英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
摄影测量中图像匹配的发展与现状
摘要：图像和模板匹配在数字摄影测量、自动建模和映射中具有重要作用。多年以来，大量匹配方法一直在不断发展，但就这个问题整体上仍未得到解决。本文介绍了过去50年间图像匹配技术在摄影测量中的发展，提出了一些经验精度研究的结果，也对一些遗留问题的做出了重要的解释。虽然自动化的方法有相当多的优点，但结果的质量不是令人满意的，甚至在某些情况下是难以接受的。即使使用最先进的技术，也不可能像一个操作员那样生产出有质量的结果。因此目前迫切需要进一步的改进和创新，需要通过更强大的多传感器的方法，从而扩大了信息的频谱，或需要通过图像理解算法的进步，从而更接近人类的阅读和理解图像内容的能力。
关键词：DSM代 实证检验 图像匹配 最小平方 多重图像 多个图像特征
前言
Lan Dowman教授最早提出了在摄影测量中使用全数字系统(Dowman，1984)，在这种情况下,根据卫星数据进行地形测绘。在这些系统中图像匹配是一个重要的函数,取决于许多其他的后续产品。
图像匹配是摄影测量、计算机视觉和图像分析中的一个重要组成部分，它在导航、制导、自动监视、机器人视觉、医学图像分析以及建模和映射科学等领域中具有广泛的应用。50多年来，图像匹配一直是软件系统研究、开发和应用的一个问题。尽管如此，对图像匹配的当前状态的一个关键的评估表明，该问题整体上还没有得到解决。
本文旨在描述的主要的发展线路和取得的成就，因为他们可以追溯到映射群体。对很多学科和受限的空间而言，有一点非常重要：显然地，不是所有的发展都可以被描述并给予适当的信任。
在计算机视觉中，有一个大的图像匹配文学刊物；然而除了一些基本的利益运营商或其他图像分析算法外，并没有特别的发展能够成功地转移到摄影测量系统。最近，Photosynth（Snavely et al.，2006）因其同步和自动校准数百张非标定的图片以及相关的稀疏点云的推导而众所周知。虽然这是一个非常有趣的发展,这种方法的重点不是对表面模型生成图像匹配；事实上没有显示高质量的密集和复杂的表面模型。然而，其他一些最近的事态发展，展示了一些有前途的匹配结果（hirschmueller，2008；Vu et al.，2009），尽管严格控制测试的人还未出现。
这个投稿旨在跟踪从1950年代中期到现在的摄影测量法中图像匹配的发展。由于作者和他的研究小组在这一领域工作了大约30年，并提供了大量的出版物，将有一个特定的工作重点。发展年表结构上分为以下几个时期：“早期”（上世纪60、70年代）；“新方法”（1980）；“时间的整合和扩展”（90年代）；最后验收的时间（2000年代）。
关于图像匹配的发展和现状的讨论也必须考虑到，这种技术被用于各种不同的任务，不同的先决条件和期望。图像匹配的主要但不是唯一的应用领域有表面生成、方向和三角剖分约束和控制点的测量、工业质量控制（有针对性和非靶点）、特征（边缘）提取和特征/对象跟踪。使用的图像的类型，大小和质量（卫星，空中，地面）和预期的精度的结果有很大的不同。相应地，一个关键的分析，将导致不同的结果。因此，参数将基于可实现的结果，而不必基于某些应用程序的要求。在这方面的研究不仅是开发一些新的方法，但也提供了一个对属性明确的认识，这意味着推动这种方法的性能极限，以洞察其潜力的和局限性。
三个基本匹配技术
多年来图像匹配一直是计算机视觉和数字摄影测量中的一个主要研究课题，因此，许多不同的方法已经有所发展。可以总结出三种基本的匹配技术：
(1)基本灰度；
(2)基本特征；
(3)关联性。
在原始的或稍微修改(增强) 的灰度匹配中，图像数据以矩阵灰度值的形式被使用。最突出的方法是互关联和最小二乘匹配(LS匹配或LSM),也称作基于区域的匹配。在1/10像素甚至更好的极端情况下，他们提供了亚像素精度。LS匹配是一个非线性的过程,因此需要很好的近似值。
基于特征的匹配要求，首先提取图像的基本特征，如斑、角、结、边等。在第二步，这些特征之间进行匹配。特征关于反射系数特性有时但不总是稳定的。另一方面，在特征提取阶段丢失的信息将不再恢复。一些方法提供了子像素精度，但不是基于灰度方法的水平。
基于特征匹配的步骤：
（1）放松；
（2）动态规划；
（3）稳健估计；
（4）互相关；
（5）图匹配。
约束条件会减少解决方案空间，比如:
（1）使用核线影像；
（2）使用两个以上的图像；
（3）视差中限制变化的幅度；
（4）对象的先验建模（对象的粗描述）；
（5）分层的“由粗到精”策略；
（6）“最佳优先”策略，根据信息内容的相关性连续使用特征
（7）“稀疏到密集”或“密集到稀疏”策略（一开始的几个匹配点作为骨架之后逐渐使其稠密，或对最初的一个密集点场进行错误检测，逐渐变稀薄；
（8）视差行为观察（视差变化是不允许的）。
关系匹配使用几何或其他关系的功能和结构（功能的组合）。用树搜索技术建立通信。这些方法不是很准确，但通常是强大的，它们不需要很好的近似。在数字摄影测量中，它们在数字地形模型（DTM）方面的使用很少。有几个可用的各种技术或多或少的详尽描述。
验收的时间(2000年至今)
通过图像匹配自动生成DTM / DSM近年来备受关注的。已经开发了各种各样的方法和自动生成DSM包，同时，几个数字摄影测量工作站是市售。在世纪之交，它还指出，商业图像匹配软件就高质量的结果而言没有所需的性能。这尤其适用于航空图像的处理，这尤其适用于航空图像的处理,和最近可用的高分辨率立体卫星图像。
近距离应用被很多系统制造商作为瞄准机会的市场。因此并没有制造商努力提供合适的软件，这一领域是完全是学术研究小组的活动。
虽然商业体系的算法和匹配策略可能彼此不同，但在主要系统中精度性能和遇到的问题是非常相似的。此外，到目前为止对于手动测量标准来说商业图像的匹配程序的绩效并不争气（格伦，1996，1999；格伦et al.，2000）。在自动生成DTM中主要遇到的问题有：
(1)很少或没有纹理 ；
(2) 不同的物体的不连续性；
(3) 本地对象补丁是不太近似平面的面孔；
(4) 重复的对象；
(5) )遮挡；
(6) 移动物体，包括阴影；
(7) 多层透明物体；
(8) 放射文物如镜面反射；
(9)从 DSM，DTM还原；
在2000年，作者开始发展在东京的合作公司starlabo。作为一个大的软件包的一部分，为了一个空中三线扫描仪（TLS）系统一个新的匹配方法和模块被开发。后来的修改也可以处理卫星图像(SAT-PP)和地面近距离情况下(CLORAMA)。以下是指TLS系统的描述，但是在选择算法的通用性上并没有任何限制。
TLS匹配的目的是具体地考虑以上的(a）到(f)问题，产生重叠的。一些出版物对匹配器有详细的描述。原水平TLS图像与给定的或以前的三角又或定位元素一起使用。图像金字塔生成后，匹配器使用三种图像特征，即一般特征点、边缘点和网格点。根据每个层次的金字塔的匹配点构建一个基于DSM的三角形不规则网络（TIN），进而在随后的金字塔层用于近似计算和自适应匹配参数。最后，修改的MPGC视情况可以使更多的特征匹配结果更准确。
通常的匹配技术中，基于区域的匹配（ABM）和基于特征的匹配（FBM）是两种主要的用于自动生成DSM，但有时也会使用相关的匹配。对于以上提出的问题，所有的基本匹配技术都有优点和缺点。成功匹配的关键是一个恰当的匹配策略，即利用有关的传感器模型、网络结构、图像内容等所有可用的和明确的知识。然而，即使这样，图像理解能力的缺乏将导致问题，必须通过项目规范来判断其影响。
匹配方法是一种结合ABM和关系匹配的混合方法。它结合几个图像匹配算法和自动质量控制使用一个粗到细的分层策略。ABM（形式上改进的互相关性和最小二乘匹配）用来匹配特征点和网格点。一般来说，与ABM的成功率主要取决于性能：足够的图像纹理的存在；近似值的质量和配套的一组参数，如匹配窗口大小；搜索距离；相关系数的接受阈值。如何选择一组正确的匹配参数是一个难题，因为这些参数值的要求是相互矛盾的。这些匹配参数是多种因素的函数，包括地形类型，图像纹理，图像尺度，视差变化和图像噪声。TLS匹配器使用一套自适应确定的参数匹配。通过分析更高水平图像金字塔的结果，并使用TLS匹配器在当前金字塔的水平。
在没有足够的图像纹理的、具有重复模式、表面不连续的情况下ABM的性能并不好。不幸的是，对于TLS所提供的大型图像，这些问题都是非常典型。在第一种情况下，由于缺少点，ABM导致DSM中有一些孔。为了克服这个问题，一个基于概率松弛的全球性的图像匹配技术用来匹配缺乏图像纹理区域的网格点。这种关系匹配使用局部平滑约束。在最后一种情况下，产生平滑的表面不均匀性的效应模型。ABM是用来匹配这样不连续性的边缘，但匹配的边缘作为特征线控制全球图像匹配过程中的表面平滑性约束的权重。因此，需要禁止平滑约束穿过边缘。由TLS传感器模型产生的准极曲线用来限制搜索范围使其只有一个方向。利用剩余的视差网格对原始图像数据进行补偿。
总之，匹配的方法有以下几个方面的特点：
(1)多个图像匹配，不同的匹配算法。为了利用多个图像的优势，提出了一个新的灵活和强大的匹配算法，即几何约束相关（GC3）方法。该算法基于对象空间的多图像匹配制导概念并允许同时匹配多个可用图像重建3D对象，而无需匹配所有个人立体像对分开和合并的结果。除了这种特殊形式的互相关，LSM也作为一个选项。
(2)与多个元素匹配。通过利用两ABM和FBM技术和利用本地和全球的图像信息，更强大的混合图像匹配算法已经被开发。特别是，通过概率松弛的关系匹配过程，边缘匹配方法与的网格点匹配方法相结合。使用的边缘会导致表面的不连续性的保留，而是网格点过度区域很少或没有纹理。
(3)自整定参数。自适应确定的匹配参数的促使一个更高的成功率和较少的不匹配。这些参数包括相关窗口的大小，搜索距离和相关阈值。这是通过在以前的图像的层次分析匹配结果，并使用它们在当前的水平。
(4)高匹配冗余度。有了这种匹配的方法，可以实现高度冗余匹配，使点和边可以生成。高度冗余匹配的结果是适合于表示非常陡峭和粗糙的地形，并允许地形的微观结构和表面的不连续性得到很好的保留。此外，这种高冗余度也允许更好的自动错误检测。
(5)有效的表面建模。物体表面是由约束Delaunay三角剖分的匹配点和边缘产生的TIN所建模。一个TIN适合于表面建模，因为它集成了所有的原始匹配的结果，包括点和边缘功能，且没有任何插值。它适用于描述包含许多表面微观结构和不连续性的复杂地形类型，。
(6)由粗到细分级策略。该算法的工作于粗到细的多分辨率图像金字塔结构中，并取得中级DSMS的多分辨率。低分辨率的图像匹配的近似值限制搜索空间，并自适应地为后续的水平计算匹配参数。
控制精度测试结果
在所有控制的试验中观察到的是1到2像素的精度可以在DSM中生成实现，但结果有很多错误。这些错误通常不是单一的峰值（这可以很容易地检测到），而是群体的严重错误，像本地的系统误差。因此，他们不容易被自动检测。今后的研究和开发活动的重点应放在对这些错误的深层原因的理解和对技术的发展上，最终目的是避免他们。错误的主要来源是：
（1）对象特征（边缘，高度差异，陡峭的山坡，重复的对象、植被的作用）；
（2）照明和反射特性（缺乏图像纹理、阴影、镜面反射）、图像质量（信噪比、图像文物等）；
（3）网络问题（设计不足，部分遮挡）。
在自动化情况下，必须看到图像匹配。自动化的潜在优势是：
（1）提高准确率；
（2）降低设备成本；
（3）增加吞吐量；
（4）更快的结果（在线能力）；
（5）新型产品；
（6）质量更好的产品。
最后一个承诺，特别是尚未实现的承诺。通过图像匹配产生的数据质量仍然无法与来自手动测量比较。因此迫切需要在图像理解算法方面有所进步。
质量控制与编辑
内部质量控制应该是任何所谓的自动程序的一个关键特性。在DSM / DTM中，这种质量控制要么不存在要么带有很大的缺陷。在一些系统中的“交通灯”系统正在使用，根据匹配点的质量将它们分为三种颜色，红色，黄色和绿色。然而，如何计算这些分类仍然在很大程度上是未知的。此外，在真实数据集，观察到许多错误的分类。因此，唯一可靠的质量控制程序目前可用于视觉检查，例如，通过叠加生成点云成为立体模型。然而，这是一个半自动化的自动化过程。
对于这些问题，必须考虑数据的编辑。编辑是以预编辑、后期编辑的形式进行的。预编辑包括死区的定义如水表面，云或非常陡峭的（和可能的植被覆盖）山坡等。后期编辑程序主要关注错误和系统误差的消除，但也从DSM DTM还原。虽然有所谓的自动程序为后者提供任务，但有一个潜在的危险即严重的错误被引入，因为决策指示是基于纯粹的几何因素。自动错误检测是在非常粗糙的水平，如对单尖峰滤波过滤。通常的结果需要大量的人工编辑。<!--
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146185]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
