没有合适的资源?快使用搜索试试~ 我知道了~
密集光流法正射影像镶嵌线智能提取.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 183 浏览量
2022-11-29
17:40:56
上传
评论
收藏 297KB DOCX 举报
温馨提示
试读
12页
密集光流法正射影像镶嵌线智能提取.docx
资源推荐
资源详情
资源评论
数字正射影像(digital orthophoto map,DOM)是利用数字高程模型(digital
elevation model,DEM)对单张影像进行数字微分纠正,然后将多张影像镶嵌得到。由于
DEM 中不包含明显地物(城市区域建筑物等)高程信息,在明显地物区域,影像间存在较
大几何错位,该现象的存在降低了 DOM 的平面精度,影响了人的视觉感受。现有方法多
依赖于人工特征和辅助数据,尚未有可自动搜索得到高质量镶嵌线的方法,在实际生产中
依旧需要大量人工编辑。因此,镶嵌线自动搜索仍然是 DOM 实际生产中尚未解决的瓶颈
问题。
文献[1-4]提出了基于数字表面模型(digital surface model,DSM)、正射影像高程
同步模型、重叠区域 Voronoi 图等具有先验信息的辅助数据对镶嵌线进行搜索,基于辅助
数据的方法能较好地避开房屋等独立地物,速度快且效率高,但辅助数据的精确度直接影
响镶嵌线的效果。文献[5]提出通过高斯滤波将影像分为低频影像与高频影像,利用加权平
滑算法与动态规划算法分别拼接低频与高频影像,将两者线性组合得到最终拼接影像,该
方法解决了无人机影像拼接中产生的“鬼影”问题,尽可能地避免了拼接线两侧产生几何错
位。文献[6-8]提出了基于影像分割的镶嵌线搜索方法,其中文献[6]方法首先生成相邻影像
的初始镶嵌线,然后通过分水岭分割方法提取形态学边界点和边界线,最后利用 Dijkstra
算法获得最佳镶嵌线,但该方法易出现过分割的现象,导致生成的镶嵌线过于弯曲。文献
[7]利用图割算法将 DOM 的拼接转化为图割模型优化问题,搜索到的 DOM 重叠区域的最
小割即为最优拼接线。文献[8]将语义信息引入 DOM 的图像分割中,进而搜索最优镶嵌
线。文献[9]通过视差图进行镶嵌线搜索,首先利用 DOM 生成的视差图提取影像中的人工
建筑物,然后采用贪婪搜索算法生成镶嵌线,该方法对规避人工建筑等区域具有很好的效
果。文献[10]提出了一种最小化最大边权的镶嵌线自动搜索方法,首先利用视差图和差值
影像叠加生成差异影像并视其为带权无向图,然后采用最小化最大边权算法搜索最佳镶嵌
线作为拼接线,该方法适用于影像差异较小的区域,当建筑物较高、完全遮挡道路时,拼
接线不能避免穿过建筑物。
通过对现有方法的分析发现,已有方法虽能够在一定程度上正确处理 DOM 的拼接问
题,但很难表达出影像间明显地物的几何差异,对建筑物边缘描述不连续,易使镶嵌线穿
越建筑物,产生几何错位现象。文献[5, 7]虽然效果很好,但自动化程度不高。为此,本文
提出一种基于密集光流法的数字正射影像镶嵌线智能搜索算法,基于 DOM 间的光流值表
示同一目标点在不同影像重叠区域的位置差异,采用光流场欧氏距离的大小表示 DOM 间
重叠区域差异的大小,将光流值引入代价函数,依据图割能量函数寻找最小割,实现
DOM 镶嵌线的智能搜索。光流值的引入可以使计算机自动识别并规避人工建筑物,不需
要如商业软件 OrthoVista 中后续的人工调整镶嵌线的步骤,体现了本文方法的智能化。
1. 本文方法技术流程
本文方法流程如图 1 所示,主要步骤包括:对原始单张正射影像进行预处理,处理
后影像生成金字塔模型并进行密集光流场计算。结合密集光流场、灰度信息、梯度信息构
造代价函数,建立图割能量模型。由于在利用影像构建图割模型过程中,每个像素对应图
割模型中的节点,图像中像素的 4 个邻域对应图割模型中的边,每个边的权值即为该像素
与其邻域像素能量函数值的代价和,因此在权重图中利用图割能量模型求得最小割,即为
最优镶嵌线。
图 1 本文方法流程图
Figure 1. Flowchart of the Proposed Method
下载: 全尺寸图片 幻灯片
2. 密集光流法
光流表示一帧图像中代表同一对象的像素点移动到下一帧的移动量,使用二维向量表
示,反映了同一目标点在相邻影像间的对应关系。密集光流法通过计算图像中每个像素的
光流值,得到密集光流场,光流场图上的像素点表示其对应的相邻影像同名点的位置差
异,能很好地表达左右影像投影差。本文利用 DOM 间的密集光流场欧氏距离的大小探测
DOM 间同一目标在重叠区域影像中位置差异的大小,以此作为镶嵌线查找中需避开区域
的代价之一。
2.1 密集光流法原理
传统的稀疏光流算法只对影像序列中少数具有明显特征的点进行光流场计算,本文采
用文献[11]提出的密集光流法逐像素计算光流值,该方法可以使用任何程度的多项式展
开,即用多项式近似每个像素的邻域。本文采用二次多项式逼近,在局部坐标空间中,将
邻域信号 f(x)近似表示为:
f(x)~xTAx+bx+c]]>
式中,x 为像素点在影像中的二维坐标,x=(x,y)T;A 为对称矩阵,通过邻域信息的
最小二乘加权拟合得到;b 为 2×1 的矩阵向量;c 为标量。使用归一化卷积来估计该二次
多项式的系数。
假设连续两帧影像 I1 和 I2 间的整体位移量为 d,根据式(1)可以构造出对影像 I1
和 I2 的局部邻域多项式估计,计算式为:
f1(x)=xTA1x+b1Tx+c1]]>
根据整体位移量 d 构造影像 I2 的邻域信号 f2,计算式为:
f2=f1(x-d)=xTA1x+(b1-2A1d)+dTA1d-b1Td+c1 ]]>
假设两个信号的二次多项式系数相等,可得关系式:
A2=A1]]>
b2=b1-2Α1d]]>
c2=dTA1x-b1Td+c1]]>
在 A1 为非奇异矩阵的情况下,即 A≠0 时,可以通过式(5)推导出位移 d,计算式
为:
d=-12A-1(b2-b1)]]>
如式(2)所示,对两帧影像 I1 和 I2 进行多项式展开,其系数分别为 A1(x)、b1(x)、
c1(x)和 A2(x)、b2(x)、c2(x),在理想情况下,A1(x)=A2(x),但在实际情况中,不能用一
个局部多项式逼近整幅影像,也不能仅通过当前帧的整体平移得到下一帧,因此对式
(7)中的各元素进行近似与简化表达,计算式为:
A(x)=A1(x)+A2(x)2]]>
Δb(x)=-12(b2(x)-b1(x))]]>
基于上述条件,可以得到主要约束条件,对光流进行求解,计算式为:
A(x)d(x)=Δb(x)]]>
根据式(10)在每个像素邻域上构建下式,使得位移 d(x)在像素邻域内最小化:
∑Δx∈Iw(Δx)A(x+Δx)d(x)-Δb(x+Δx)2 ]]>
剩余11页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3588
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于图像的三维模型重建C++源代码+文档说明(高分课程设计)
- 基于聚焦法的工件立体测量方案,根据数据进行三维重建 使用HALCON处理图像,MATLAB拟合数据+源代码+数据集+效果图
- 锄战三国村 修改:货币使用不减 v1.10(2) 原创 (中文).apk
- 基于python实现的单目双目视觉三维重建+源代码+图像图片(高分课程设计)
- 基于C+++OPENCV的全景图像拼接源码(课程设计)
- 基于Python+OpenCV对多张图片进行全景图像拼接,消除鬼影,消除裂缝+源代码+文档说明+界面截图(高分课程设计)
- 基于C++实现的全景图像拼接源码(课程设计)
- 基于SIFT特征点提取和RASIC算法实现全景图像拼接python源码+文档说明+界面截图+详细注释(95分以上课程大作业)
- 基于matlab实现眼部判别的疲劳检测系统+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于Matlab的异常姿势识别系统+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功