CN103700110A - 全自动影像匹配方法 - Google Patents
全自动影像匹配方法 Download PDFInfo
- Publication number
- CN103700110A CN103700110A CN201310734262.6A CN201310734262A CN103700110A CN 103700110 A CN103700110 A CN 103700110A CN 201310734262 A CN201310734262 A CN 201310734262A CN 103700110 A CN103700110 A CN 103700110A
- Authority
- CN
- China
- Prior art keywords
- image
- matched
- point
- matching
- full
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
为解决影像匹配现有技术存在的自动化程度较低和适用范围较窄等问题,本发明提出一种全自动影像匹配方法,对基准影像和待匹配影像构建影像金字塔,并通过傅立叶变换、对数极坐标变换和相位相关法求得待匹配影像中心点在基准影像上的同名点;对匹配种子点对八领域或四领域的像点分别采用分块相位相关法进行匹配;再任选一个已匹配成功的点对作为种子点对,直至整幅影像内的所有像点完成匹配。本发明的有益技术效果能够对具有仿射变换和局部微小几何畸变以及一定程度辐射畸变的卫星影像与航空影像均能实现自动化匹配,无需任何辅助信息和人工干预,且总体匹配正确率明显优于基本匹配方法中公认最优的相关系数法。
Description
发明领域
本发明涉及到影像匹配技术,特别涉及到一种全自动影像匹配方法。
背景技术
随着遥感影像数据的日益增加及对三维空间信息需求的不断增长,对遥感影像处理技术的自动化和实时化要求也越来越迫切。影像匹配是三维空间信息获取与重建的关键技术,是影像融合、变化检测、目标识别等许多遥感影像处理应用的基础。从某种意义上说,影像匹配问题的解决程度决定了摄影测量与遥感的自动化程度。目前,尽管影像匹配技术的研究已取得了很大的进展,但现有技术影像匹配方法在自动化和适用范围方面都存在着一定的局限性。例如,常用的基于灰度(区域)匹配方法,利用归一化相关系数作为相似性度量,可以解决影像匹配的部分辐射畸变问题,但对影像的仿射畸变敏感,无法解决存在旋转和缩放畸变影像的匹配问题。再如,基于特征的匹配方法通过构建各种特征不变量进行匹配,具有较好的抗仿射畸变性能,但是特征匹配结果的精度依赖于特征提取和定位的精度以及特征描述模型。目前广泛使用的SIFT特征匹配法是在多尺度下检测的局部不变特征点,但图像中的局部结构往往存在于一定的尺度范围之内,而不是某个固定的尺度,在多尺度下检测特征点之后会造成许多位置和尺度非常接近的点,它们都代表同一个局部结构,从而造成较多错误匹配,而且无法进行密集匹配,只能得到稀疏的匹配特征点。另外,在影像匹配的自动化方面,目前的匹配方法还需要人工干预或一些辅助信息,没有实现完全的自动化。显然,现有技术影像匹配方法存在着自动化程度较低和适用范围较窄等问题。
发明内容
为解决影像匹配现有技术存在的自动化程度较低和适用范围较窄等问题,本发明提出一种全自动影像匹配方法。本发明全自动影像匹配方法,对基准影像和待匹配影像构建影像金字塔,并通过傅立叶变换、对数极坐标变换和相位相关法求得待匹配影像中心点在基准影像上的同名点;将中心点及其同名点作为匹配种子点对,对其八领域或四领域的像点分别采用分块相位相关法进行匹配;再任选一个已匹配成功的点对作为种子点对,对其八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至整幅影像内的所有像点完成匹配。
进一步的,本发明全自动影像匹配方法,包括以下步骤:
S1、构建影像金字塔,对基准影像与待匹配影像分别建立影像金字塔;
S2、傅立叶变换,对两幅影像的金字塔顶层影像进行傅立叶变换并取变换后两幅影像的幅度谱;
S3、对数极坐标变换,分别对变换后两幅影像的幅度谱进行对数极坐标变换;
S4、求旋转参数与缩放参数,采用相位相关法求得步骤S2处理后的基准影像与待匹配影像的金字塔顶层影像之间的旋转参数与缩放参数;
S5、进行影像矫正,利用旋转参数与缩放参数对待匹配影像的金字塔顶层影像进行矫正;
S6、求平移参数,采用相位相关法求得基准影像与矫正后的待匹配影像的金字塔顶层影像之间的平移参数;
S7、获取中心点及其同名点的初始坐标值,利用平移参数确定待匹配影像金字塔顶层影像中心点及其在基准影像上的同名点的坐标,然后,将其扩展到底层,即原始影像层影像;
S8、确定中心点及其同名点的精确坐标值,分别以矫正后待匹配影像金字塔底层影像中心点及其在底层基准影像上的同名点为中心,各取一个局部窗口影像,对这两个窗口影像采用相位相关法进行匹配,利用匹配结果对步骤S7处理后的坐标初始值进行校正,求得待匹配影像金字塔底层影像中心点在基准影像上同名点的精确坐标;
S9、确定初始种子点对,选取待匹配影像金字塔底层影像中心点及其在基准影像上的同名点作为已匹配成功的初始种子点对;
S10、对邻域像点进行匹配,利用邻近像点的相关性,对初始种子点对八邻域或四邻域的像点分别采用分块相位相关法进行匹配,直至该种子点对邻域像点匹配完毕;
S11、再任选一个已匹配成功的点对作为种子点对,对该种子点对八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至该种子点对邻域像点匹配完毕;
S12、重复执行步骤11,直至整幅影像内的所有像点完成匹配,即完成影像匹配。
进一步的,本发明全自动影像匹配方法输入的基准影像和待匹配影像数据为任意格式的遥感影像或航空影像,单幅图像的行数和列数相同且为2的幂次方。
进一步的,本发明全自动影像匹配方法在步骤S1构建影像金字塔时,如基准影像和待匹配影像的行列数不同,需要重采样,使两幅影像的行列数相同。
进一步的,本发明全自动影像匹配方法在步骤S1构建影像金字塔时,对于尺寸为1024×1024像素的基准影像与待匹配影像,采用降2采样的方法分别构建3层影像金字塔,最顶层影像大小为256×256像素。
进一步的,本发明全自动影像匹配方法,在步骤S2分别对幅度谱进行对数极坐标变换,包括,将幅度谱由笛卡儿坐标空间映射到对数极坐标空间,映射后的对数极坐标空间大小为128×360像素。
进一步的,本发明全自动影像匹配方法,步骤S8选取的局部窗口影像的大小为131×131像素。
进一步的,本发明全自动影像匹配方法,步骤S10或S11中对其八邻域或四邻域的像点分别采用分块相位相关法进行匹配,其匹配窗口的大小为31×31像素。
本发明全自动影像匹配方法的有益技术效果能够对具有仿射变换和局部微小几何畸变以及一定程度辐射畸变的卫星影像与航空影像均能实现自动化匹配,无需任何辅助信息和人工干预,且总体匹配正确率明显优于基本匹配方法中公认最优的相关系数法。
附图说明
附图1是本发明全自动影像匹配方法的步骤示意图。
下面结合附图及具体实施例对本发明全自动影像匹配方法作进一步的说明。
具体实施方式
附图1是本发明全自动影像匹配方法的步骤示意图,由图可知,本发明全自动影像匹配方法,对基准影像和待匹配影像构建影像金字塔并通过傅立叶变换、对数极坐标变换和相位相关法求得对待匹配影像中心点及其在基准影像上的同名点;将中心点和同名点作为匹配种子点对,对其八领域或四领域的像点分别采用相位相关法进行匹配;再任选一个已匹配成功的点对作为种子点对,对其八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至整幅影像内的所有像点完成匹配。本发明全自动影像匹配方法输入的基准影像和待匹配影像数据为任意格式的遥感影像或航空影像,单幅图像的行数和列数相同且为2的幂次方,包括以下步骤:
S1、构建影像金字塔,对基准影像与待匹配影像分别建立影像金字塔;如果基准影像和待匹配影像的行列数不同,需要重采样,使两幅影像的行列数相同;实施例的基准影像与待匹配影像的尺寸为1024×1024像素,采用降2采样的方法分别构建3层影像金字塔,最顶层影像大小为256×256像素;
S2、傅立叶变换,对两幅影像的金字塔顶层影像进行傅立叶变换并取变换后两幅影像的幅度谱;
S3、对数极坐标变换,分别对变换后两幅影像的幅度谱进行对数极坐标变换;实施例是将幅度谱由笛卡儿坐标空间映射到对数极坐标空间,映射后的对数极坐标空间大小为128×360像素。
S4、求旋转参数与缩放参数,采用相位相关法求得步骤S2处理后的基准影像与待匹配影像的金字塔顶层影像之间的旋转参数与缩放参数;
S5、进行影像矫正,利用旋转参数与缩放参数对待匹配影像的金字塔顶层影像进行矫正;
S6、求平移参数,采用相位相关法求得基准影像与矫正后的待匹配影像的金字塔顶层影像之间的平移参数;
S7、获取中心点及其同名点的初始坐标值,利用平移参数确定待匹配影像金字塔顶层影像中心点及其在基准影像上的同名点的坐标,然后,将其扩展到底层,即原始影像层影像;
S8、确定中心点及其同名点的精确坐标值,分别以矫正后待匹配影像金字塔底层影像中心点及其在底层基准影像上的同名点为中心,各取一个局部窗口影像,对这两个窗口影像采用相位相关法进行匹配,利用匹配结果对步骤S7处理后的坐标初始值进行校正,求得待匹配影像金字塔底层影像中心点在基准影像上同名点的精确坐标;实施例的局部窗口影像的大小为131×131像素;
S9、确定初始种子点对,选取待匹配影像金字塔底层影像中心点及其在基准影像上的同名点作为已匹配成功的初始种子点对;
S10、点对邻域像点匹配,利用邻近像点的相关性,对初始种子点对八邻域或四邻域的像点分别采用分块相位相关法进行匹配,直至该种子点对邻域像点匹配完毕;实施例匹配窗口的大小为31×31像素;
S11、再任选一个已匹配成功的点对作为种子点对,对该种子点对八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至该种子点对邻域像点匹配完毕;实施例匹配窗口的大小为31×31像素;
S12、重复执行步骤11,直至整幅影像内的所有像点完成匹配,即完成影像匹配。
为验证本发明全自动影像匹配方法的实际效果,选择了四种典型地貌立体影像对进行全自动影像匹配,取得了较好的效果。其中,对地势较平坦,遮挡现象不明显且纹理丰富的区域影像,匹配正确率很高,为100%;对地面较平坦,有许多高层建筑,存在一定的遮挡现象且左右影像存在亮度差异的城市区域影像,匹配正确率较低,为57.81%;对地形起伏大且局部变形也较大的山区影像,匹配正确率较高,为71.88%;对纹理较为破碎且没有明显特征的森林区域的影像,匹配正确率较高,为97.92%。尽管如此,本发明全自动影像匹配方法的总体匹配正确率明显优于基本匹配方法中公认最优的相关系数法。
显然,本发明全自动影像匹配方法的有益技术效果能够对具有仿射变换和局部微小几何畸变以及一定程度辐射畸变的卫星影像与航空影像均能实现自动化匹配,无需任何辅助信息和人工干预,且总体匹配正确率明显优于基本匹配方法中公认最优的相关系数法。
Claims (8)
1.一种全自动影像匹配方法,其特征在于,对基准影像和待匹配影像构建影像金字塔并通过傅立叶变换、对数极坐标变换和相位相关法求得待匹配影像中心点在基准影像上的同名点;将中心点及其同名点作为匹配种子点对,对其八领域或四领域的像点分别采用相位相关法进行匹配;再任选一个已匹配成功的点对作为种子点对,对其八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至整幅影像内的所有像点完成匹配。
2.根据权利要求1所述全自动影像匹配方法,其特征在于,该方法包括以下步骤:
S1、构建影像金字塔,对基准影像与待匹配影像分别建立影像金字塔;
S2、傅立叶变换,对两幅影像的金字塔顶层影像进行傅立叶变换并取变换后两幅影像的幅度谱;
S3、对数极坐标变换,分别对变换后两幅影像的幅度谱进行对数极坐标变换;
S4、求旋转参数与缩放参数,采用相位相关法求得步骤S2处理后的基准影像与待匹配影像的金字塔顶层影像之间的旋转参数与缩放参数;
S5、进行影像矫正,利用旋转参数与缩放参数对待匹配影像的金字塔顶层影像进行矫正;
S6、求平移参数,采用相位相关法求得基准影像与矫正后的待匹配影像的金字塔顶层影像之间的平移参数;
S7、获取中心点及其同名点的初始坐标值,利用平移参数确定待匹配影像金字塔顶层影像中心点及其在基准影像上的同名点的坐标,然后,将其扩展到底层,即原始影像层影像;
S8、确定中心点及其同名点的精确坐标值,分别以矫正后待匹配影像金字塔底层影像中心点及其在底层基准影像上的同名点为中心,各取一个局部窗口影像,对这两个窗口影像采用相位相关法进行匹配,利用匹配结果对步骤S7处理后的坐标初始值进行校正,求得待匹配影像金字塔底层影像中心点在基准影像上同名点的精确坐标;
S9、确定初始种子点对,选取待匹配影像金字塔底层影像中心点及其在基准影像上的同名点作为已匹配成功的初始种子点对;
S10、对邻域像点进行匹配,利用邻近像点的相关性,对初始种子点对八邻域或四邻域的像点分别采用分块相位相关法进行匹配,直至该种子点对邻域像点匹配完毕;
S11、再任选一个已匹配成功的点对作为种子点对,对该种子点对八邻域或四邻域的未匹配像点进行分块相位相关法匹配,直至该种子点对邻域像点匹配完毕;
S12、重复执行步骤11,直至整幅影像内的所有像点完成匹配,即完成影像匹配。
3.根据权利要求2所述全自动影像匹配方法,其特征在于,输入的基准影像和待匹配影像数据为任意格式的遥感影像或航空影像,单幅图像的行数和列数相同且为2的幂次方。
4.根据权利要求2所述全自动影像匹配方法,其特征在于,在步骤S1构建影像金字塔时,如基准影像和待匹配影像的行列数不同,需要重采样,使两幅影像的行列数相同。
5.根据权利要求2所述全自动影像匹配方法,其特征在于,在步骤S1构建影像金字塔时,对于尺寸为1024×1024像素的基准影像与待匹配影像,采用降2采样的方法分别构建3层影像金字塔,最顶层影像大小为256×256像素。
6.根据权利要求2所述全自动影像匹配方法,其特征在于,在步骤S2分别对幅度谱进行对数极坐标变换,包括,将幅度谱由笛卡儿坐标空间映射到对数极坐标空间,映射后的对数极坐标空间大小为128×360像素。
7.根据权利要求2所述全自动影像匹配方法,其特征在于,步骤S8选取的局部窗口影像的大小为131×131像素。
8.根据权利要求2所述全自动影像匹配方法,其特征在于,步骤S10或S11中对其八邻域或四邻域的像点分别采用分块相位相关法进行匹配,其匹配窗口的大小为31×31像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310734262.6A CN103700110B (zh) | 2013-12-27 | 2013-12-27 | 全自动影像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310734262.6A CN103700110B (zh) | 2013-12-27 | 2013-12-27 | 全自动影像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103700110A true CN103700110A (zh) | 2014-04-02 |
CN103700110B CN103700110B (zh) | 2017-03-22 |
Family
ID=50361628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310734262.6A Expired - Fee Related CN103700110B (zh) | 2013-12-27 | 2013-12-27 | 全自动影像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700110B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156969B (zh) * | 2014-08-21 | 2017-02-01 | 重庆数字城市科技有限公司 | 基于全景影像景深图的探面方法 |
CN106940181A (zh) * | 2017-03-10 | 2017-07-11 | 中国电建集团昆明勘测设计研究院有限公司 | 一种无人机影像像控分布网构建与航片可选范围匹配方法 |
CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及*** |
CN111241935A (zh) * | 2019-12-31 | 2020-06-05 | 飞燕航空遥感技术有限公司 | 一种多时段航摄影像自动匹配比对方法 |
CN111936946A (zh) * | 2019-09-10 | 2020-11-13 | 北京航迹科技有限公司 | 一种定位***和方法 |
CN114037913A (zh) * | 2022-01-10 | 2022-02-11 | 成都国星宇航科技有限公司 | 遥感影像的自动纠偏方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0651337A1 (en) * | 1992-07-03 | 1995-05-03 | Omron Corporation | Object recognizing method, its apparatus, and image processing method and its apparatus |
US20020154820A1 (en) * | 2001-03-06 | 2002-10-24 | Toshimitsu Kaneko | Template matching method and image processing device |
-
2013
- 2013-12-27 CN CN201310734262.6A patent/CN103700110B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0651337A1 (en) * | 1992-07-03 | 1995-05-03 | Omron Corporation | Object recognizing method, its apparatus, and image processing method and its apparatus |
US20020154820A1 (en) * | 2001-03-06 | 2002-10-24 | Toshimitsu Kaneko | Template matching method and image processing device |
Non-Patent Citations (3)
Title |
---|
SIAVASH ZOKAI等: "Image Registration Using Log-Ploar Mappings for Recovery of Large-Scale Similarity and Projective Transformations", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
徐俊泽: "对数极坐标域下的图像配准技术", 《中国优秀硕士论文全文数据库》 * |
林卉等: "利用Fourier-Mellin变换的遥感图像自动配准", 《武汉大学学报信息科学版》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156969B (zh) * | 2014-08-21 | 2017-02-01 | 重庆数字城市科技有限公司 | 基于全景影像景深图的探面方法 |
CN106940181A (zh) * | 2017-03-10 | 2017-07-11 | 中国电建集团昆明勘测设计研究院有限公司 | 一种无人机影像像控分布网构建与航片可选范围匹配方法 |
CN106940181B (zh) * | 2017-03-10 | 2019-04-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种无人机影像像控分布网构建与航片可选范围匹配方法 |
CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及*** |
CN108876826B (zh) * | 2017-05-10 | 2021-09-21 | 深圳先进技术研究院 | 一种图像匹配方法及*** |
CN111936946A (zh) * | 2019-09-10 | 2020-11-13 | 北京航迹科技有限公司 | 一种定位***和方法 |
US11940279B2 (en) | 2019-09-10 | 2024-03-26 | Beijing Voyager Technology Co., Ltd. | Systems and methods for positioning |
CN111241935A (zh) * | 2019-12-31 | 2020-06-05 | 飞燕航空遥感技术有限公司 | 一种多时段航摄影像自动匹配比对方法 |
CN111241935B (zh) * | 2019-12-31 | 2020-10-13 | 飞燕航空遥感技术有限公司 | 一种多时段航摄影像自动匹配比对方法 |
CN114037913A (zh) * | 2022-01-10 | 2022-02-11 | 成都国星宇航科技有限公司 | 遥感影像的自动纠偏方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103700110B (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103700110A (zh) | 全自动影像匹配方法 | |
CN104574347A (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
CN104156957B (zh) | 一种稳定高效的高分辨率立体匹配方法 | |
CN109255808B (zh) | 基于倾斜影像的建筑物纹理提取方法和装置 | |
JP5470607B2 (ja) | 計算機システム、及び画像/図表を位置合わせする方法 | |
CN109523585B (zh) | 一种基于方向相位一致性的多源遥感影像特征匹配方法 | |
CN101833767B (zh) | 数字图像中基于梯度与颜色特征的直线自动匹配方法 | |
CN105389774A (zh) | 对齐图像的方法和装置 | |
WO2014079477A1 (de) | Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen | |
US7778808B2 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
CN112785724B (zh) | 一种基于LiDAR点云和二维图像的古建筑可视化配色方法 | |
CN111003214B (zh) | 基于云控制的国产陆地观测卫星姿轨精化方法 | |
CN104392457A (zh) | 倾斜影像的连接点自动匹配方法及装置 | |
CN105678719A (zh) | 一种全景拼接接缝处平滑方法及装置 | |
CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
US20120321199A1 (en) | Object identification system and method of identifying an object using the same | |
CN105678720A (zh) | 一种全景拼接判断图像匹配方法及装置 | |
CN111709876A (zh) | 一种图像拼接的方法及装置、设备、存储介质 | |
CN106204507A (zh) | 一种无人机图像拼接方法 | |
Hussnain et al. | Automatic feature detection, description and matching from mobile laser scanning data and aerial imagery | |
CN105184736B (zh) | 一种窄重叠双视场高光谱成像仪的图像配准的方法 | |
CN102063702B (zh) | 光学图像的增强方法 | |
KR101580594B1 (ko) | 정규격자 기반 허프변환을 이용한 고해상도 위성영상의 선형 추출 방법 | |
Jang et al. | Improved Image matching method based on affine transformation using nadir and oblique-looking drone imagery | |
Skuratovskyi et al. | Outdoor mapping framework: from images to 3d model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170322 Termination date: 20171227 |
|
CF01 | Termination of patent right due to non-payment of annual fee |