影像匹配实习报告

1、影像匹配实习报告李龙飞 测绘研13-1班影像匹配的相关概念影像匹配即通过一定的匹配算法在两幅或多幅影像之间识别同名点的过程。最初的影像匹配是利用相关技术实现的，因而也有人称影像匹配为影像相关。它是图像融合、目标识别、目标变化检测、计算机视觉等问题中的一个重要前期步骤，在遥感、数字摄影测量、计算机视觉、地图学以及军事应用等多个领域都有着广泛的应用。由于原始相片中的灰度信息可转换为电子、光学或数字等形式的信号，因而可构成电子相关、光学相关或数字相关等不同的相关方式；而由于可运用于多个领域中，影像相关所匹配的对象也是多种多样的，如卫星遥感影像、航空摄影影像、近景摄影影像等，这些原始数据往往都不是理想

2、的数据源，因此要针对各种特点选择合适的算法进行匹配。但一般来说，无论是光学相关、电子相关还是数字相关，所匹配的对象也有不同，但其理论基础都是相同的。影像相关是利用互相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信号，计算二者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。即以影像信号分部最相似的区域为同名区域，同名区域的中心点为同名点。这也是自动化立体量测的基本原理。影像匹配的过程 第一步 确定匹配基元匹配基元包括相方的匹配基元和物方的匹配基元第二步 确定基准影像第三步 搜索影像处理第四步 找同名点添加文

3、本确定匹配基元确定基准影像找同名点搜索影像处理影像匹配原理与算法匹配基元包括影像上的特征点，影像上格网点，影像上特征线。物方是抽象化的物方“地面元”。确定基准影像要充分考虑遮挡的情况所造成的匹配不成功的问题。保证左右影像点个数差距不大从而保证匹配成功。搜索影像处理中队搜索影像进行相应特征提取，不进行特征提取。对特征点均匀分布程度，特征点的等级，特征点的重复率等进行分析和处理。找同名点的算法minjminjcrcjrijiminjcjrijiggggggggrc11112,2,11,)()()(),(minjcjrircgnmg11,1minjjignmg11,1搜索范围约束核线约束双向一致约束

4、RANSAC方法共线方程)()()()()()()()()()()()(333222333111SSSSSSSSSSSSZZcYYbXXaZZcYYbXXafyZZcYYbXXaZZcYYbXXafxfcycxcfbybxbZZYYfcycxcfayaxaZZXXSSSS321321321321）（）（相关程序的MATLAB编写 %定义相关系数计算函数 function rho=CorRelation(block1,block2) p=sum(sum(block1-mean2(block1).*(block2-mean2(block2); % block1与block2都是矩阵，属多维数组 q

5、=sqrt( sum(sum(block1-mean2(block1).*(block1-mean2(block1) ) * sqrt( sum(sum(block2-mean2(block2).*(block2-mean2(block2) ); rho=p/q; end%#定义函数：物方坐标推算像方坐标（共线方程）function xyR=DirectR(X,Y,Z) um=0.0000072; %像元大小%内方为元素- f=0.1005; x0=4710; y0=7220.760;%外方为元素三个角元素- Q=0.059940; w=-0.015139; k=-0.483261;%外方为元

6、素三个角元素余弦值- a1=cos(Q)*cos(k)-sin(Q)*sin(w)*sin(k); a2=-cos(Q)*sin(k)-sin(Q)*sin(w)*cos(k); a3=-sin(Q)*cos(w); b1=cos(w)*sin(k); b2=cos(w)*cos(k); b3=-sin(w); c1=sin(Q)*cos(k)+cos(Q)*sin(w)*sin(k); c2=-sin(Q)*sin(k)+cos(Q)*sin(w)*cos(k); c3=cos(Q)*cos(w);%外方为元素三个线元素- XS=429836.7205; YS=2885683.4209; Z

7、S=687.7445;%共线方程（正算公式），由物方坐标解算像方坐标- xR=(a1*(X-XS)+b1*(Y-YS)+c1*(Z-ZS)/(a3*(X-XS)+b3*(Y-YS)+c3*(Z-ZS)*(-f); yR=(a2*(X-XS)+b2*(Y-YS)+c2*(Z-ZS)/(a3*(X-XS)+b3*(Y-YS)+c3*(Z-ZS)*(-f);%计算解算点在(裁剪后)图像(imgR)上坐标 xyR(1,1)=(xR/um+x0-2863); %ceil（）取整函数 xyR(1,2)=(6855-(yR/um+y0);%6076function XYL=InverseL(pLx,pLy,

8、Z) %pLx,pLy为特征点在提取图像上的坐标（列、行） um=0.0000072; %像元大小m %内方为元素- f=0.1005; x0=4710; y0=7220.760;%外方为元素三个角元素- Q=0.062645; w=-0.027183; k=-0.488544;%外方为元素三个角元素余弦值- a1=cos(Q)*cos(k)-sin(Q)*sin(w)*sin(k); a2=-cos(Q)*sin(k)-sin(Q)*sin(w)*cos(k); a3=-sin(Q)*cos(w); b1=cos(w)*sin(k); b2=cos(w)*cos(k); b3=-sin(w)

9、; c1=sin(Q)*cos(k)+cos(Q)*sin(w)*sin(k); c2=-sin(Q)*sin(k)+cos(Q)*sin(w)*cos(k); c3=cos(Q)*cos(w);%外方为元素三个线元素- XS=429941.3807; YS=2885626.2191; ZS=689.8741;%提取的特征点的像方坐标- xL=(pLx+159-x0)*um; yL=(7018-pLy-y0)*um;%共线方程反算形式，像方坐标至物方坐标- XL=XS+(Z-ZS)*(a1*xL+a2*yL-a3*f)./(c1*xL+c2*yL-c3*f); % X YL=YS+(Z-ZS)*(b1*xL+b2*yL-b3*f)./(c1*xL+c2*yL-c3*f); % Y XYL=XL YL;Mpt1=ceil(Mpt); %坐标轴取整，消除除block2计算错误 rho=; %相关系数数组 for k=1:size(Mpt,1) %定义用于计算相关系数的灰度矩阵（右影像15*15）- block2=imgR(Mpt1(k,2)-7:Mpt1(k,2)+7,Mpt1(k,1)-7:Mpt1(k,1)+7); rho(k)=CorRelation(block1,block2); %相关系数计算 end mr,nr=max(r