基于双视线感知编组的影像匹配方法

第３０卷第８期２０１０年８月计算机应用ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶ０１．３０Ｎｏ．８Ａｕｇ．２０１０文章编号：１００１—９０８１（２０ＬＯ）０８—２０８８—０３基于双视线特征感知编组的影像匹配方法郭海涛１，徐青１，丛凤波２，张保明１（１．信息工程大学测绘学院，郑州４５００５２；２．６５０１５部队，辽宁大连１１６０２３）（ｇｈｔ７７７６＠１６３．ｃｏｎ）摘要：与点特征相比，高级别的特征，特别是自由形状线特征包含了更加丰富的信息，这对于其后的影像解译和表面重建等处理是更为有利的。

针对传统自由形状线特征匹配方法的弊端——匹配成功的线特征数量较少，引入了感知编组理论，提出了一种基于双视线特征感知编组的影像匹配方法。

实验证明该方法不仅可以提高成功匹配的自由形状线特征数量，还可增加自由形状线特征的长度，方便后续人工地物（如建筑物）的提取。

关键词：线特征；影像匹配；感知编组中图分类号：ＴＰ３９１．４１文献标志码：ＡＩｍａｇｅｍａｔｃｈｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｐｅｒｃｅｐｔｕａｌｏｒｇａｎｉｚａｔｉｏｎｏｆｌｉｎｅａｒｆｅａｔｕｒｅｓｉｎｓｔｅｒｅｏｓｃｏｐｉｃｉｍａｇｅｓＧＵＯＨａｉ—ｔａ０１，ＸＵＱｉｎ９１，ＣＯＮＧＦｅｎｇ—ｂ０２，ＺＨＡＮＧＢａｏ—ｍｉｎ９１（１．ＩｎｓｔｉｔｕｔｅｏｆＳｕｗｅ—ｎｇａｎｄＭａｐｐｉｎｇ，ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｍｉｔ如ＺｈｅｎｇｚｈｏｕＨｅｎａｎ４５００５２，Ｃｈｉｎａ；２．Ｕｎｉｔ６５０１５ｏｆＰＬＡ，ＤａｌｉａｎＬｉａｏｎｉｎｇ１１６０２３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｃｏｍｐａｒｅｄｗｉｔｈｐｏｉｎｔｆｅａｔｕｒｅｓ，ｈｉｇｈ—ｌｅｖｅｌｆｅａｔｕｒｅｓ，ｅｓｐｅｃｉａｌｌｙｆｒｅｅ—ｆｏｒｍｌｉｎｅａｒｆｅａｔｕｒｅｓ，ｃｏｎｔａｉｎａｂｕｎｄａｎｔｉｎｆｏｒｍａｔｉｏｎ，ｗｈｉｃｈａｒｅｍｏｒｅｂｅｎｅｆｉｅｉａｌｔｏｔｈｅｃｏｎｓｅｑｕｅｎｔｉｍａｇｅｉｎｔｅｒｐｒｅｔａｔｉｏｎａｎｄｓｕｒｆａｅｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎ，ｅｔｅ．Ｂｕｔ，ｔｈｅｌｉｎｅａｒｆｅａｔｕｒｅｓｔｈａｔｃａｎｂｅｍａｔｃｈｅｄｓｕｃｃｅｓｓｆｕｌｌｙｗｉｔｈｔｙｐｉｃａｌｍｅｔｈｏｄａｒｅｆｅｗ．Ｃｏｎｃｅｒｎｉｎｇｔｈｅｗｅａｋｎｅｓｓｏｆｔｙｐｉｃａｌｍａｔｃｈｉｎｇｍｅｔｈｏｄｓ，ｐｅｒｃｅｐｔｕａｌｏｒｇａｎｉｚａｔｉｏｎｔｈｅｏｒｙｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅｍａｔｃｈｉｎｇｐｒｏｃｅｓｓ，ａｎｄａｎｉｍａｇｅｍａｔｃｈｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｐｅｒｃｅｐｔｕａｌｏｒｇａｎｉｚａｔｉｏｎｏｆｌｉｎｅａｒｆｅａｔｕｒｅｓｉｎｓｔｅｒｅｏｓｃｏｐｉｃｉｍａｇｅｓｗａｓｐｒｏｐｏｓｅｄ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｓｕｌｔｓｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔ，ｔｈｉｓａｌｇｏｒｉｔｈｍａｄｖａｎｃｅｓｔｈｅｓｕｃｃｅｓｓｒａｔｉｏｏｆｆｒｅｅ—ｆｏｒｍｌｉｎｅａｒｆｅａｔｕｒｅｓｍａｔｃｈｉｎｇａｎｄｉｎｃｒｅａｓｅｓｔｈｅｌｅｎｇｔｈｏｆｆｒｅｅ—ｆｏｒｍｌｉｎｅａｒｆｅａｔｕｒｅｓ，ｗｈｉｃｈｆａｃｉｌｉｔａｔｅｓｔｈｅｓｕｂｓｅｑｕｅｎｔｍａｎｕａｌｏｂｊｅｃｔｓｅｘｔｒａｃｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｌｉｎｅａｒｆｅａｔｕｒｅ；ｉｍａｇｅｍａｔｃｈｉｎｇ；ｐｅｒｃｅｐｔｕａｌｏｒｇａｎｉｚａｔｉｏｎ０引言在计算机视觉和摄影测量界，立体视觉是获取物体三维信息的重要手段。

而实现立体视觉的关键技术问题就是如何快速、准确地实现影像匹配。

影像匹配问题的挑战性、学科的交叉特色和诱人的应用前景，使得影像匹配技术仍然是当前和今后相当长一段时间内研究的热点问题。

１Ｊ。

特征匹配现在被认为比灰度匹配具有更广阔的应用前景。

同其他特征相比，自由形状线特征包含了更加丰富的信息，解决匹配模糊性的能力更强，这样也就使得匹配更加稳健，对影像匹配后的影像解译和表面重建等处理也更为有利。

因此研究自由形状线特征匹配具有重要的实用价值。

２ｏ。

目前，国内外已出现了一些用于自由形状线特征匹配的方法，特别是在国外的计算机视觉领域已有一些研究成果。

如Ｔｏｔｈ等人研究的匹配算法是首先通过边缘检测算子提取影像边缘信息，然后对边缘进行参数描述，最后利用特征参数进行匹配从而形成一一对应的特征匹配表。

３“ｏ。

文献［５］在研究自由形状线特征描述、匹配实体选取、相似性测度的确定等自由形状线特征匹配的关键问题的基础上，提出了一种针对自由形状线特征的影像匹配方法。

但这些方法都存在一个弊端——匹配成功的线特征数量是非常有限的，占总特征的小部分，这样的结果必然会造成后续表面重建的困难。

本文在对上述困难进行分析的基础上，提出了一种基于双视线特征感知编组的影像匹配方法，大大提高了成功匹配的自由形状线特征数量。

１感知编组感知编组，也称感知组织或知觉组织，其概念起源于心理学的Ｇｅｓｔａｌｔ学派，由Ｗｅｒｔｈｅｉｍｅｒ等人始建于２０世纪２０年代。

在计算机视觉领域，感知编组是一种基于人类认知事物规律进行推演的理论。

它可以使得大多数视觉系统将原始数据（包括边缘、直线、区域等）组织成为有意义的组合或结构，而且这种组合或结构不随视点的变化而变化。

计算机视觉领域早已公认感知编组在计算机视觉领域中具有相当重要的意义，而感知编组能用最少的领域知识形成目标假设，降低视觉识别过程的计算复杂度。

６。

７ｏ。

由于感知编组过程既涉及到下层的特征提取等初级视觉信息加工，又涉及到上层的检测、识别、语义理解等高级任务，在视知觉中起着承上启下的作用，在立体视觉、图像重建、运动分析、轮廓提取、图像分割、目标识别等许多方面得到广泛应用，当然它也是计算机视觉处理中最重要也是最困难的问题之一。

收稿日期：２０１０—０２—２６；修回日期：２０１０—０３—３０。

基金项目：总装备部“十一五”预研项目（４０６０１０３０４０４）。

作者简介：郭海涛（１９７６一），男，河南新安人，讲师，博士，主要研究方向：数字摄影测量、数字图像处理；徐青（１９６４一），男，浙江磬安人，教授，博士生导师，主要研究方向：数字摄影测量、三维仿真；丛风波（１９７６一），女，吉林海龙人，工程师，主要研究方向：数字图像处理、数字摄影测量；张保明（１９６１一），男，河北安国人，教授，博士生导师，主要研究方向：数字摄影测量、数字图像处理。

万方数据第８期郭海涛等：基于双视线特征感知编组的影像匹配方法２０８９感知编组模仿人类视觉系统的感知组织能力并借鉴其若干基本的组合规则，将图像中的几何要素（如线段、角点等）逐步地组合出有意义的图像特征，最终生成稳定的、非偶然的图像特征组合，达到感知场景目标的目的。

Ｇｅｓｔａｌｔ心理学家早在２０世纪初就提出了一些感知编组的规则，这些规则反映了环境信息以何种方式组合成能被感知的单元整体，因此也被当做拓扑知觉理论中整体性质的元素。

这些规则包括邻近性规则、相似性规则、封闭性规则、对称性规则、连续性规则、同一区域性规则、连接性规则、平行性规则、垂直性规则、共圆性规则等¨ｏ。

本文将感知编组理论引入到遥感影像自由形状线特征的匹配中，依据感知编组的邻近性、连接性和封闭性等规则，在匹配中编组，在编组中匹配，既提高了匹配成功的线特征数量，又增加了自由形状线特征的长度，方便了后续人工地物（如建筑物）的提取。

２传统方法的不足和解决方案传统的线特征匹配算法匹配成功的线特征数量较少，主要有两方面的原因：一是基于单像的特征提取不可避免地会导致同名线特征不一定存在；二是对于那些长度较短，特征本身包含信息量较少的线特征，在线特征匹配时考虑到其匹配的可靠性可能不高，往往进行了舍弃。

如果是因影像遮蔽等造成同名线特征本身就不存在的（与特征提取算法无关），这种情况往往是无法正确匹配的。

但如果同名线特征本身存在，由于受摄影条件及其他因素影响，以及基于单像特征提取算法的影响，造成同名线特征没有得到正确提取或提取不一致而无法成功匹配的，这些情况下认为仍然是可以匹配的。

另外，长度较短，本身包含信息量较少的线特征也认为仍然是可以匹配的。

如果能将这部分线特征得到成功匹配，将会极大地提高匹配成功的自由形状线特征的数量。

针对那些因长度较短，本身包含的信息量较少的线特征的匹配，本文引入严格的平均左右视差约束，实际上相当于将那些信息量较少的线特征绑定在已成功匹配的信息量较大的线特征上一起进行匹配；针对那些因单像特征提取算法的影响或其他因素的影响造成同名线特征没有得到正确提取或提取不一致情况下的线特征匹配，提出了一种对构成立体像对的左右影像（双视）已匹配的线特征和原始提取的线特征进行感知编组的方法来实现这类线特征的匹配。

３基于双视线特征感知编组的影像匹配方法这里的基于双视线特征融合编组的影像匹配是以文献［５］的自由形状线特征匹配为基础的。

首先依据文献［５］的匹配方法进行自由形状线特征匹配，以线特征匹配的结果作为基础，计算已匹配的每对线特征的平均左右视差值；接着对影像中的线特征进行分组，将位置上相邻，平均左右视差值又相近的线特征分为一组；对每一组线特征，在左右影像上确定其作用窗口，然后引入平均视差约束，在左右窗口内利用自由形状线特征匹配方法。

５ｏ匹配其他长度较短（信息量较少）的线特征；然后结合左影像作用窗口内原特征提取结果与现匹配结果对右影像作用窗口内的特征进行编组，反过来，再结合右影像作用窗口内原特征提取结果与现匹配结果对左影像作用窗口内的特征进行编组；最后融合左右影像作用窗口内的线特征进行编组匹配。

具体步骤如下。

１）计算已匹配的每对线特征的平均左右视差值。

自由形状线特征的匹配方法见文献［５］，已匹配的每对线特征的平均左右视差值的计算方法是将每对线特征首尾两点的左右视差取平均值。

２）线特征分组。

将已匹配的，位置上相邻，平均左右视差值又相近的线特征分为一组。

对左影像上的某一已得到匹配的线特征，在其周围一定范围内搜索与其平均左右视差值相近的线特征（可能不止一条），将这些线特征分为一组，并记录下其共同的平均左右视差值。

同样方法，对其他没有分组的线特征也进行分组。

３）在左右作用窗口内对信息量较少的线特征进行匹配。

对每一组的线特征，在左右影像上确定其作用窗口。

影像上假设有／７，条线特征被分为一组，首先，要找出这／７，条线特征所围区域的外接矩形（如图１中的虚线矩形），然后再将外接矩形的四条边各向外扩一定距离（本实验中取１０个像素）构成作用窗口（如图１中的实线矩形）。

（ａ）左影像上线特征组的作用窗ＶＩ（ｂ）右影像上对应的作用窗图１左右影像上某线特征组的作用窗口的确定引入这组线特征的平均左右视差约束，在左右作用窗口内匹配其他长度较短（信息量较少）的线特征。