一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法
【專利摘要】本發(fā)明公開了一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，包括步驟：一、圖像預(yù)處理：對待匹配的兩幅數(shù)字影像分別進(jìn)行去噪和濾波處理，待匹配的兩幅數(shù)字影像為采用航空攝影測量方法獲取的兩幅被測量區(qū)域的數(shù)字影像；兩幅所述數(shù)字影像均為二維圖像；二、SIFT特征提?。翰捎盟鰯?shù)據(jù)處理器對兩幅所述數(shù)字影像分別進(jìn)行SIFT特征提取，獲得兩幅所述數(shù)字影像的所有特征點(diǎn)及各特征點(diǎn)的SIFT特征描述子；三、構(gòu)建kd樹雙向搜索確定匹配點(diǎn)；四、粗差剔除：采用RANSAC算法進(jìn)行粗差剔除。本發(fā)明方法步驟簡單、設(shè)計(jì)合理、實(shí)現(xiàn)方便且魯棒性好、使用效果好，能有效解決現(xiàn)有匹配方法容易造成匹配失敗或誤匹配的問題。
【專利說明】一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于航空攝影測量處理【技術(shù)領(lǐng)域】，尤其是涉及一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法。
【背景技術(shù)】
[0002]影像匹配是指通過一定的影像匹配算法在兩幅或多幅影像之間識(shí)別同名點(diǎn)。影像匹配可以用于不用的領(lǐng)域中，如攝影測量處理、數(shù)字圖像處理、醫(yī)學(xué)圖像處理、遙感影像數(shù)據(jù)處理等方面，不同的應(yīng)用領(lǐng)域?qū)τ跋衿ヅ溆胁煌囊?。對航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配來說，要求匹配點(diǎn)的正確度高，而精度達(dá)到2個(gè)像素以內(nèi)即可。在實(shí)際應(yīng)用中匹配算法往往受到影像噪聲、影像旋轉(zhuǎn)和影像變形的影響，尤其是在航空攝影中，由于地形起伏、中心投影的攝影方式及飛行環(huán)境的影響，使航空攝影像旋轉(zhuǎn)及變形較大，因此需要通過影像匹配的方法進(jìn)行航空攝影飛行質(zhì)量自動(dòng)檢查，但是現(xiàn)有的匹配方法在自動(dòng)處理過程中容易造成匹配失敗或誤匹配的問題。
[0003]因而，現(xiàn)如今缺少一種方法步驟簡單、設(shè)計(jì)合理、實(shí)現(xiàn)方便且魯棒性好、使用效果好的適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其能對航空攝影的飛行質(zhì)量進(jìn)行檢查，并且正確度高，能有效解決現(xiàn)有的匹配方法在自動(dòng)處理過程中容易造成匹配失敗或誤匹配的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其方法步驟簡單、設(shè)計(jì)合理、實(shí)現(xiàn)方便且魯棒性好、使用效果好，能解決現(xiàn)有匹配方法容易造成匹配失敗或誤匹配的問題。
[0005]為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是:一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于該方法包括以下步驟:
[0006]步驟一、圖像預(yù)處理:采用數(shù)據(jù)處理器對待匹配的兩幅數(shù)字影像分別進(jìn)行去噪和濾波處理，待匹配的兩幅數(shù)字影像為采用航空攝影測量方法獲取的兩幅被測量區(qū)域的數(shù)字影像；兩幅所述數(shù)字影像均為二維圖像；兩幅所述數(shù)字影像分別為第一影像和第二影像；
[0007]步驟二、SIFT特征提取:采用所述數(shù)據(jù)處理器對兩幅所述數(shù)字影像分別進(jìn)行SIFT特征提取，獲得兩幅所述數(shù)字影像的所有特征點(diǎn)及各特征點(diǎn)的SIFT特征描述子；
[0008]步驟三、構(gòu)建kd樹雙向搜索確定匹配點(diǎn):采用所述數(shù)據(jù)處理器構(gòu)建kd樹并進(jìn)行雙向搜索，過程如下:
[0009]步驟301、第一次匹配，包括以下步驟:
[0010]步驟3011、構(gòu)建kd樹:將所述第二影像作為待匹配的基準(zhǔn)圖像，并將所述第二影像的所有特征點(diǎn)的SIFT特征描述子構(gòu)建kd樹；
[0011]步驟3012、特征匹配:利用步驟3011中所構(gòu)建的kd樹，且采用最鄰近算法對步驟二中提取的所述第一影像的所有特征點(diǎn)的SIFT特征描述子進(jìn)行特征匹配，找出所述第二影像中與所述第一影像匹配的所有特征點(diǎn)，所述第二影像中與所述第一影像匹配的特征點(diǎn)為匹配點(diǎn)；
[0012]步驟302、第二次匹配，包括以下步驟:
[0013]步驟3021、構(gòu)建kd樹:將所述第一影像作為待匹配的基準(zhǔn)圖像，并將所述第一影像的所有特征點(diǎn)的SIFT特征描述子構(gòu)建kd樹；
[0014]步驟3022、特征匹配:利用步驟3011中所構(gòu)建的kd樹，且采用最鄰近算法對步驟3012中匹配得出的所有匹配點(diǎn)進(jìn)行特征匹配，找出所述第一影像中與所述第二影像匹配的所有特征點(diǎn)，所述第一影像中與所述第二影像匹配的特征點(diǎn)為可靠匹配點(diǎn)；
[0015]步驟四、粗差剔除:通過所述數(shù)據(jù)處理器且采用RANSAC算法，對步驟3022中匹配得出的所有可靠匹配點(diǎn)進(jìn)行粗差剔除。
[0016]上述一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征是:步驟一中對所述數(shù)字圖像進(jìn)行去噪和濾波處理時(shí)，先對所述數(shù)字影像進(jìn)行高斯平滑濾波，再對高斯平滑濾波后的影像進(jìn)行Wallis濾波處理。
[0017]上述一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征是:步驟二中對所述數(shù)字影像進(jìn)行SIFT特征提取時(shí)，過程如下:
[0018]步驟201、高斯核卷積處理:根據(jù)公式L (χ, y, σ m) =G (x, y, σ m) X I (χ, y)，對待提取數(shù)字影像進(jìn)行M次高斯核卷積處理，獲得待提取數(shù)字影像的多尺度空間，所述多尺度空間包
含待提取數(shù)字影像的M個(gè)高斯金字塔空間L(x，y，σω)=
【權(quán)利要求】
1.一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于該方法包括以下步驟: 步驟一、圖像預(yù)處理:采用數(shù)據(jù)處理器對待匹配的兩幅數(shù)字影像分別進(jìn)行去噪和濾波處理，待匹配的兩幅數(shù)字影像為采用航空攝影測量方法獲取的兩幅被測量區(qū)域的數(shù)字影像；兩幅所述數(shù)字影像均為二維圖像；兩幅所述數(shù)字影像分別為第一影像和第二影像； 步驟二、SIFT特征提取:采用所述數(shù)據(jù)處理器對兩幅所述數(shù)字影像分別進(jìn)行SIFT特征提取，獲得兩幅所述數(shù)字影像的所有特征點(diǎn)及各特征點(diǎn)的SIFT特征描述子； 步驟三、構(gòu)建kd樹雙向搜索確定匹配點(diǎn):采用所述數(shù)據(jù)處理器構(gòu)建kd樹并進(jìn)行雙向搜索，過程如下: 步驟301、第一次匹配，包括以下步驟: 步驟3011、構(gòu)建kd樹:將所述第二影像作為待匹配的基準(zhǔn)圖像，并將所述第二影像的所有特征點(diǎn)的SIFT特征描述子構(gòu)建kd樹； 步驟3012、特征匹配:利用步驟3011中所構(gòu)建的kd樹，且采用最鄰近算法對步驟二中提取的所述第一影像的所有特征點(diǎn)的SIFT特征描述子進(jìn)行特征匹配，找出所述第二影像中與所述第一影像匹配的所有特征點(diǎn)，所述第二影像中與所述第一影像匹配的特征點(diǎn)為匹配點(diǎn)； 步驟302、第二次匹配，包括以下步驟: 步驟3021、構(gòu)建kd樹:將所述第一影像作為待匹配的基準(zhǔn)圖像，并將所述第一影像的所有特征點(diǎn)的SIFT特征描述子構(gòu)建kd樹； 步驟3022、特征匹配:利用步驟3011中所構(gòu)建的kd樹，且采用最鄰近算法對步驟3012中匹配得出的所有匹配點(diǎn)進(jìn)行特征匹配，找出所述第一影像中與所述第二影像匹配的所有特征點(diǎn)，所述第一影像中與所述第二影像匹配的特征點(diǎn)為可靠匹配點(diǎn)； 步驟四、粗差剔除:通過所述數(shù)據(jù)處理器且采用RANSAC算法，對步驟3022中匹配得出的所有可靠匹配點(diǎn)進(jìn)行粗差剔除。
2.按照權(quán)利要求1所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟一中對所述數(shù)字圖像進(jìn)行去噪和濾波處理時(shí)，先對所述數(shù)字影像進(jìn)行高斯平滑濾波，再對高斯平滑濾波后的影像進(jìn)行Wallis濾波處理。
3.按照權(quán)利要求1或2所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟二中對所述數(shù)字影像進(jìn)行SIFT特征提取時(shí)，過程如下: 步驟201、高斯核卷積處理:根據(jù)公式L (X，y, σ m) =G (x, y, σ m) X I (χ, y)，對待提取數(shù)字影像進(jìn)行M次高斯核卷積處理，獲得待提取數(shù)字影像的多尺度空間，所述多尺度空間包含待提取數(shù)字影像的M個(gè)高斯金字塔空間L(x，y，σω);其中=，



2πσ?(χ, y)為二維圖像的像素點(diǎn)位置坐標(biāo)，I (X，y)為所述待提取數(shù)字影像，OmS高斯正態(tài)分布的方差；m為高斯核卷積處理次數(shù)，m為正整數(shù)且m=l、2.....M;M為正整數(shù)且M> 3 ； 步驟202、高斯差處理及極值點(diǎn)檢測:首先，按照高斯差分函數(shù):
D (χ, y, σ H) = [G (χ, y, k σ ^1) -G (x, y, σ ^1) ] X I (x, y) =L (x, y, σ J -L (χ, y, σ ^1)，對相鄰兩個(gè)高斯金字塔空間L(x，y，σω)進(jìn)行高斯差處理，得到M-1個(gè)高斯殘差金字塔空間，并檢測得出各高斯殘差金字塔空間的極值點(diǎn)；其中i為正整數(shù)且i=2、3.....M ;其中，
4.按照權(quán)利要求1或2所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟一中兩幅所述數(shù)字影像的分辨率相同。
5.按照權(quán)利要求1或2所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟3012中采用最鄰近算法對步驟二中提取的所述第一影像的所有特征點(diǎn)的SIFT特征描述子進(jìn)行特征匹配時(shí)，將所述第一影像的各特征點(diǎn)分別在步驟3011中所構(gòu)建的kd樹進(jìn)行近似最近鄰搜索，找出所述第二影像中與所述第一影像匹配的所有特征占.步驟3022中采用最鄰近算法對步驟3012中匹配得出的所有匹配點(diǎn)進(jìn)行特征匹配時(shí)，將步驟3012中匹配得出的所有匹配點(diǎn)分別在步驟3021中所構(gòu)建的kd樹進(jìn)行近似最近鄰搜索，找出所述第一影像中與所述第二影像匹配的所有特征點(diǎn)。
6.按照權(quán)利要求1或2所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟204中進(jìn)行特征點(diǎn)主方向確定之前，還需采用擬合三維二次曲線的方法對步驟203中篩選出的各特征點(diǎn)的位置進(jìn)行確定。
7.按照權(quán)利要求2所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟一中對所述數(shù)字影像進(jìn)行高斯平滑濾波處理時(shí)，選取NXN窗口進(jìn)行濾波，其中N為奇數(shù)且N > 3。
8.按照權(quán)利要求3所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟205中對步驟203中篩選出的任一個(gè)特征點(diǎn)的SIFT特征描述子進(jìn)行生成時(shí)，先以該特征點(diǎn)為中心取16X 16像素大小的窗口，再將此窗口劃分為16個(gè)4X4像素大小的圖像小塊，并計(jì)算每個(gè)圖像小塊上8個(gè)梯度方向上的累計(jì)梯度幅值，且沿8個(gè)梯度方向繪制梯度方向直方圖，最終生成4X4X8共128維的SIFT特征向量；所述SIFT特征向量由梯度模m(x, y)和梯度方向θ (χ, y)組成；每個(gè)圖像小塊作為一個(gè)種子點(diǎn),所述SIFT特征描述子由16個(gè)種子點(diǎn)組成。
9.按照權(quán)利要求3所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟204中對任一個(gè)特征點(diǎn)的主方向進(jìn)行確定時(shí)，以待確定特征點(diǎn)的梯度模m(x，y)為縱坐標(biāo)且 以其梯度方向θ (x, y)為橫坐標(biāo)繪制梯度方向直方圖，所繪制梯度方向直方圖中最高梯度模對應(yīng)的梯度方向?yàn)樵撎卣鼽c(diǎn)的主方向；其中，梯度模
10.按照權(quán)利要求3所述的一種適合于航空攝影飛行質(zhì)量自動(dòng)檢查的影像匹配方法，其特征在于:步驟204中利用局部影像特征對各特征點(diǎn)的主方向進(jìn)行確定時(shí)，特征點(diǎn)的主方向是指該特征 點(diǎn)周圍8個(gè)像素點(diǎn)中最高梯度模對應(yīng)的梯度方向。
【文檔編號(hào)】G06T7/00GK103886611SQ201410139272
【公開日】2014年6月25日 申請日期:2014年4月8日 優(yōu)先權(quán)日:2014年4月8日
【發(fā)明者】彭桂輝, 梁菲, 趙鐵梅, 左濤, 劉敏, 郭永春, 姚春雨, 王慧芳, 宋袁龍 申請人:西安煤航信息產(chǎn)業(yè)有限公司