[发明专利]一种近景影像直线段匹配方法

说明书

一种近景影像直线段匹配方法，属于近景摄影测量与计算机视觉技术领域；包括：直线段提取；确定目标直线段的候选直线段集合；建立目标直线段的平行支撑域，并基于目标直线段的平行支撑域建立候选直线段平面支撑域；计算目标直线段特征描述子和候选直线段特征描述子之间的欧式距离；根据欧式距离确定目标直线段的同名直线段，得到参考影像与搜索影像上同名直线对集合；本发明利用核线约束确定候选直线段平行支撑域，以此为基础构建描述子，加强描述子有效性；对目标直线段及候选直线段的平行支撑域进行区域仿射变换，实现不同尺度影像直线段可靠匹配，改善现有描述子局限性，适用于平移、旋转、模糊、光照等不同类型近景影像直线段匹配。

技术领域

本发明属于近景摄影测量与计算机视觉技术领域，具体涉及一种近景影像直线段匹配方法。

背景技术

影像匹配是指采用一定的匹配算法在两幅或者多幅覆盖同一区域或同一地物的影像上寻找同名特征，建立不同影像上同名特征的对应关系。在人造目标场景中，直线特征包含更丰富的语义和结构信息，因此，利用影像上的直线信息重建人工地物三维模型在近景摄影量测和计算机视觉领域中有着重要的研究意义，其中直线匹配是其关键核心技术。

目前，国内外学者提出众多直线匹配方法。现有方法研究重心主要包括以下两个方面：一是搜索范围约束，常用的约束条件有核线约束、三焦张量约束、单应矩阵约束、同名点约束、三角网约束等，已有的约束条件都需要先验知识或者较为严格的已知条件；二是直线段描述子的建立，结合已有的约束条件，传统直线段特征描述子多利用直线段本身的几何属性，如方向、长度、距离、重复性等。这类简单的几何属性受限于直线提取结果的影响，对于提取结果存在断裂及遮挡影像而言，匹配正确率较低。除此之外，直线邻域窗口的灰度信息也常被用于描述和匹配直线特征，如直线邻域窗口的灰度相关、自适应移动窗口灰度相关，这类直接利用窗口灰度相关对于影像序列或者短基线的影像比较适用，但难以适应视角尺度变化较大的影像。因此，为提高描述子的可靠性，目前直线描述子多利用直线邻域区域内像素灰度直方图、梯度、均值、方差等信息。在无任何约束条件下，王志衡等提出了MSLD直线描述子(Mean-Standard Deviation Line Descriptor，MSLD)，该描述子通过统计像素支撑域内每个子区域4个方向的梯度向量构建描述子矩阵，因此具有平移、旋转、光照不变性。但是在匹配过程中，用于参考影像上目标直线段和搜索影像上候选直线段描述子构建的直线段平行支撑域是直接以二者为中心分别建立的，这种构建直线段平行支撑域的方法对于存在尺度变化或者视角变化的影像来说，两直线支撑域内包含信息的一致性较弱，因此该描述子对于存在尺度变化或者视角变化的影像，难以获得可靠的匹配结果。

发明内容

针对上述现有技术存在的不足，本发明提供一种近景影像直线段匹配方法。

本发明的技术方案：

一种近景影像直线段匹配方法，包括如下步骤：

步骤1：输入参考影像和搜索影像两张近景影像和两张近景影像的同名点坐标；

步骤2：分别对参考影像和搜索影像进行直线段提取；

步骤3：对参考影像和搜索影像上提取的直线段进行匹配，得到同名直线对集合：

步骤3.1：利用参考影像上目标直线段邻域内的同名点确定目标直线段在搜索影像上的候选直线段集合：

步骤3.1.1：将参考影像上任一条提取的直线段l_i作为目标直线段，直线段l_i两端点分别为a、b，分别作过直线段两端点且垂直于直线段l_i的直线和

步骤3.1.2：在输入的同名点中，提取参考影像上直线和之间的两点：点u和点v所述两点为分别位于直线段l_i两侧，且分别为l_i两侧距离直线段l_i距离最近的两个点；