[发明专利]一种局部几何结构约束的城区宽基线影像特征点匹配方法

说明书

本发明属于影像处理技术领域，一种局部几何结构约束的城区宽基线影像特征点匹配方法，包括如下步骤：S1、提取点特征和直线特征，获取特征点局部几何结构信息；S2、构建特征点支撑区域；S3、获取特征区域和特征描述符；S4、基于特征描述符相似性进行初匹配，获取初匹配集合和立体像对之间的基础矩阵；S5、对于未匹配成功且具有至少两个几何结构方向的特征点进行二次匹配；S6、对仍未成功匹配的特征点进行特征点匹配扩展；S7、合并所有匹配的匹配集合，剔除匹配集合中的错误匹配，获取最终匹配集合；本发明解决了现有技术存在的对于位于视差不连续处特征点产生错误匹配，以及难以获得可靠的初匹配集合导致最终匹配集合不可靠的问题。

技术领域

本发明属于影像处理技术领域，具体涉及一种局部几何结构约束的城区宽基线影像特征点匹配方法。

背景技术

影像匹配是摄影测量影像处理领域的关键科学问题之一。经过数十年的发展，研究人员提出了许多适用于不同类型影像的匹配方法。现有影像匹配方法大体上可分为两类：基于灰度的匹配方法和基于特征的匹配方法。

对于传统的下视航空影像，因俯仰、横滚角较小，且平台飞行相对航高较稳定，影像之间不存在明显的尺度、旋转、透视投影变形等几何差异，基于灰度的匹配方法能够获得较高的匹配精度。在基于灰度的匹配方法中，影像相关类方法因算法简单，易于理解和实现，得到了广泛应用。通过改善匹配策略可进一步提高影像相关的稳定性和可靠性，如金字塔匹配、最小二乘匹配、松弛匹配等。虽然基于灰度的匹配方法能够获得较高的匹配精度，但这类方法难以处理城区宽基线影像之间严重的几何变形和视差不连续问题。

相对于基于灰度的匹配方法，基于特征的匹配方法通过构造适用于不同影像变换的特征描述符来实现同名点匹配，能够在一定程度上克服基于灰度的匹配方法的不足。其中，SIFT(Scale Invariant Feature Transform)算法的应用最广泛。随着SIFT算法的成功，这类方法被广泛应用到遥感影像匹配中。然而已有研究发现，随着影像视角变化增大，这类方法的匹配性能将大幅下降。针对这个问题，研究人员提出了一类仿射不变区域检测方法，并在仿射不变区域内计算特征描述符提高匹配效果。但是，这类区域检测算子在影像上检测到的特征数量较少，并且对影像视角变化的鲁棒性仍然较低。另一类方法通过模拟影像仿射或投影空间，并在模拟空间进行特征点匹配，获得了较好的匹配集合，但这类方法时间效率较低，难以适用于大数据量的影像匹配。

在摄影测量领域，高精度POS数据通常被作为辅助信息，在特征点匹配之前对影像进行粗纠正，整体上降低影像视角变化的影响，再采用传统方法进行特征点匹配。这类方法能够在一定程度上改善影像匹配的效果，但由于全局纠正难以准确描述影像之间的局部几何变形，使得匹配效果的改善比较有限。针对这个问题，将整幅影像分成多个子区域，分别对子区域进行特征点检测和匹配，可以克服全局影像几何纠正的不足，增加匹配点的个数。对于无高精度POS数据的情况，可通过初匹配获取一定数量的匹配点来计算立体像对之间的几何变换模型，进而对影像进行粗纠正。

基于影像粗纠正的方法虽然能够改善影像匹配效果，但仍然存在以下问题：

(1)影像纠正只能在一定程度上缓解平面场景的几何变形，对于位于视差不连续处的特征点(如建筑物角点或边缘附近的特征点)，无论经过影像全局几何纠正还是分区域处理，都难以在同名点之间获得影像内容一致的特征区域，进而产生错误匹配；

(2)通过影像初匹配进行几何粗纠正的方法依赖于初始匹配集合，对于存在大视角变化的城区宽基线影像，现有方法难以获得可靠的初匹配集合，导致最终匹配集合不可靠。

发明内容

为了解决现有技术存在的上述问题，本发明提供一种局部几何结构约束的城区宽基线影像特征点匹配方法，解决现有技术存在的对于位于视差不连续处的特征点产生错误匹配，以及难以获得可靠的初匹配集合导致最终匹配集合不可靠的问题。

本发明所采用的技术方案为：