1．前言
　　影像匹配是數(shù)字攝影測量的典型問題之一。在航空攝影測量領(lǐng)域，影像匹配是自動獲取數(shù)字地面模型(DTM)的關(guān)鍵技術(shù)，是以影像匹配代替?zhèn)鹘y(tǒng)的人工觀測，來達到自動確定同名點的目的。一般來說，由于影像在不同時間、不同傳感器、不同視角獲得的成像條件不同，因此即使是對同一物體，在影像中所表現(xiàn)出來的幾何特性、光學(xué)特性、空間位置都會有很大的不同，如果考慮到噪聲、干擾等影響會使影像發(fā)生很大差異，影像匹配就是通過這些不同之處找到它們的相同點。在計算機視覺中，通常稱為影像配準(zhǔn)，而且很多領(lǐng)域中影像匹配都是必不可少的關(guān)鍵環(huán)節(jié)。目前影像匹配己成為現(xiàn)代信息處理，特別是圖像信息處理領(lǐng)域中的一項非常重要的技術(shù)，已有很多學(xué)者進行這方面的研究而且已經(jīng)取得了很好的成就。影像匹配研究涉及到了影像采集、影像預(yù)處理、影像分割、特征提取等，并且與計算機視覺、多維信號處理和數(shù)值計算方法等緊密結(jié)合。它也是其它一些影像分析技術(shù)，如立體視覺、運動分析、數(shù)據(jù)融合等的基礎(chǔ)。目前，它的應(yīng)用范圍相當(dāng)廣泛，在計算機視覺、虛擬現(xiàn)實場景、航空航天遙感與數(shù)字攝影測量、醫(yī)學(xué)影像分析、光學(xué)和雷達跟蹤、景物制導(dǎo)、地形匹配、指紋與肖像檢測等領(lǐng)域都有著重要的應(yīng)用價值。在數(shù)字攝影測量的研究中，幾何變換和對應(yīng)關(guān)系是兩大關(guān)鍵問題。幾何變換問題經(jīng)過數(shù)學(xué)和圖形圖像學(xué)的研究已經(jīng)得到了解決，而對應(yīng)問題(特別是同名點的對應(yīng)問題)正是影像匹配的研究目的。影像匹配的良好實現(xiàn)，可以大大促進數(shù)字攝影測量自動化量測的發(fā)展，并為立體測圖、建立立體模型、自動生成DEM、正射影像、等高線，構(gòu)建三維立體和虛擬現(xiàn)實場景提供技術(shù)支撐。
　　2．影像匹配國內(nèi)外研究現(xiàn)狀與內(nèi)容
　　影像匹配技術(shù)一直是數(shù)字攝影測量、計算機視覺等領(lǐng)域的關(guān)鍵技術(shù)難題，但它廣闊的應(yīng)用前景吸引了眾多領(lǐng)域的科研人員孜孜不倦地對它進行攻關(guān)，成為經(jīng)久不衰的研究熱點。最初的影像匹配是利用相關(guān)技術(shù)實現(xiàn)的，因此又稱為影像相關(guān)。從上個世紀(jì)五十年代至今，國內(nèi)外學(xué)者提出了許多相應(yīng)的理論，涌現(xiàn)了大量的匹配算法，如相關(guān)函數(shù)法、相關(guān)系數(shù)方法、整體法等。Bellman于上個世紀(jì)50年代提出的動態(tài)規(guī)劃法影像匹配，德國 Ackerlnann 教授提出的最小二乘匹配方法，Rosenhlm提出的多點最小二乘影像匹配，已及Ton Jez-ehing、JainA K提出的確定兩影像區(qū)域間對應(yīng)關(guān)系的點匹配方法,Daniel P Huttenlocher等人提出的Hausdorff距離匹配方法等等；1978年，我國攝影測量學(xué)的先驅(qū)王之卓院士率先提出了“全數(shù)字攝影測量”的概念, 利用影像匹配來代替?zhèn)鹘y(tǒng)的人眼立體觀測；張祖勛院士提出了基于跨接法的影像匹配 ；呂言提出了特征提取的呂言算子和基于特征的影像匹配方法；張力、沈未名等也提出了基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配算法。盡管發(fā)展出了多種多樣的匹配方法，但這些影像匹配算法按其匹配基元分類，主要可以分為基于像元灰度的影像匹配算法、基于特征的影像匹配算法以及基于影像的理解和解釋的匹配算法。
　　3.影像匹配的基本概念
　　匹配是圖像處理的一個基礎(chǔ)問題。簡單的說，匹配技術(shù)就是找到兩幅不同影像之間的空間位置關(guān)系實現(xiàn)同一目標(biāo)的兩幅(或兩幅以上)影像在空間位置上的對準(zhǔn)。 Barbara zitova和 Jan Flusser在其著作中對影像匹配進行了定義，稱其是針對來自于同一場景、不同時間、不同視角、不同傳感器的兩幅或多幅圖像進行重疊 (Overlapping)的過程，這個重疊就是幾何對齊 (Geometrically Align)的過程?？梢詮闹锌闯鰞牲c，其一，影像匹配所研究的影像具有成像機理、自然條件、成像時間等的不同，這些都造成參與匹配的影像對具有很大的差異;其二，影像重疊的目的為了對兩幅影像在空間上進行對準(zhǔn)，以確定兩幅影像之間的平移以及旋轉(zhuǎn)關(guān)系。也可以說影像匹配時利用兩個信號的相似性評價函數(shù)，評價它們的相似性以確定同名點。即首先取出以待定點為中心的小區(qū)域中的影像信號，然后取出其在另一影像中相應(yīng)區(qū)域的影像信號，計算兩者的相似性評價函數(shù)，以相似性評價函數(shù)值的大小來確定相應(yīng)區(qū)域中心點位同名點，即以影像信號分布最相似的區(qū)域為同名區(qū)域，同名區(qū)域的中心點為同名點。
　　4.影像匹配的困難與解決問題思路
　　影像匹配的方法有很多，但都有不同程度的局限性。對于一些共性的問題，如匹配模糊度問題，匹配組合問題等，目前仍是影像匹配中的難點問題。在實際應(yīng)用中主要表現(xiàn)在以下幾種情況的影像匹配中存在的問題：
　　1.信息貧乏區(qū)域（非重疊覆蓋范圍）和紋理重復(fù)區(qū)域（遮蔽區(qū)域）的匹配
　　2.陰影區(qū)域的匹配
　　3.陡坡表面和斷裂線地區(qū)的匹配
　　4.影像之間存在大的旋轉(zhuǎn)角度的匹配
　　5.非漫反射地區(qū)的匹配
　　6.對運動的目標(biāo)和陰影的匹配
　　7.存在較大比例尺差異的影像間的匹配
　　8.不同傳感器影像之間的匹配
　　針對這些問題，一般的對于紋理貧乏和周期性紋理重復(fù)區(qū)域，自適應(yīng)的調(diào)整窗口大??；對于遮蔽和斷裂線區(qū)域采用雙向匹配的方法；對于陡坡區(qū)域采用跨接法影像匹配；對于存在較大旋轉(zhuǎn)角度的影像匹配則采用SIFT算子進行處理。
　　5.小結(jié)
　　發(fā)展至今，影響匹配技術(shù)已經(jīng)取得了很大的成就，多種多樣的影像匹配算法基本能夠滿足實際應(yīng)用的需求。但影像匹配中仍存在著諸多問題和挑戰(zhàn)，這也是數(shù)字攝影測量面臨的典型問題之一，也是我們今后科研的主攻方向和著力點。另外，目前的影像匹配算法大多是針對特定情況的應(yīng)用，適應(yīng)性方面不是太強。因此，尋找一種普適性的影像匹配算法或適應(yīng)性較強的影響匹配處理系統(tǒng)從而實現(xiàn)數(shù)字攝影測量發(fā)展的一次飛躍是我們不得不思考的問題。

猜你喜歡：

數(shù)字攝影測量技術(shù)在構(gòu)建數(shù)字城市的應(yīng)用

王之卓：中國攝影測量與遙感之父

版權(quán)聲明：文章來源于網(wǎng)絡(luò)，登載此文出于傳遞更多信息之目的，版權(quán)歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權(quán)益，請聯(lián)系我們。