2
表示对同名像对的联合灰度概率分布进行二维高斯卷积运算,利用值取决于同名像对的亮度值,且每个像素计算过程相互独立。3.根据权利要求2所述的代价计算动态规划的航空影像DSM匹配法,其特征在于,本发
明实验得出采用7*7高斯卷积窗口计算更快,在第一次高斯滤波之后可能会出现一些0值,为防止对数运算的错误用较小的值来替代这些0值,同名像素点的亮度值的联合概率分布用R[]函数计算,如果输入参数为真,则输出值为1,否则输出值为0:其中W的计算是两幅图像的联合灰度数除以所有相应的总数,图像信息熵L
J1
不变,L
J2
也几乎不变,反映J2的灰度值的视差图重新分布,故协同信息熵作为像素J
1w
和J
2w
匹配测度,但如果存在遮挡,则一些像素点找不到对应的同名像点,这样的点没有被计算到,会引起图像信息熵的变化,协同信息熵的计算通过以下信息熵来表示:概率分布W
J
只要在影像J1和J2相应的区域计算,不需要在整幅影像中,通过在相应区域的行和列的联合概率分布之和可以得到互信息定义为:互信息定义为:互信息驱动的匹配代价定义为:在计算互信息时获取一个初始视差图对匹配影像J
n
做处理,初始视差图的获取采用金字塔分层迭代的方法:先在较小的分辨率上用随机视差图计算,然后用匹配得到的新视差图来内插高分辨率上的视差图作为下一次迭代的初始视差图。4.根据权利要求1所述的代价计算动态规划的航空影像DSM匹配法,其特征在于,匹配代价的动态聚合:在平滑性约束的前提下,两个惩罚参数(W1,W2)添加到动态匹配能量函数中用于对视差变化的惩罚,视差图A的能量函数B(A)如式12所示:差变化的惩罚,视差图A的能量函数B(A)如式12所示:式中,第一项表示以视差图A作为初始视差计算出的所有像素点的匹配代价的和,第二项对像素w某邻域M
w
中所有视差变化较小的像素k以W1做较小的惩罚,第三项对视差变化较大的像素k以W2做较大的惩罚,即平滑约束,W1<W2,通过添加较小的惩罚参数W1使能量函数能够适应曲面或倾斜的物体表面,较大的惩罚参数W2则防止不正确的视差传播保证视差在边缘处的不连续,函数R[]如式13所示,当且仅当其参数为真时R[]为1,否则为0;匹配过程即能量函数的最优化,找到使能量函数B(A)有最小值的视差图A,采用多个方向的一维平滑来模拟二维平滑,在每一条路径上按照动态规划进行计算,以多个简单的一维搜索来获得二维层次上能量函数的最优解。5.根据权利要求1所述的代价计算动态规划的航空影像DSM匹配法,其特征在于,视差动态计算:在计算所有像素的匹配代价C(w,a)之后,参考图像J
e
的视差图A
e
的确定,在动态
匹配算法中得到视差,即计算像素点W的视差a
w
=min
a
C(w,a),即总匹配代价最小时所对应的视差值,对参考图像和目标图进行区别对待,但仍根据C(w,a)估算J
n
对应的视差图A
n
,对于J
n
中的像素点k,深度a
n
=min
a
C(b
ne
(k,a),a),最终的视差的获取是对A
e
和A
n
分别采用3*3的滤波窗口的中值滤波去掉变化较大的深度。6.根据权利要求1所述的代价计算动态规划的航空影像DSM匹配法,其特征在于,视差一致性检测:经过视差的一致性检测,对经过处理的视差图A
e
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。