攝影測量特征點提取與匹配技術研究

摘要：本文重點研究了特征點提取與匹配相關理論及技術。制定了仿真實驗方案，通過Matlab 編制程序，分析了使用Moravec 算子進行特征點提取的特點并證明了基于灰度的匹配算法的有效性。

關鍵詞：數字攝影測量；特征點提取；特征點匹配

中圖分類號：P231文獻標識碼：A文章編號：1009-3044(2008)12-2pppp-0c

Research on Technology of Feature Point Extraction and Matching of Photogrammetry

YU Dai-feng，LI Liang-liang，ZHOU Guang-yong

(School of Geodesy and Geomatics，Wuhan University，Wuhan 430072，China)

Abstract:This paper pivotly study the feature points extraction and matching related theories and techniques.Draw up an experiment project，and draw up procedure through Matlab.Verify the characteristic of feature points extraction Morvec and prove the usefulness of epipolar constraint related theories.

Key words:Photogrammetry;Feature points extraction;Feature points matching

1 引言

在現代化的測繪技術中，攝影測量系統成為一種吸引眾多領域日益關注和采用的幾何信息分析提取和模型制作的有力工具。隨著數字地球概念的提出，城市三維建模，也依賴著數字攝影測量為其提供數據與支持[1]。對于一幅數字影像，我們最感興趣的是那些非常明顯的目標，這些目標是由影像的特征構成的。特征可以分為點狀特征和線狀特征等。提取點特征的算子稱為興趣算子或有利算子。點特征提取是影像分析和影像匹配的基礎，也是單幅圖像處理的最重要的任務。影像匹配實質上是在兩幅（或多幅）影像之間識別同名點，它是計算機視覺及數字攝影測量的核心問題[2]。

2 Moravec算子特征點提取算法

Moravec算子是一種利用灰度方差提取點特征的算子，它的步驟為：

(1)計算窗口圖像內各點的興趣值 IV(interest value)。在以像素(c，r )為中心的W×W 的圖像窗口中（如5×5的窗口），計算0度，45度，90度，135度四個方向的灰度差平方和，取其中最小值為該像元的興趣值。

(2)給定經驗閾值，將興趣值大于該閾值的點（即興趣值計算窗口的中心點）作為候選點。閾值的選擇應以候選點中包括所需要的特征點，而又不含過多的非特征點為原則。

(3)選取候選點中的極值點作為特征點。在一定大小的窗口內(例如5×5，7×7或9×9等)，將候選點中興趣位不是最大者均去掉，僅留下一個興趣值最大者，該像素即為一個特征點。

綜上所述，Moravec 算子是在四個主要方向上，選擇具有最大-最小灰度方差的點作為特征點。

3 基于灰度的匹配方法

該方法是一種較成熟的匹配方法，主要包括的方法有基于灰度相似度檢測和最小二乘影像匹配的方法，它們都是以同名影像灰度相似為基礎的，相關的精度可以達到像元級及子像元等級。基于灰度的影像匹配方法的前提就是同名影像的相似性，對這種相似性的度量有多種形式，以這些度量算法進行檢測，當測度最大時就認為是相應影像的位置[3]。以相關系數作為相似性測度的原理如下：

相關系數是標準化的斜方差函數，協方差函數除以兩信號的方差即得相關系數。g(x，y)與g'(x'，y')的相關系數的實用公式為：

若p(c0，r0)> p(c，r)(c≠c0， r≠r0)，則c0，r0為搜索區影像相對于目標區影像的位移行、列參數。

4 實驗方案設計與實驗結果分析

本文采用的特征點提取算子是Moravec特征點提取算子，特征點匹配采用基于影像相似性測度的影像匹配算法并采用相關系數作為影像的相似性測度。

4.1 特征點提取方案設計

利用Moravec算子對左圖像進行特征點提取，特征點提取的范圍應是左右兩張圖片的重疊覆蓋區域，如下圖所示，以四個像元為端點圍成的四邊形區域作為提取特征點：

在Moravec算子的算法實現過程中，如果經驗閾值過大，會導致較多的特征點未被提取，如果經驗閾值過小，就會提取出較多的非特征點。如果進行抑制局部非最大的窗口過大，同樣會導致較多特征點不被提取，但窗口過小又會導致亮度值變化較大的圖象局部提取出過于密集的特征點。因此本實驗需要通過兩種方案的設計來對經驗閾值及進行抑制局部非最大的窗口大小進行研究，具體實施方案如下：

(1)根據使用Moravec算子提取特征點，首先在所取范圍內以每個像元為中心開5×5的窗口，在此窗口內計算四個主要方向上相鄰像素灰度差的平方和。取其最大值作為該像素的興趣值；

(2)分別以15000和14000為經驗閾值從各像素中篩選候選點。用來進行效果比較；

(3)選取候選點中的極值點作為特征點，在所研究的圖像范圍內依次開11×11的窗口對以15000為經驗閾值選取的候選點進行篩選，每個窗口內僅保留一個興趣值最大的候選點。對于以14000為經驗閾值獲得的候選點在所研究圖像范圍內以同樣的方式依次開19×19窗口進行篩選。

4.2 特征點匹配方案設計

完成對左片的特征點提取完畢后，開始進行所提取特征點的匹配工作，本次實驗的目標是在右片各像元中搜索出與左片各特征點相對應的點，具體步驟如下：

(1)由于影像匹配的窗口很小，本次實驗僅考慮兩張影像之間的一次幾何畸變：

x2=a0+a1x1+a2y1

y2=b0+b1x1+b2y1 （3）

上式中的，均取像元在圖像中的行，列號。

(2)如圖所示，在圖像處理軟件ERDAS IMAGINE中打開兩幅圖像，在兩張圖像上人工選取6對匹配像元，記下其在像片中的位置，根據最小二乘的原理計算出一次幾何畸變的6個系數a0，a1，a2，b0，b1，b2的近似值a0'，a1'，a2'，b0'，b1'，b2'。

ydf03.tif

圖2 起始控制點示意圖

(3)對于從左像片上選取的每一個特征點，根據上一步中求出的一次幾何畸變系數的近似值a0'，a1'，a2'，b0'，b1'，b2'求得各特征點在右像片中的粗略匹配位置如下：

x2'=a0'+a1'x1+a2'y1

y2'=b0'+b1'x1+b2'y1（4）

對于x2'，y2'不為整數的按照四舍五入的原則進行取整。

(4)以從左片提取的各特征點位置為中心開5×5的窗口，在其所對應的右片上的粗略匹配各像元位置為中心開11×11的窗口，使5×5的窗口在11×11的窗口中進行遍歷，即令左片特征點上開的5×5窗口與11×11的窗口中依次取出的5×5的窗口進行相關系數計算，相關系數最大值所對應右片上5×5窗口的中心即為最佳匹配點位，并且如果該相關系數>0.6，則認為本次匹配正確。

4.3實驗過程與實驗結果分析

4.3.1軟件平臺與開發工具

本次實驗采用Windows操作系統下的Matlab[4]語言進行程序設計。Matlab語言是由美國MathWorks公司推出的計算機軟件，經過多年的逐步發展與不斷完善，現已成為國際公認的最優秀的科學計算與數學應用軟件之一，是近幾年來在國內外廣泛流行的一種可視化科學計算軟件。

4.3.2實驗結果分析

(1)以興趣值15000為經驗閾值，用11×11窗口抑制局部非最大，所提取的左片特征點如圖4-3所示，在右片上的匹配點如圖4-4所示：

ydf04.tifydf05tif

圖3 方案1左片特征點提取效果圖4 方案1右片特征點匹配效果

采用方案1共提取出特征點151個，通過計算得出右片上提取出正確的匹配特征點149個，正確率為98.68%。由圖8可以看出該方案在亮度變化較明顯的區域（如公路邊上）提取了過多了特征點，并且部分通過肉眼識別為特征點的像素因興趣值沒有達到15000而并未被提取出來。

(2)為克服方案1中的缺點，決定采用方案2進行改進，以興趣值14000為經驗閾值，用19×19窗口抑制局部非最大，所提取的左片特征點如圖4-6所示，在右片上的匹配點如圖4-7所示：

采用方案2共提取出特征點141個，通過計算得出右片上提取出正確的匹配特征點139個，匹配正確率為98.58%。由圖10可以看出方案1在方案在亮度變化較明顯的區域（如公路邊上）提取了過多特征點的缺點在方案2中得到了一定程度的克服，并且更多通過肉眼識別為特征點的像素被提取出來。方案2對于方案1的改進是比較成功的。

5 結束語

(1)Moravec算子是一種經典的點特征提取算子，研究該算子實現算法中閾值的設定及抑制局部非最大的窗口大小有一定的現實意義。

(2)通過仿真實驗證明了以相關系數作為相似性測度的灰度匹配方法可以取得較高的匹配精度，對于研究其他影像匹配方法也有一定的借鑒意義。

參考文獻：

[1]Zuxun Zhang，Jianqing Zhang.Outlook On The Development of Digital Photogrammetry —from digital photogrammetric workstation(DPW) to digital photogrammetry system(DPS).

[2]張劍清，潘勵，王樹根.攝影測量學[M].武漢:武漢大學出版社，2004.7.

[3]山海濤，郭建星，耿則勛.影像匹配中幾種相似性測度的分析[J].測繪信息與工程，2003，28(2).

[4]董長虹.Matlab圖像處理與應用[M].北京:國防工業出版社，2004.1.

收稿日期：2008-01-20

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”