一种基于POS 的改进Har r i s-Af f i ne 倾斜影像匹配方法

2020-07-25王慧芳王铮尧

工程建设与设计 2020年13期

王慧芳，王铮尧

（中煤航测遥感集团有限公司技术发展研究院，西安710199）

1 引言

目前，在数字城市的建立过程中，倾斜摄影测量被广泛地采用。与传统的垂直航空摄影相比，倾斜影像存在几何变形大、地物分辨率变化大、存在色差、地物遮挡、光照等问题【1】，这给较为快速地完成影像匹配工作带来了很大困难。对于大倾斜影像的匹配而言，近年来计算机视觉领域出现的仿射不变特征及其描述符为解决倾斜影像匹配难题提供了思路。

目前，国内外比较常用的特征检测方法有：角点检测、圆点检测、区域检测【2】。在特征点检测算子中，经典角点检测算子有Moravec、Forstner、Harris【3】，其中Harris 角点具有平移不变性、旋转不变性、部分辐射不变性、特征稳定性和均匀性较好等优点，缺少尺度不变性和仿射不变性；2004年，加拿大学者Lowe 提出了具有里程碑式的尺度不变性特征算法——sift特征点检测算法，该算法具有尺度不变性、仿射不变性、对光照变换不敏感，并且具有一定的抗噪性等优点，但对仿射变形较大的影像适应性较差，且该算法耗时较长【4】；常用的特征区域检测算子有Harris-Affine、Hession-Affine 等算法，提取的特征点具有仿射不变性。为了对特征点进行独特和唯一的描述，在过去几十年中发展起来最稳健的描述子之一是sift 描述子：sift 描述子对特征点周围邻域内像素梯度信息（包括梯度模值和方向）采用三维直方图进行统计，具有较强的抗噪声和抗光照变化能力，并且对于含有定位误差的特征匹配具有较好的容错性。

针对倾斜影像的成像特点，优秀的倾斜影像匹配算法不仅要具有尺度不变性、旋转不变性、平移不变性、对光照变换不敏感等优点，还必须对倾斜影像间的仿射变换具有良好的鲁棒性。因此，结合以上算法的优势，采用Harris-Affine【5】特征算法在多尺度空间提取具有仿射不变和尺度不变的点特征，且对产生的特征点在尺度空间上生成sift 描述子，并进行特征匹配的思路被用于目前倾斜影像的匹配中。

在初始POS 约束下，改进了Harris-Affine 特征提取算法，得到的倾斜影像匹配结果被应用到倾斜影像与点云的配准中，匹配结果满足配准精度要求。

2 算法步骤和关键技术

本文中倾斜影响匹配方法的具体步骤如下。

1）数据准备：倾斜摄影影像和初始POS。

2）得到旋转影像：任意2 张倾斜影像匹配时，以其中1 张像片为参考片，根据2 张倾斜像片提供的初始POS 中Kappa角的差值，获得另1 张像片相对参考片的旋转角度，进而得到2 张原始像片的旋转后的像片。

3）旋转影像上提取Harris-Affine 仿射不变特征点。

在Harris-Affine 特征提取算法中，仿射变换阈值参数的大小直接影响算法提取的特征点数的多少。由于不同倾斜影像地形地貌不同，对于每张倾斜影像设置同样的仿射变换阈值参数，每张倾斜影像得到的特征点数差别很大，有的甚至不在一个量级，这对匹配的结果和效率都有很大影响。为了保证每张输入的倾斜影像都能获得数量大致相同的特征点数，本文改进Harris-Affine 算法，设置初始仿射变换阈值参数T0，以及每张像片提取特征点数阈值NC，根据当前仿射变换阈值参数T，检测像片提取特征点数N 判断，当N＜NC，则在循环迭代过程中减小T，当N＞1.5NC，则在循环迭代过程中增加T，本文中仿射变换阈值改变的步长ΔT=0.5，直到每张像片的特征点数都满足阈值设置要求。

4）旋转影像上为每个仿射不变特征点生成sift 描述子。在每个特征点周围的邻域内，在选定的尺度上测量图像局部的梯度，提取每个特征点的128 维特征向量。

5）将旋转影像上的特征点坐标根据步骤2）中的旋转关系转换为对应的原始影像上的特征点坐标，此时每个原始影像上的特征点对应的sift 描述子为步骤4）中的特征向量。

6）特征匹配：为了提高匹配的效率以及减少错误匹配，根据2 张倾斜像片的初始POS，计算2 张倾斜像片的大致重叠范围，针对2 张像片中重叠范围内的匹配点，采用比值提纯法和互相关约束得到初始匹配点对。

7）采用基于基础矩阵F 的Ransac 约束和基于单应矩阵H 的LM 约束进行初始匹配点的粗差剔除。首先，通过对初始匹配点的重复抽样不断估计基础矩阵，选取最大的一致集，如果最大一致集大于阈值，则保留，并且将所有的外点剔除；然后对剩下的匹配点对采用LM 算法估计最优的单应矩阵，将不满足单应约束的外点剔除，剩下的匹配点对即为剔除粗差后的高精度的匹配点对。