【14页】三角形约束下影像匹配算法实现.doc格式㊣精品文档值得下载

条件，获得匹配可靠度最大的对同名点及三角形存储结构分配空间，由于个点构成的三角形不超过个，三角形个数预分配为，虽然这浪费了定的空间，但是在逐点插入新的同名点动态更新三角网的过程中，就不需要另外分配空间，从而节省了时间。

第页共页数据结构设计数据结构是实现算法的基础。

三角形存储结构是对基本的面结构的扩展，顶点坐标单独存储，三角形节点及拓扑关系存储在同结构中。

根据匹配传播的需要，设计了三角形属性结数据处理流程根据基于三角形约束的影像匹配方法，设计了具体数据处理流程。

匹配算法如图所示图三角形约束的影像匹配传播流程特别的，如果在个同名三角形内分别提取出来的两个特征点集合，最终未能正确匹配出任何同名点对，那么该同名三角形内的匹配传播过程将自动终止。

这点对于水面或屋面等纹理缺乏区域的匹配具有重要作用，因为在这些区域纹理信息极度贫乏，很难提取出可重复的具有物理意义的特征点，所以在这些区域匹配过程的自动终止能够有第页共页效的避免的匹配结果及对后续匹配传播过程的不利影响。

匹配传播过程的最后结果就是个与纹理特征相适应的左右影像上的匹配点构成的两个同名，据此就可以通过空间前方交会计算直接得到相应的三维数字表面模型。

三角形约束下影像匹配算法实现域的匹配具有重要作用，因为在这些区域纹理信息极度贫乏，很难提取出可重复的具有物理意义的特征点，所以在这些区域匹配过程的自动终止能够有第页共页效的避免的匹配结果及对后续匹配传播过程的不利影响。

部分内容简介者最大的匹配点数等作为终止条件。

三角形约束下影像匹配算法实现数据处理流程根据基于三角形约束的影像匹配方法，设计了具体数据处理流程。

将定数量的良好匹配点选取至少三对匹配精度高的同名点作为初始点，采用规则，在立体像对上，分别构建初始同名三角网。

根据三角形特征信息量大小，对其排序以判断各三角形的匹配优先级。

运用改进的特征提取算子，在重叠区域内提取特征点，记录其提取过程中得到的特征值兴趣值，并根据构成的三角网对其进行索引。

选择匹配优先级最高的同名三角形，根据相应约束条件，获得匹配可靠度最大的对同名点。

利用插入算法，将该对同名点分别动态插入到两同名三角网中，并更新特征点索引及三角形匹配优先级。

继续选取优先级最高的对有效同名三角形，进行同样的匹配过程，直至满足匹配传播的终止条件。

三角网约束下影像匹配算法实现中的关键问题立体影像匹配本质上是对大量的灰度角点进行匹配，其计算量相当大。

而快速处理影像资源中提取高精度信息进而实现三维重建是当今的热点问题，随着大存储量硬盘设备的发展，空间效率的要求远不如时间效率的要求迫切，因此，在本算法实现过程中，通过预分配较大空间以换取时间效率。

如生成初始三角网时，就根据估计的最终同名点数目，而给定可调整的值，预先为三维数据点及三角形存储结构分配空间，由于个点构成的三角形不超过个，三角形个数预分配为，虽然这浪费了定的空间，但是在逐点插入新的同名点动态更新三角网的过程中，就不需要另外分配空间，从而节省了时间。

第页共页数据结构设计数据结构是实现算法的基础。

三角形存储结构是对基本的面结构的扩展，顶点坐标单独存储，三角形节点及拓扑关系存储在同结构中。

根据匹配传播的需要，设计了三角形属性结构。

在数据结构中，属性用来记录三角形的特征信息量，表明三角形内的纹理复杂程度，可以通过不同的方式来衡量。

如三角形的信息熵三角形顶点的特征值之和。

属性用来控制匹配传播，当个三角形的属性值为时，影相匹配结束。

其他四个属性都是用来建立特征点索引的。

特征点索引将匹配点动态插入已存在的三角网过程中，匹配点所在的三角形被细分成新的三角形。

首先，在该三角网所在影响区域范围内，提取出全部特征点，记录其特征值。

然后，对同名三角形内的特征点进行匹配，并对特征点建立三角形索引。

具体实现过程为先建立三角形属性数组，与预设三角网中的三角形数目大小相同，并且与三角网中的三角形对应。

再建立初始三角网，通过三角形的最小外接矩形第页共页及面积判断法，确定每个三角形内的特征点，并按照其特征值从大到小的顺序，采用快速排序法对其序号排序。

最后根据左右两幅影像同名三角形内的特征点数目，对特征点索引分配空间，将排过顺序的特征点序号，分别存储在动态数组和中。

在随后的三角网更新过程中，首先判断出原三角网中被修改的三角形，只需要对原属于这些三角形的特征点重新索引即可。

根据新的特征点数对更新的三角形重新分配空间，寻找特征点及排序的过程和初始化索引相同。

三角形优先级根据三角形约束下匹配方法的原理，三角形内纹理特征最明显即特征值最大的点总是最先匹配成功的，而且先进行特征丰富区域的影像匹配，进而逐步扩展到特征缺乏区域，使位于特征丰富区域的三角形能够约束特征缺乏区域的匹配，从而提高特征缺乏区域的匹配可靠性。

从优先级最高纹理特征最丰富的三角形开始匹配，涉及两方面的问题。

其，计算更新三角网后对被修改或新生成的三角形特征信息量。

不同灰度的像素点以不同的概率分布填充不同的空间区域，使得不同的影像表现出不同的形状纹理特征，可以用映像的信息熵来描到的同名点个数，随着匹配成功得到的同名点个数的增加，所需的匹配时间也呈线性增长。

为了进步说明算法效率与得到的同名点个数之间的关系，分别进行了个试验。

选取图内不同的区域，在相同的匹配可靠度条件下进行试验，实验结果如表所示。

表同名点个数与算法效率的关系的实验结果选取图大小为像素像素的区域，在不同可靠度阈值情况下进行试验，实验结果如表所示。

两个试验都证明了匹配所需时间与同名点数呈线性关系。

表在不同可靠度阈值情况下的实验结果结束语为验证本文所提方法的可靠性效率与精确度，用对上述讨论的影响匹配算法进行了实现，并用国产系统对实际的航空影像进行了试验。

实验分为以下个步骤用对航空影像进行了内定向相对定向，并生第页共页成经过核线重排的立体像对在相对定向阶段每个影像对都匹配生成了大约个同名点经过粗差剔除后的良好匹配点，这些同名点是影像上纹理特征较为明显的点，并且分布较为均匀，利用这些点在左右像构建了初始的同名三角网用本文的影像匹配算法进行处理，得到三维表面模型与传统基于灰度的匹配方法进行比较在立体像对上人工采集了多个位于不同地形区域的点作为检查点，这些检查点分别位于地形起伏变化大地形起伏变化小房屋角点和屋顶边缘点及影像纹理信息贫乏的区域。

表是不同方法匹配结果比较。

表不同方法匹配结果比较为中误差，为最大误差，单位为像素地形类型三角网约束的特征匹配基于灰度的匹配地形起伏变化大地形起伏变化小房屋角点和边缘点影像纹理信息贫乏图描述了建筑物密集区域的匹配传播过程，图描述了纹理贫乏区域的匹配传播过程。

图建筑物密集区域的匹配传播过程第页共页图纹理贫乏区域的匹配传播过程通过上述实验分析，得出以下结论基于三角网约束的匹配方法在各种情况下都要优于传统的匹配方法大部分建筑物角点能够直接被匹配出来从而提高了数字表面模型的可靠性和信息完整性由于最优最先的匹配策略以及局部连续性约束顺序约束和双向致性约束的引入，显著减少了匹配，提高了立体影像自动匹配的可靠性由于匹配点的产生遵循了纹理特征由明显到不明显的顺序，这种匹配方法本质上是种与纹理自适应的由概略到精细的多级整体匹配方法由于采用了局部连续性约束的方法，同名点的搜索区域显著缩小，尽管由于三角化和角点提取带来了额外的计算，但整体的匹配效率仍然与传统的匹配方法相当。

致谢在论文完成之际，感慨万千，四年的大学生活是我人生中重要的历程之，也是我生命中最宝贵的阶段。

感谢学校对我的培养，也庆幸能够认识许多优秀的老师和同学。

感谢指导老师苏博老师对我的辅导和细心帮助。

在本次毕业设计中从论文的开题到文章的结构以及知识的贯穿都凝聚着苏博老师第页共页的心血，我从她身上学到了很多东西，她认真负责的工作态度严谨的学术精神和深厚的理论水平使我受益匪浅，获益良多。

感谢我身边的同学们，他们耐心的帮助与支持使我解决了很多问题，使我有了战胜困难的信心和力量。

感谢我的家人多年来对我付出的心血关爱理解与支持，正因为有了他们对我无私的爱才让我能够全心的投入到学习中去中。

最后，诚挚的感谢四年来为我传授知识的老师们，以及所有关心和帮助我的亲人同学和朋友们，参考文献朱庆，吴波，万能，等。

具有良好重复性与信息量的立体影像点特征提取方法。

电子学报，朱庆，林珲数码城市地理信息系统。

武汉武汉大学出版社，计算机图形学的算法基础。

石教英，彭群生，译。

孙君顶，毋小省，周利华。