[发明专利]一种面向近景摄影立体影像数据的特征点匹配方法

说明书

技术领域

本发明属于数字近景摄影领域，涉及一种特征点匹配方法。

背景技术

随着现代测绘技术的发展，数字摄影测量可以为数字地球、城市三维建模等提供数据和支持。对于数字摄影测量所获得的原始数据，比较重要的是数字影像的特征，包括点状特征、线状特征和面状特征。对这些特征的提取方法是影像分析和影像匹配的基础，可利用各种算子来进行，例如：Moravec算子、Forstner算子和Harris算子均可以用来提取特征点。对数字影像中的明显目标，不仅需要识别它们，还需要确定它们的位置。摄影测量中立体像对的量测是提取物体三维信息的基础。数字摄影测量中以影像匹配代替传统的人工观测，来达到自动确定同名像点的目的。影像匹配实质上是在两幅或多幅影像之间识别同名像点，它是数字摄影测量及计算机视觉的核心问题。基于灰度的匹配方法是一种较成熟的匹配方法，主要包括基于灰度相似度检测和最小二乘影像匹配的方法，它们都是以同名影像相似度为基础。

尺度不变特征转换(Scale-invariant feature transform，SIFT)是David Lowe提出的局部特征描述子，其将斑点检测、特征矢量生成和特征匹配搜索等步骤完整地结合在一起进行优化，达到了接近实时的运算速度。SIFT特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。然而，在获取影像数据时，由于可能会受到降水反射、土体运动、高速相机焦距设置和检校精度、拍摄角度以及场景布置等因素的影响，影像数据容易出现模糊、特征不明显、纹理不清晰等质量问题，此时，若采用常规的影像匹配方法，会出现正确匹配点少、误匹配点多的情况。

发明内容

本发明针对现有技术的不足，目的在于提供一种能够提高正确匹配点数目、降低误匹配点数目并且提高了特征点检测的时间效率的面向近景摄影立体影像数据的特征点匹配方法。

为达到上述目的，本发明的解决方案是：

一种面向近景摄影立体影像数据特征点的匹配方法，包括如下步骤：

(1)、采用平行摄影的方式对待匹配场景进行拍摄，选择同一时刻两个相机分别拍摄的两幅图像作为第一幅图像和的第二幅图像，在第一幅图像中选取第一待匹配区域，在第二幅图像中并选取与第一待匹配区域对应的第二待匹配区域；

(2)、利用SIFT算法分别检测第一待匹配区域的特征点和第二待匹配区域的特征点，以第一待匹配区域内的特征点为基准分别将第一待匹配区域和第二待匹配区域分割为多个一一对应的子区域；

(3)、分别以第一待匹配区域的各个子区域为约束条件，利用最近邻距离算法进行由第一待匹配区域的子区域向第二待匹配区域的对应子区域的特征点正向匹配，最终匹配出各个子区域的同名像点；

(4)、以第一待匹配区域的各个子区域的同名像点和位于子区域边缘上的特征点作为三角形的三个顶点分割子区域并构建三角网络；

(5)、以步骤(4)所得三角网络中的各个三角形为约束条件，利用最近邻距离算法进行由第一待匹配区域的三角形向第二待匹配区域的对应三角形的特征点循环正向匹配，得到正向同名像点群；

(6)、分别以第二待匹配区域的各个子区域为约束条件，利用最近邻距离算法进行由第二待匹配区域的子区域向第一待匹配区域的对应子区域的特征点逆向匹配，最终匹配出各个子区域的同名像点；

(7)、以第二待匹配区域的各个子区域的同名像点和位于子区域边缘上的特征点作为三角形的三个顶点分割子区域并构建三角网络；

(8)、以步骤(7)所得三角网络中的各个三角形为约束条件，利用最近邻距离算法进行由第二待匹配区域的三角形向第一待匹配区域的对应三角形的特征点循环逆向匹配，得到逆向同名像点群；

(9)、根据正向同名像点群和逆向同名像点群得到正确匹配的同名像点结果。

在步骤(2)中，根据第一待匹配区域和第二待匹配区域各自的坡度和坡向并把第一待匹配区域和第二待匹配区域目视相同的特征点作为子区域的分割点，把第一待匹配区域和第二待匹配区域完整地分割成数个对应的子区域。进一步地，第一待匹配区域或者第二待匹配区域各自的相邻子区域间有部分重叠。

步骤(5)中的特征点循环正向匹配具体包括：

第一步、设定预设循环次数和三角形大小阈值，；

第二步、将步骤(4)所得三角网络中的各个三角形作为第一级三角形，以第一级三角形为约束条件，利用最近邻距离算法进行由第一待匹配区域的第一级三角形向第二待匹配区域的对应三角形的特征点正向匹配，得到各个第一级三角形的同名像点，n设定为1，m设定为0；