6.4最小二乘影像匹配

《6.4最小二乘影像匹配》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、最小二乘法影像匹配最小二乘法影像匹配的原理单点最小二乘法影像匹配最小二乘法影像匹配精度主要内容最小二乘影像匹配德国Ackermann教授提出了一种新的影像匹配方法——最小二乘影像匹配（leastSquaresImageMatching）影像匹配可以达到1/10甚至1/100像素的高精度优点如下最小二乘影像匹配中可以非常灵活地引入各种已知参数和条件，从而可以进行整体平差。解决“单点”的影像匹配问题，以求其“视差”；也可以直接解求其空间坐标同时解决“多点”影像匹配或“多片”影像匹配引入“粗差检测”，从而大大地提高影像

2、匹配的可靠性最小二乘影像匹配原理“灰度差的平方和最小”仅仅认为影像灰度只存在偶然误差按vv＝min原则进行影像匹配的数字模型。若在此系统中引入系统变形的参数，按vv＝min的原则，解求变形参数，就构成了最小二乘影像匹配系统。灵活,可靠和高精度是优点,缺点是，如当初始值不太准时，系统的收敛性等问题有待解决。辐射畸变照明及被摄影物体辐射面的方向大气与摄影机物镜所产生的衰减摄影处理条件的差异以及影像数字化过程中所产生的误差等等影像灰度的系统变形有两大类：辐射畸变；几何畸变。几何畸变摄影机方位不同所产生的影像的

3、透视畸变影像的各种畸变由于地形坡度所产生的影像畸变等竖直航空摄影的情况下，地形高差则是几何畸变的主要因素。在影像匹配中引入这些变形参数，同时按最小二乘的原则，解求这些参数，就是最小二乘影像匹配的基本思想。仅考虑辐射的线性畸变的最小二乘匹配——相关系数误差方程：按vv＝min的原理，可得法方程式假定对g1，g2已作过中心化处理即：消除了两个灰度分布的系统的辐射畸变后，其残余的灰度差的平方和为相关系数与vv的关系相关系数vv是噪声的功率g12为信号的功率以“相关系数最大”作为影像匹配搜索同名点的准则，其实质是

4、搜索“信噪比为最大”的灰度序列信噪比相关系数与信噪比之间的关系影像匹配的主要目的是确定影像相对移位，传统的算法采用目标区相对于搜索区不断地移动一个整像素，搜索最大相关系数的影像区中心作为同名像点。在最小二乘影像匹配算法中，可引入几何变形参数，直接解算影像移位，这是此算法的特点。仅考虑影像相对移位的一维最小二乘匹配假设两个一维灰度函数g1(x),g2(x),除随机噪声外，g2(x)相对于g1(x)只存在零次几何变形——移位量x。误差方程式离散的数字影像而言，灰度函数的导数g,2(x)可由差分代替为解求相对移位量

5、x，需上式进行线性化最小二乘影像匹配是非线性系统，必须进行迭代。迭代过程收敛的速度取决于初值。误差方程式可写为解得影像的相对移位单点最小二乘影像匹配两个二维影像之间的几何变形，不仅仅存在着相对移位还存在着图形变化x2y2灰度畸变+几何变形几何变形经线性化后误差方程式dh。，dh1，da0，···,db2是待定参数的改正值，它们之初值分别为h0=0；h1=1；a0=0；a1=1；a2=0；b0=0；b1=0；b2=1在数字影像匹配中，灰度均是按规则格网排列的离散阵列，且采样间隔为常数，可被视为单位长度，上式中的偏

6、导数均用差分代替：几何改正重采样辐射畸变改正是否迭代计算最佳匹配的点位计算参数值结束左片右片最小二乘法匹配流程图几何变形改正。根据几何变形改正参数a0,a1,a2,b0,b1,b2将左方影像窗口的影像坐标变换至右方影像阵列：重采样。由于换算所得之坐标x2，y2一般不可能是右方影像阵列中的整数行列号，因此重采样是必须的。辐射畸变改正。利用由最小二乘影像匹配所求得辐射畸变改正参数h0,h1；对上述重采样的结果作辐射改正若相关系数小于前一次迭代后所求得的相关系数，则可认为迭代结束.也可以根据几何变形参数是否小于某个预定

7、的阈值。采用最小二乘影像匹配，解求变形参数的改正值dh0,dh1,da0,…。计算变形参数对于辐射畸变参数满足：计算最佳匹配的点位.可用梯度的平方为权，在左方影像窗口内对坐标作加权平均：匹配精度取决于影像灰度的梯度为了进一步提高其可靠性与精度，例如，附带共线条件的最小二乘相关以及与VLL法结合的最小二乘影像匹配方法都得了广泛的研究最小二乘影像匹配的精度最小二乘匹配算法，则可以根据以及法方程式系数矩阵的逆矩阵，同时求得其精度指标n为目标区像元个数。由于上式右边是的无偏估计，所以信噪比方差相关系数与信噪比之间的关系影

8、像匹配的精度与相关系数有关，相关系数愈大则精度愈高。它与影像窗口的“信噪比”有关，信噪比愈大，则匹配的精度愈高。可以得到一些很重要的结论：影像匹配的精度还与影像的纹理结构有关，即与有关。特别是当愈大，则影像匹配精度愈高。当，即目标窗口内灰度没有变化时，则无法进行影像匹配。