相位相关法辅助的重复纹理区低空影像匹配-武汉大学遥感信息工程学院
《无人机低空遥感影像特征匹配算法研究》范文
《无人机低空遥感影像特征匹配算法研究》篇一一、引言随着无人机技术的飞速发展，低空遥感影像在地理信息获取、环境监测、城市规划等领域得到了广泛应用。
而无人机低空遥感影像特征匹配算法作为影像处理的关键技术，对于提高影像处理效率和精度具有重要意义。
本文旨在研究无人机低空遥感影像特征匹配算法，分析其原理、流程及优缺点，为相关领域的研究和应用提供参考。
二、无人机低空遥感影像特征匹配算法原理无人机低空遥感影像特征匹配算法主要基于影像中具有代表性的特征点进行匹配。
这些特征点包括角点、边缘、区域等，具有较好的稳定性和可区分性。
算法通过提取影像中的特征点，并计算其描述子，以便于在不同影像之间进行匹配。
特征匹配算法主要包括特征提取、描述子计算和匹配三个步骤。
三、特征提取特征提取是特征匹配算法的第一步，主要是从影像中提取出具有代表性的特征点。
常用的特征提取方法包括SIFT、SURF、ORB等。
这些方法可以根据影像的局部特性，如灰度、纹理、边缘等，提取出稳定的特征点。
在无人机低空遥感影像中，由于影像的尺度、旋转、光照等条件变化较大，因此需要采用具有较强适应性的特征提取方法。
四、描述子计算描述子是用于描述特征点的信息，以便于在不同影像之间进行匹配。
常用的描述子包括向量描述符、矩阵描述符等。
描述子的计算需要综合考虑特征点的周围环境、灰度分布、纹理等信息。
在无人机低空遥感影像中，由于影像的复杂性和多变性，需要采用具有较高区分度和稳定性的描述子计算方法。
五、匹配算法匹配算法是特征匹配算法的核心，主要是根据特征点的描述子进行匹配。
常用的匹配算法包括最近邻匹配、K-D树匹配等。
在无人机低空遥感影像中，由于影像之间的旋转、尺度、光照等条件变化较大，因此需要采用具有较强鲁棒性的匹配算法。
同时，为了提高匹配效率和精度，还需要考虑匹配算法的实时性和准确性。
六、算法流程及优缺点分析无人机低空遥感影像特征匹配算法的流程主要包括特征提取、描述子计算和匹配三个步骤。
一种基于相位一致性相关的多源遥感影像配准方法
一种基于相位一致性相关的多源遥感影像配准方法
范登科;潘励;叶沅鑫
【期刊名称】《铁道标准设计》
【年(卷),期】2012(000)002
【摘要】针对几何校正过程中多源遥感影像同名点匹配率低的问题,提出一种基于相位一致性相关的遥感影像配准方法.该方法首先使用多尺度Harris提取出不受高斯平滑影响、位置稳定的角点,而后以金字塔分层映射为搜索策略,在参考影像上预测可能包含同名点的子区域,通过计算该子区域与待匹配点领域的相位一致性,同时引入相关系数作为相似性度量获取同名点对,最终实现不同光谱影像间的配准.实验表明,该方法的误匹配率较低,精度和稳定性高于传统原始影像灰度相关及同类配准方法,适用于不同传感器或不同光谱通道间影像的匹配.
【总页数】6页(P118-123)
【作者】范登科;潘励;叶沅鑫
【作者单位】武汉大学遥感信息工程学院,武汉430079;武汉大学遥感信息工程学院,武汉430079;武汉大学遥感信息工程学院,武汉430079
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进SIFT算法的多源遥感影像配准研究 [J], 焦斌亮;樊曼曼
2.一种基于相位一致性的虹膜识别方法 [J], 王恩东
3.基于SIFT和NCC的多源遥感影像配准方法 [J], 王万同;刘鹏飞;韩志刚
4.基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究 [J], 王万同;韩志刚;刘鹏飞
5.一种利用点特征和互信息的多源遥感影像配准方法 [J], 周浩;叶沅鑫;王蕾
因版权原因，仅展示原文概要，查看原文内容请购买。
SIFT特征算子在低空遥感影像全自动匹配中的应用_柯涛
第34卷第4期2009年7月测绘科学Science of Surveying and M app ingVol134No14Jul1作者简介:柯涛(19782),男,武汉大学遥感信息工程学院博士研究生,主要研究方向:数字摄影测量,计算机视觉。
E2mail:ketao1kt@g mail1com收稿日期:2008203205基金项目:国家科技支撑计划(2006BAJ09B01);国家863计划(2006AA12Z136);教育部“新世纪优秀人才支持计划”项目(NCET20720645)S IFT特征算子在低空遥感影像全自动匹配中的应用柯 涛,张永军(武汉大学遥感信息工程学院,武汉 430079)【摘 要】低空遥感影像由于其飞行平台的不稳定性,影像间旋偏角和比例尺差异较大,因此常用的基于区域灰度的匹配方法很难获得令人满意的匹配结果,甚至无法进行匹配。
本文针对低空遥感影像的特点,介绍了基于SI FT算子的特征匹配原理及其在低空遥感影像全自动匹配中的应用。
试验结果表明,利用核线约束进行SI FT特征匹配,其速度和精度能够满足低空遥感影像的应用需求。
【关键词】低空遥感;影像;匹配;SI FT;数字摄影测量【中图分类号】P23115 【文献标识码】A 【文章编号】100922307(2009)04200232041 引言长期以来,传统的以飞机和卫星为平台的航空、航天影像被广泛应用于各种比例尺的地形图测绘。
但是对于小面积范围和大比例尺测绘而言,常规的航摄系统因成本高、性能价格比差和受飞机转场条件严格等多种因素的限制而无法满足大比例尺遥感影像快速更新的需求。
近年来随着无人驾驶低空飞行器及其辅助设备的发展,低空遥感迅速成为广泛关注的热点[1,2]。
而影像匹配则是低空遥感数据处理的关键技术,其匹配质量直接影响到后续成果的优劣。
影像匹配按匹配的基元可以分为3类[3-8]:①基于区域灰度的匹配(相关匹配);在两张影像上比较一定尺寸窗口内像素的灰度分布相似程度,利用相关系数作为相似测度;②基于特征的匹配。
一种利用相位信息的异源遥感影像配准方法
一种利用相位信息的异源遥感影像配准方法舒建英;白兰东;李中华;叶沅鑫【摘要】提出一种利用相位信息的异源遥感影像配准方法。
首先对两幅影像进行相位一致性变换以消除影像间的灰度和对比度差异，并利用相位一致性最小矩在参考影像上提取特征点，然后以相关系数作为相似性测度，在输入影像上采用模板匹配策略获取同名点，最后采用投影变换实现影像配准。
实验表明，该方法对于异源遥感影像具有较强的适应性，且配准精度较高。
【期刊名称】《地理空间信息》【年(卷),期】2014(000)003【总页数】3页(P81-83)【关键词】影像配准;相位一致性;相关系数;精度分析【作者】舒建英;白兰东;李中华;叶沅鑫【作者单位】成都市国土规划地籍事务中心，四川成都 610000;成都市国土规划地籍事务中心，四川成都 610000;成都市国土规划地籍事务中心，四川成都610000;西南交通大学地球科学与环境工程学院，四川成都 610031【正文语种】中文【中图分类】P237.4影像配准是变化检测、影像镶嵌和影像融合的基本预处理步骤，但是由于时相、波段、传感器等不同，异源遥感影像之间往往存在较大的几何形变和辐射(灰度)差异。
目前，大多数影像配准方法可分为两类[1]：基于灰度的方法和基于特征的方法。
基于灰度的方法是根据影像间灰度的相似性来实现配准，常用的灰度相似性测度有相关系数[1]、相位相关[2]和互信息[3]等，但这类方法对影像间的几何形变和灰度差异较为敏感，难以解决异源遥感影像间的配准问题。
基于特征的方法首先在影像间提取点、线、面等特征，然后根据特征之间的相似性进行匹配，更适用于异源遥感影像的配准[4]。
目前最为流行的特征匹配方法是具有尺度和旋转不变性的SIFT (scale invariant feature transform)算法[5]，但SIFT是基于影像局部邻域的梯度分布的，当影像间灰度差异较大时，梯度信息不能提供稳定的特征[6]。
武汉大学摄影测量期末试卷及答案(2005-2011)
武汉大学2005～2006 学年上学期《摄影测量基础》试卷（A）学号：姓名：院系：遥感信息工程专业：遥感科学与技术得分：一、填空题（20 分，每空1 分）1、摄影测量中常用的坐标系有、、、、。
2、解求单张像片的外方位元素最少需要个点。
3、GPS 辅助空中三角测量的作用是。
4、两个空间直角坐标系间的坐标变换最少需要个和个地面控制点。
5、摄影测量加密按平差范围可分为、和三种方法。
6、摄影测量的发展经历了、和三个阶段。
7、恢复立体像对左右像片的相互位置关系依据的是方程。
8、法方程消元的通式为N i ,i +1 = 。
二、名词解释（20 分，每个4 分）1、内部可靠性：2、绝对定向元素：3、像主点：4、带状法方程系数矩阵的带宽：5、自检校光束法区域网平差：三、简答题（45 分，每题15 分）1、推导摄影中心点、像点与其对应物点三点位于一条直线上的共线条件方程，并简要叙述其在摄影测量中的主要用途。
2、像片外方位元素的作用是什么？用图示意以y 轴为主轴的航摄像片的外方位元素。
3、如果拥有一套POS 系统，你打算如何用其快速确定地面点的三维坐标（简要叙述基本思想和具体解算过程）？四、综合题（15 分）设某区域由两条航线组成（如图 1 所示），试根据光束法区域网平差原理回答下列问题：① 当控制点无误差时，观测值个数 n 、未知数个数 t 、多余观测数 r ；② 按最小带宽原则在图 a 中标出像片排列顺序号并求出带宽；③ 在图 b 中绘出改化法方程系数矩阵结构图(保留像片外方位元素)。
像片号 ①②③④⑤⑥⑦⑧⑨①12②③④5 6⑤⑥34⑦ 平高地面控制点 ⑧ 高程地面控制点 待定点⑨（a ）（b ）图 1武汉大学2005～2006 学年上学期《摄影测量基础》答卷（A）一、填空题（20 分，每空1 分）1、摄影测量中常用的坐标系有像平面直角坐标系、像空间直角坐标系、像空间辅助坐标系、地面摄影测量坐标系、地面测量坐标系。
(武汉大学)影像匹配基础理论与算法
目标区
搜索区
核线匹配
c max{i
i
(i
i0
l 2
n 2
,
,
i0
l 2
n 2
)
《摄影测量学》第五章
第二节 影像相关的谱分析
主要内容
影像的功率谱估计 相关函数估计 金字塔影像的建立
一.影像相关的谱分析
1. 维纳-辛钦定理：随机信号的相关函 数与其功率谱是一傅立叶变换对
Ys) c2 (Z Zs ) Ys) c3 (Z Zs )
xi f
a1( X a3( X
X s) b1(Y X s) b3(Y
Ys) c1(Z Zs) Ys) c3(Z Zs)
yi f
a2( X a3( X
X s) b2(Y X s) b3(Y
Ys) c2(Z Zs) Ys) c3(Z Zs)
D ( x, y )D
若C（p0, q0） ＞ C（p, q）（ pp0， qq0），则 p0, q0为搜索区影像相对 于目标区影像的位移参数
mn
C(c, r)
( gi, j g ) ( gir, jc g)
i1 j1
gc,r
1 mn
m i1
n
gir, jc
j1
g
1 mn
m i 1
i 1
Y aY b
N
( xi x )[(ayi b) (ay b)]
i 1
N
N
( xi x )2 [(ayi b) (ay b)]2
i 1
i 1
N
( xi x )( yi y )
i 1
N
N
( xi x )2
《无人机低空遥感影像特征匹配算法研究》
《无人机低空遥感影像特征匹配算法研究》一、引言随着无人机技术的飞速发展，低空遥感影像在地理信息获取、环境监测、城市规划等领域得到了广泛应用。
而无人机低空遥感影像特征匹配算法作为影像处理的关键技术，对于提高影像处理效率和精度具有重要意义。
本文旨在研究无人机低空遥感影像特征匹配算法，分析其原理、方法及存在的问题，并探讨其优化策略。
二、无人机低空遥感影像特征匹配算法的原理与方法（一）原理概述无人机低空遥感影像特征匹配算法主要依据影像中具有代表性的特征点进行匹配，如角点、边缘等。
通过提取影像中的特征点，并计算其描述符，实现不同影像间的特征匹配。
（二）方法分类1. 基于灰度信息的匹配算法：该方法主要通过计算影像间的灰度相似性实现匹配。
优点是匹配精度高，但计算量大，不适用于实时处理。
2. 基于特征的匹配算法：该方法主要提取影像中的特征点，如角点、边缘等，通过计算特征点的描述符实现匹配。
优点是计算量小，适用于实时处理。
三、算法实现及存在的问题（一）算法实现无人机低空遥感影像特征匹配算法的实现主要包括特征提取、描述符计算和特征匹配三个步骤。
首先，通过算法提取影像中的特征点；其次，计算特征点的描述符；最后，根据描述符的相似性实现特征匹配。
（二）存在的问题虽然无人机低空遥感影像特征匹配算法在许多领域得到了广泛应用，但仍存在一些问题。
首先，特征提取的准确性受影像质量、光照条件等因素影响；其次，描述符的计算方法尚需优化，以提高匹配精度和效率；最后，对于复杂场景和动态环境下的匹配问题仍有待解决。
四、优化策略及发展趋势（一）优化策略针对无人机低空遥感影像特征匹配算法存在的问题，可以从以下几个方面进行优化：1. 改进特征提取方法：采用更先进的算法提高特征提取的准确性。
2. 优化描述符计算：通过改进描述符的计算方法，提高匹配精度和效率。
3. 引入深度学习技术：利用深度学习技术提高算法的适应性和鲁棒性。
（二）发展趋势随着无人机技术的不断发展和应用领域的拓展，无人机低空遥感影像特征匹配算法将呈现出以下发展趋势：1. 智能化：引入人工智能技术，实现自动化、智能化的特征匹配。
遥感影像配准方法
遥感影像配准方法一、引言遥感影像配准是指将多幅遥感影像通过一定的处理方法，使得它们在空间上或者光谱上相对准确地对应起来。
遥感影像配准是遥感技术中的重要环节，对于提取地物信息、监测变化、制作地图等应用具有重要意义。
本文将介绍几种常见的遥感影像配准方法。
二、特征点匹配法特征点匹配法是一种常用的遥感影像配准方法。
该方法通过提取影像中的特征点，并在不同影像中寻找相似的特征点，然后利用这些匹配的特征点进行配准。
特征点可以是角点、边缘点、纹理点等。
特征点匹配法具有计算速度快、适用范围广的优点，但对于光照、旋转、尺度变化等情况下的影像配准效果较差。
三、控制点法控制点法是一种基于已知控制点坐标的遥感影像配准方法。
该方法首先在待配准影像和参考影像中选择一些具有明显地物特征且位置准确的控制点，然后通过计算这些控制点在两幅影像中的坐标差异，从而得到待配准影像相对于参考影像的变换关系。
控制点法配准精度较高，适用于各种变换情况下的影像配准，但需要事先获取准确的控制点坐标。
四、基于图像匹配的配准方法基于图像匹配的配准方法是利用图像间的相似度进行配准的方法，常用的图像匹配算法包括相位相关法、归一化互相关法、互信息法等。
这些方法通过计算两幅影像之间的相似度，找到最佳的配准变换参数，从而实现影像的配准。
基于图像匹配的配准方法不依赖于特征点或控制点，适用于各种复杂变换情况下的影像配准，但计算量较大，需要较长的处理时间。
五、影像配准的精度评定影像配准的精度评定是判断配准效果好坏的重要指标。
常用的精度评定方法包括重叠区域比较法、控制点坐标差比较法、变换参数比较法等。
通过对配准后的影像与参考影像进行对比，计算它们之间的差异，可以评估配准的精度。
影像配准的精度评定对于验证配准方法的可靠性、优化配准参数具有重要意义。
六、总结遥感影像配准是遥感技术中的重要环节，常用的配准方法包括特征点匹配法、控制点法和基于图像匹配的配准方法。
这些方法各有优缺点，适用于不同的配准需求。
B4(影像相关的基本原理)
T
x ( t ) x ( t ) dt
0
自相关函数的性质
自相关函数是偶函数
R ( ) R ( )
R( ) lim 1 T
T
1
T
x ( t ) x ( t ) dt
T T
0
lim
T
T
[
x ( t ) x ( t ) dt
0
T
两边取时间T的平均值并取极限
T
lim
1 T
x ( t ) x ( t ) dt
0
T
lim
1 T
T
x ( t ) x ( t ) dt
0
T
T
lim
1 T
2 x ( t ) x ( x ) dt
0
T
R ( 0 ) R ( )
这个性质极为重要，它是三种相关 技术确定同名像点的依据
搜 索 区 相似程 度
同名点
影像匹配---同名点寻找
相关函数
两个随机信号x(t)和y(t)的互相关函数定义为
R xy ( )
( )
x ( t ) y ( t ) dt
R
xy
lim
1 T
1 T
T
T
x ( t ) y ( t ) dt
0
ˆ R xy ( )
《摄影测量学》（下）第三 章
影像相关的基本原理
武汉大学
遥感信息工程学院 摄影测量教研室
《摄影测量学》第五章
潘励 副教授
武汉大学
遥感信息工程学院
应用相位相关法的TDICCD空间相机像移测量方法
应用相位相关法的TDICCD空间相机像移测量方法胡超;王小勇;郭崇岭【摘要】空间相机亚像素精度的像移高精度测量是一项技术难题.文章针对高分辨率TDICCD空间相机的成像特点提出一种直接测量像移的方法,该方法利用高速图像传感器获取图像序列,然后采用基于局部上采样的相位相关法来测定亚像素像移变化曲线.Matlab软件的仿真实验结果表明,该方法对图像噪声和灰度变化有很高的容忍度,其测量精度在图像信噪比高于10 dB时优于0.1个像元.【期刊名称】《航天器工程》【年(卷),期】2014(023)003【总页数】8页(P29-36)【关键词】相位相关;TDICCD相机;高分辨率;像移测量;亚像素【作者】胡超;王小勇;郭崇岭【作者单位】北京空间机电研究所,北京 100094;北京空间机电研究所,北京100094;北京空间机电研究所,北京 100094【正文语种】中文【中图分类】V19;TP751.1目前高分辨率相机多采用推扫成像的时间延迟积分CCD(TDICCD)来实现轻小型化和解决光通量不足的问题[1-2]，以提高图像分辨率。
空间相机在曝光时间内，由于卫星在轨高速飞行及卫星平台非稳定因素，都会使影像在像面上发生平移(即像移)，造成图像模糊或几何扭曲，导致相机实际分辨率降低，影响相机图像质量。
随着空间相机分辨率指标的提高，对卫星平台稳定性的要求也随之提高，卫星平台非稳态因素造成的像移对相机成像质量的影响越来越重要[1-4]。
高精度的像移补偿系统是获取高分辩遥感图像的重要研究方向，要想获得高精度的像移补偿效果，必须先对像移进行精确感知，像移测量成为高分辨率成像的关键技术之一。
传统的像移获取方法主要依赖星敏感器、光纤陀螺等姿态测量机构，根据测量的姿态参数和GPS数据计算出像移，然而这种方法精度不高，测量频率有限。
解决此问题的方法通常是增加卫星姿态控制的稳定性，并同时减小由动量轮或其它因素引起的卫星振动，但是这将大幅增加卫星的费用、尺寸和质量[4]。
遥感影像处理中的图像配准方法优化与误差分析
遥感影像处理中的图像配准方法优化与误差分析遥感影像处理是现代遥感技术中的一个重要环节，用于获取和处理遥感影像数据，以提取地表特征、监测变化和进行地理定位。
其中，图像配准是一项关键任务，旨在将不同时间、不同传感器或不同分辨率的影像对齐，以便进行比较和分析。
图像配准的主要目标是寻找一种数学变换方式，将待配准影像中的像素与参考影像中对应的像素进行匹配。
然而，在实际应用中，图像配准面临着许多挑战和困难，如噪声、光照不均匀、遮挡、形变等。
因此，图像配准方法的优化和误差分析显得尤为重要。
为了优化图像配准方法，研究人员提出了多种技术和算法。
以下将介绍几种常用的图像配准方法及其优化方式：1. 特征点匹配法：该方法通过提取影像中的关键特征点，并计算其描述子，再通过匹配算法找到两幅影像中特征点的对应关系。
优化该方法的关键在于特征点提取和匹配算法的选择和改进，例如使用更稳定的特征点提取算法，如SIFT（尺度不变特征转换）或SURF（加速稳健特征）算法。
2. 基于区域的方法：该方法将影像分割为几个区域，并寻找区域间的对应关系。
优化方法包括改进分割算法以提高准确性和匹配效率，以及加入遮挡和形变等因素的建模和校正。
3. 基于相位相关性的方法：该方法通过计算影像之间的相位差异进行配准，可适用于光学遥感影像和合成孔径雷达(SAR)影像等。
优化该方法的关键在于相位差计算的准确性和鲁棒性，以及对不同类型影像的适应性。
4. 基于区域与特征点的混合方法：该方法将区域匹配和特征点匹配结合起来，既考虑到整体拟合效果，又具备局部稳定性。
优化方法包括确定区域和特征点的权重分配方式，以及选择适用的匹配度量准则。
在图像配准过程中，误差分析是不可或缺的一步，通过对配准结果的评估和分析，可以了解配准精度和可能的误差来源。
常用的误差分析方法包括以下几种：1. 重叠区域对比法：该方法通过对比重叠区域内的像素差异来评估配准结果的准确性。
可使用统计指标，如均方根误差（RMSE）或相关系数等来表示配准误差的大小。
武汉大学遥感信息工程学院摄影测量试题试卷04-05答案
⎡X − X S ⎤ ⎢ Y −Y ⎥ S ⎥ ⎢ ⎢ ⎥ − Z Z S ⎦ ⎣
（1）
a、 由正射影像上的点出发依次取其坐标 P( X ′, Y ′) ，根据正射影像左下角图廓点坐标
( X 0 , Y0 ) 及比例尺分母 M 可得 P 点平面坐标 ( X 0 + MX ′, Y0 + MY ′)
4．什么是核线和同名核线，请叙述如何获得图 1 中过 P 点核线的同名核线 的过程。
【答】 摄影基线与地物点所构成的核面与像平面的交线即为核线；同一核面与左右影像 相交形成的两条核线即为同名核线。先看左影像，将左影像投影至相对水平（与摄影基线平 行）的投影面（ “水平”影像）上，则在“水平”影像像空间直角坐标系s1-uvw中，过P点的 核线在“水平”影像上的投影平行与u轴，原始影像与“水平”影像的坐标关系为：
⎡X ⎢ X M =⎢ ⎢L ⎢ 2 ⎢ ⎣X9
2 1 2 2
X 1Y1 X 2Y2 L X 9Y9
Y1 Y22 L Y92
2
X1 X2 L X9
Y1 1 ⎤ ⎥ Y2 1 ⎥ L L⎥ ⎥ Y9 1 ⎥ ⎦
⎡ A⎤ ⎢B⎥ ⎢ ⎥ ⎢C ⎥ X =⎢ ⎥ ⎢D⎥ ⎢E⎥ ⎢ ⎥ ⎥ ⎢F ⎦ ⎣
⎡ Z1 ⎤ ⎢Z ⎥ L = ⎢ 2⎥ ⎢ M ⎥ ⎢ ⎥ ⎣Z 9 ⎦
对 u 等间隔地赋值： ∆, 2∆, L , k∆ ，从而可求得原始影像的（x，y）坐标。若（x，y）处 的影像灰度为 g ( x, y ) ，则将其赋给“水平”影像上（u，v）处的灰度值，即 G (k∆, v) = g ( x, y ) ， 这样可得到过 P 点的核线。 同理对于右影像有：
x′ = − f
⎡a1 利用外方位元素可求得地面坐标到影像坐标的旋转矩阵 R = ⎢ ⎢ b1 ⎢ ⎣ c1
6-影像匹配的基本算法 (1)
分别以（xi’, yi’）与（xi”，yi”）为中心在
左右影像上取影像窗口，计算其匹配测 度，如相关系数pi。
将i的值增加1，重复（2），（3）两步，
得到ρ0，ρ1，ρ2，···ρn取其最大者ρk：
ρk＝ max{ρ0，ρ1，ρ2，···ρn}
还可以利用 ρ k 及其相邻的几个相关
系数拟合一抛物线，以其极值对应的 高程作为 A 点的高程，以进一步提高 精度，或以更小的高程步距在一小范 围内重复以上过程。
若S2（c0, r0） < S2（c, r），则c0, r0为搜 索区影像相对于目标区影像的位移行、列 参数。对于一维相关应有r ≡ 0。
两影像窗口灰度差的平方和即灰度向
量X与Y之差矢量
S = X −Y =(x1 − y1) +(x2 − y2) +L+(xN − yN ) =∑(xi − yi )
2 2 2 2 2 i=1 N 2
故差平方和最小等于N维空间点Y与点X 之距离最小。当N＝2时，
S = ( x1 − y1 ) + ( x 2 − y 2 ) = min
2 2 2
二维平面上的一个圆 二维平面上以（x1，y2）为中心、边长为、
对角线与坐标轴平行的一个正方形
差绝对值和（差矢量分量绝对值和）
R (X ⋅Y ) =
∑
N
是y1，y2，…,yN的线性函数
R =
在N维空间{ x1，x2，…,xN}中，R
i=1
xi y
j
∑
N
x
i = 1
i
y
j
=
max
它是N维空间的一个超平面。当N=2时
R＝ x1yl＋ x2y2
一种针对大倾角影像匹配粗差剔除的算法-武汉大学遥感信息工程学院
武 汉 大 学 学 报 · 信 息 科 学 版 Ｇ ｅ ｏ ｍ ａ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｏ ｆ Ｗｕ ｈ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
影像匹配过程中的误匹配是一个不可忽视的 １］ 。 在数字摄 影 测 量 与 遥 感 领 域 ， 问题 ［ 影像匹配 的误差一般是通过测量平差解决的 。 李德仁等
［ ２］
１ 粗差剔除算法的数学基础
影像匹配实质上是在两张或多张具有重叠区 域的影 像 之 间 识 别 同 名 点 。 在 小 范 围 的 影 像 平 面， 右像与左像之 间 的 关 系 一 般 可 以 利 用 简 单 的 ） 、 数学模型进行描述 ， 例如旋转平移模型（ 式（ １） ） 、 投影变换 模 型 （ 式（ 二维直接线性变换模型 ２）
［ ８］ （ ） ） ： 式（ ３
从验后方差估计的角度提出的选权迭代法成为平 差处理的经典算 法 ， 但其权函数的选择仍是技术
３］ 岑 敏 仪 等［ 避开最小二乘残差统计 处理的难题 ；
相关的难题 ， 从验 前 角 度 提 出 的 粗 差 判 断 方 程 可 以提高平差解算 的 可 靠 性 ， 但判断矩阵的结构严 格依赖于描述观 测 值 的 数 学 模 型 ， 使得适用范围
［ ］ ６ ７ －
ｌ ｘ ′＋ｌ ′＋ｌ ｙ １ ２ ３ 烄 ｘ＝ ｌ ｘ ′＋ｌ ′＋１ ｙ ７ ８ 烅 ｌ ｘ ′＋ｌ ′＋ｌ ｙ ４ ５ ６ ｙ＝ ｌ ｘ ′＋ｌ ′＋１ ｙ ７ ８ 烆
（ ） ３
（ 其中 ， 为计算 所 得 的 同 名 点 左 像 平 面 坐 标 ； ｘ， ｙ） ， ） （ 其余 ′ 为匹配所得的同名点右像平面坐标 ， ｘ ′ｙ 。 字母均为模型参数 理想情况下 ， 匹配所得到的同名点对应该在 一定程度上满足 描 述 影 像 关 系 的 数 学 模 型 ， 影像 匹配的粗差 剔 除 可 以 利 用 这 些 模 型 。 然 而 ， 在摄 影成像的瞬间 ， 由于摄影平台 、 仪器及成像条件的 限制 ， 影像之间的 关 系 在 整 体 上 大 致 符 合 上 述 数 学模型 ， 但在局部仍会出现程度不一的点位偏差 。 这为影像 匹 配 的 粗 差 剔 除 带 来 模 型 解 算 误 差 偏
相位相关辅助的重复纹理区域特征跟踪匹配
相位相关辅助的重复纹理区域特征跟踪匹配闫利;龚珣;谢洪【期刊名称】《国土资源遥感》【年(卷),期】2018(30)1【摘要】在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理.利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及三维重建.针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade- Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法.首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配.实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题.%Building facade is the main content of street images captured by mobile measurement system and contains a lot of regular repeating textures. Applying feature matching algorithm to such images may cause a lot of false matches,which seriously affect the later image orientation and three-dimensional reconstruction. To solve this problem,this paper proposes a phase correlation supported KLT (Kanade-Lucas-Tomasi)feature track-matching algorithm. Firstly, phase correlation algorithm was applied from global to local scale to get crude registration. Then the KLT algorithm was used to track the corners at each matched area. The experimental results show that,when match between buildingdense street images,the algorithm proposed have a greater increase than pure feature matching algorithm in correct matching rate, and the distribution of features is relatively uniform, which can effectively solve the feature matching problem of street images with regular repeating textures.【总页数】6页(P1-6)【作者】闫利;龚珣;谢洪【作者单位】武汉大学测绘学院,武汉 430079;武汉大学测绘学院,武汉 430079;武汉大学测绘学院,武汉 430079【正文语种】中文【中图分类】TP751.1;P237.4【相关文献】1.基于零相位误差跟踪的直线伺服系统重复控制 [J], 孙宜标;闫峰;刘春芳;翟慧萍2.基于关键区域特征匹配的视觉跟踪算法 [J], 余旺盛;田孝华;侯志强;黄安奇;刘翔3.针对重复纹理场景的特征匹配算法 [J], 刘伟;王涌天;陈靖;刘越4.基于双匹配配准算法的多重复纹理图像拼接 [J], 张琳娜;陈建强;吴妍;张悦;岑翼刚5.针对重复纹理场景的跟踪定位算法 [J], 刘伟;王涌天;陈靖因版权原因，仅展示原文概要，查看原文内容请购买。
结合遗传算法的相位相关图像配准方法研究
结合遗传算法的相位相关图像配准方法研究
林涛;韩志斌;杨坤
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)023
【摘要】相位相关是一种以傅里叶变换为基础,用于配准图像平移变换的典型方法.针对两幅同时存在平移和旋转变换的图像,本文在相位相关法的基础上,采用遗传算法进行旋转角度的寻优,由此得到图像配准参数.对该算法进行Matlab仿真,实验结果表明其快速性和准确性.
【总页数】2页(P5-6)
【作者】林涛;韩志斌;杨坤
【作者单位】264001,山东烟台,海军航空工程学院;264001,山东烟台,海军航空工程学院;264001,山东烟台,海军航空工程学院
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法 [J], 汪鲁才;王耀南;毛建旭
2.基于相位相关的小波域图像配准方法研究 [J], 甘亚莉;涂丹;李国辉
3.基于遗传算法的深度图像配准方法研究 [J], 宋晓卿;齐和平
4.一种基于相位相关与子图像的偏振图像配准方法 [J], 万钇良;王建立;张楠;姚凯
男;王昊京
5.基于降采样和相位相关的印刷电路板图像配准 [J], 陈思摇;伍世虔
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
飞艇等作为搭载平台的低空摄影 以无人机 、 测量技术飞速发展 ， 并被广泛应用于资源调查 、 城 市规 划 、 灾害监测等领域， 其 中， 影像匹配是低空 影像处理的关键技术之一
［ ］ １ ２ －
的一幅或多幅影像同名点的过程 。 基于相位相关
］ ３ ５ － ， 的平移 、 旋转与 尺 度 不 变 性 图 像 配 准 ［ 在影像
２ ３ ２ 何海清１， 张永军 黄声享 江西 南昌 ， １ 东华理工大学测绘工程学院 ， ３ ３ ０ ０ １ ３ 湖北 武汉 ， ２ 武汉大学测绘学院 ， ４ ３ ０ ０ ７ ９ 湖北 武汉 ， ４ ３ ０ ０ ７ ９ ３ 武汉大学遥感信息工程学院 ，
摘 要： 针对重复纹理区低空影像匹配中存在的多义性易 造 成 同 名 点 过 少 或 匹 配 失 败 等 问 题 ， 利用相位相关 预测同名点在平移 、 旋转和尺度上的遍历范围 ， 并以尺 法计算了像对中两影像傅立叶变换复共轭的互功率谱 ， 然后通过相关系数法和核线约束匹配同名点。 度遍历范围自适应估计 Ｈ ａ ｒ ｒ ｉ ｓ ａ ｌ ａ ｃ ｅ尺度空间和 检 测 角 点 ， －Ｌ ｐ 实验验证了该方法对于重复纹理区低空影像匹配的可靠性和实用性 ， 可获得数量足够且分布均匀的同名点 。 关键词 ： 低空影像 ； 重复纹理 ； 相位相关 ； Ｈ ａ ｒ ｒ ｉ ｓ ａ ｌ ａ ｃ ｅ算法 －Ｌ ｐ 中图法分类号 ： Ｐ ２ ３ ７． ３ 文献标志码 ： Ａ
９ 卷第 １ ０期 第３
何海清等 ： 相位相关法辅助的重复纹理区低思想 ， 利用平移 、 旋转与尺度相位 相关两个过程来 逆 向 估 计 同 名 点 的 遍 历 范 围 ， 以 相位相关峰值为中心和固定步长增加半径逐步确 定搜索范围 ， 如 图 ２ 所 示 。 影 像 相 位 相 关 值δ 脉 表示值越 冲极大值邻域的 平 面 灰 度 图 颜 色 越 深 ， 大， 当圆环中覆盖的 相 位 相 关 值 满 足 式 （ 时， 则 １） 终止扩大范围 ， 确定平移量 Ｔｘ 、 Ｔｙ 以及当 前 容 差 ， 半径ｔ Ｔｘ ∈ ［ ｔ ｔ ｔ ｔ Ｔｙ ∈ ｒ 的遍历范围（ ｘ－ ｒ， ｘ＋ ｒ］ ） 。 尺度变化 Ｓ 与旋转角θ 也采用 ｔ ｔ ｔ ｔ ｒ， ｒ］ ｙ－ ｙ＋ ［ 类似方法确定容差半径分别为ｓ 角度 θ ｒ、 ｒ 的尺度 、 ， ， 的 遍 历 范 围 （ Ｓ ∈ ［ ｓ － ｓ ＋ ｓ ｒｓ ｒ］ θ ∈ ） 。 θ θ θ θ ０－ ｒ， ０＋ ｒ］ ［ ｓ ｔ ｄ ｔ ｄ ｔ ｄ ｎ ≤ｓ ｎ １ ≤ … ≤ｓ １ ，ｍ ｎ －ｍ ｎ １ ＜ε ｍ － － （ ） １ 式中 ， 趋向收 １～ｎ 环 相 位 相 关 值 的 标 准 差 （ ｓ ｔ ｄ） 敛， 且 ｎ 环的均值 ｍｎ 比ｎ－１ 环的均值 ｍｎ－１ 小 。
。 迄今为止 ， 国内外
学者对低空影像 匹 配 进 行 了 大 量 的 研 究 ， 最具代 旋 转、 平 移、 光照不变性的 表性的 是 利 用 尺 度 、 。然 Ｓ Ｉ Ｆ Ｔ 算法进行低空遥感影像全自动匹配 ， ， 而 相比传统的航空与卫星摄影 低空摄影平台的
［ ］ １ ２ －
飞行高度较低 ， 飞行平台不稳定 ， 影像间的旋偏角 和尺度差异较大 ， 且影像覆盖面积小 ， 有些区域的 周期性纹理或缺少丰富纹理 ， 给 影像具有重复性 、 影像全自动化匹配带来了巨大挑战 。 本文针对重复纹理区低空影像匹配中存在的 借 多义性易造成同 名 点 过 少 或 匹 配 失 败 等 问 题 ， 助快速傅立叶变换 （ ｆ ａ ｓ ｔ Ｆ ｏ ｕ ｒ ｉ ｅ ｒ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ， Ｆ Ｆ Ｔ） 相位相关法预测 同 名 点 的 遍 历 范 围 ， 利用相关系 数法进行相似性 测 度 ， 结合核线约束剔除误匹配 点 。 实验表明 ， 该方法可提高重复纹理区低空影 像匹配的成功率 ， 获得数量足够且分布均匀的同 名点 。
Ｖ ｏ ｌ ． ３ ９Ｎ ｏ ． １ ０ Ｏ ｃ ｔ ． ２ ０ １ ４
： ／ ． ｗ ｈ ｕ ｉ ｓ ２ ０ １ ２ ０ ５ ７ １ Ｄ Ｏ Ｉ １ ０． １ ３ ２ ０ ３ ｊ ｇ
（ ） 文章编号 ： １ ６ ７ １ ８ ８ ６ ０ ２ ０ １ ４ １ ０ １ ２ ０ ４ ０ ４ － － －
相位相关法辅助的重复纹理区低空影像匹配
处理领域得到了深入的研究 。 在低空影像点匹配 前， 利用相位相关法估计同名点的遍历范围 。 低空影像与传统的航空和卫星影像有着明显 地 面 起 伏、 地 物 遮 挡、 视差不连续等在低 的差 异 ， 空影像中的表现 更 为 突 出 ， 空中不同视点垂直摄 影得到的低空影像像对重叠区域的内容也不尽相 同， 相位相关峰值不再是一孤立的较大值 ， 而是一 束较大值 ， 如何界 定 同 名 点 的 遍 历 范 围 对 于 点 匹 配的准确性和效率至关重要 。 图 １ 为某低空影像 相位相关极大值 的 水 平 剖 面 线 ， 邻域具有明显带 相位相 关 值 δ 脉 冲 函 数 的 单 一 极 大 值 宽 。 可见 ， 可能无法代表所有像素的位移关系 。
１ 初始匹配
影像匹配是利用特定算法识别具有重叠区域
图 １ 相位相关峰值剖面图 Ｆ ｉ ． １ Ｐ ｅ ａ ｋ Ｖ ａ ｌ ｕ ｅ ｏ ｆ Ｐ ｈ ａ ｓ ｅ Ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｇ
收稿日期 ： ２ ０ １ ２ １ ０ ２ ５ － － ） ； 项目来源 ： 国家科技支撑计划资助项目 （ 精密工程与工业测量国家测绘地理信息局重点实验室基金资助 项 目 （ ２ ０ １ １ Ｂ ＡＨ １ ２ Ｂ ０ ５ Ｐ Ｆ ２ ０ １ １ － ） ； ） 。 国家自然科学基金资助项目 （ １ １ ４ １ ２ ０ ６ ０ ７ ８， ４ １ ２ ０ ４ ０ ０ ３ ： 第一作者 ： 何海清 ， 博士 ， 讲师 。 现从事摄影测量与遥感及大地测量数据处理等方面的研究 。Ｅ－ｍ ａ ｉ ｌ ｈ ｈ ｉ ｎ ６ ３． ｃ ｏ ｍ ＠１ ｙ ｑ ｇ
第３ ９卷 第１ ０期 ２ ０ １ ４年１ ０月
武 汉 大 学 学 报 · 信 息 科 学 版 Ｇ ｅ ｏ ｍ ａ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｏ ｆ Ｗｕ ｈ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ