L0級(jí)機(jī)載三線陣影像連接點(diǎn)自動(dòng)提取

杜守基， 鄒崢嶸， 張?jiān)粕?,， 張明磊

(1.水能資源利用關(guān)鍵技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410014；2.中南大學(xué)地球科學(xué)與信息物理學(xué)院,長(zhǎng)沙 410083)

L0級(jí)機(jī)載三線陣影像連接點(diǎn)自動(dòng)提取

杜守基2， 鄒崢嶸2， 張?jiān)粕?,2， 張明磊2

(1.水能資源利用關(guān)鍵技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410014；2.中南大學(xué)地球科學(xué)與信息物理學(xué)院,長(zhǎng)沙 410083)

針對(duì)L0級(jí)機(jī)載三線陣影像數(shù)據(jù)量大以及變形大的問(wèn)題，提出一種基于SIFT和相關(guān)系數(shù)法匹配相結(jié)合的連接點(diǎn)提取方法。首先，建立金字塔影像后，在影像金字塔頂層采用SIFT算法匹配同名點(diǎn)； 然后,基于金字塔匹配傳播以及相關(guān)系數(shù)法實(shí)現(xiàn)連接點(diǎn)的傳遞； 最后,通過(guò)POS數(shù)據(jù)幾何約束剔除可能的誤差，并進(jìn)行分布優(yōu)化。3個(gè)條帶ADS40影像的試驗(yàn)結(jié)果表明： 與常規(guī)連接點(diǎn)提取方法相比，該文方法匹配正確率提高6%以上，且連接點(diǎn)分布更均勻，可以滿足自動(dòng)空三的需求。

三線陣影像； 影像匹配； SIFT特征； 相關(guān)系數(shù)法； 金字塔影像

0 引言

由于傳感器姿態(tài)高頻率變化、飛行平臺(tái)抖動(dòng)以及POS系統(tǒng)本身存在的系統(tǒng)誤差，機(jī)載三線陣系統(tǒng)提供的POS數(shù)據(jù)還不能滿足高精度的測(cè)圖要求，需要通過(guò)自動(dòng)空三來(lái)進(jìn)一步提高外定向數(shù)據(jù)的精度[1-2]，而高精度、高可靠性的影像連接點(diǎn)是進(jìn)行自動(dòng)空三的基礎(chǔ)。三線陣影像是非等傾斜攝影產(chǎn)生的，前視、下視和后視的攝影角度不同，對(duì)應(yīng)的視差和影像紋理不如框幅式影像的一致性好[3]。另外，三線陣影像還存在數(shù)據(jù)量大、影像變形大等問(wèn)題，給傳統(tǒng)的連接點(diǎn)提取方法帶來(lái)了一定的困難。

對(duì)于三線陣影像匹配，張永生等[4]提出用于ADS40傳感器的多視覺(jué)立體匹配算法模型； 紀(jì)松等[5]提出幾何條件約束下的自適應(yīng)三線陣影像匹配模型，并與范大昭等[6-7]改進(jìn)了鉛垂線軌跡法多視匹配模型； 張力等[8]提出幾何約束互相關(guān)多視匹配模型，這些方法主要用于生成高精度數(shù)字表面模型，依賴于精確的外方位元素，而機(jī)載三線陣系統(tǒng)提供的POS數(shù)據(jù)帶有一定的誤差，需要提取影像連接點(diǎn)進(jìn)行平差以提高外方位元素的精度。趙斐等[3]采用基于金字塔分層動(dòng)態(tài)窗口運(yùn)算的相關(guān)系數(shù)法來(lái)自動(dòng)量測(cè)三線陣影像空三加密點(diǎn)，通過(guò)實(shí)驗(yàn)證明了該方法的有效性。孟俊俊等[9]提出基于POS數(shù)據(jù)約束的ADS40影像SIFT匹配方法，該方法應(yīng)用于糾正后的L1級(jí)影像，會(huì)受到幾何糾正等預(yù)處理的影響。

影像數(shù)據(jù)量大和變形大是機(jī)載三線陣影像連接點(diǎn)提取需要解決的2個(gè)問(wèn)題。針對(duì)影像數(shù)據(jù)量大的特點(diǎn)，本文采用由粗到精的金字塔影像匹配策略，首先在低分辨率影像上進(jìn)行匹配，然后將匹配結(jié)果作為約束信息向下一層金字塔影像傳遞[10]，直至原始影像。針對(duì)機(jī)載三線陣影像變形大的問(wèn)題，雖然經(jīng)過(guò)幾何校正后的L1級(jí)影像變形減小，有利于匹配，但是將L0級(jí)影像糾正成L1級(jí)影像需要耗費(fèi)較多時(shí)間，而變形較大的L0級(jí)影像又難以使用常規(guī)相關(guān)系數(shù)法進(jìn)行匹配。綜上考慮，本文提出一種基于SIFT和相關(guān)系數(shù)法匹配相結(jié)合的L0級(jí)機(jī)載三線陣影像連接點(diǎn)提取方法。

1 連接點(diǎn)自動(dòng)提取方法

連接點(diǎn)自動(dòng)提取方法主要包括影像預(yù)處理、基于SIFT算法的頂層同名點(diǎn)匹配、連接點(diǎn)金字塔影像匹配傳播和連接點(diǎn)優(yōu)化4個(gè)步驟，流程如圖1所示。

圖1 連接點(diǎn)自動(dòng)提取流程

本文首先生成金字塔影像，并對(duì)頂層金字塔影像進(jìn)行Wallis濾波，以增強(qiáng)和銳化影像的紋理信息； 其次在頂層金字塔影像上提取SIFT特征點(diǎn)并進(jìn)行匹配，獲取頂層影像上的連接點(diǎn)，然后通過(guò)金字塔影像匹配傳播將頂層影像上的連接點(diǎn)傳遞到原始影像； 最后采用幾何約束剔除錯(cuò)誤匹配點(diǎn)，并進(jìn)行分布優(yōu)化。

1.1 影像預(yù)處理

1.1.1 金字塔影像的生成

由于機(jī)載三線陣影像分辨率高、數(shù)據(jù)量大，為了提高影像匹配結(jié)果的可靠性，采用由粗到精的金字塔影像匹配策略，一方面保留影像大的整體結(jié)構(gòu)特征，增大影像的拉入范圍，從而在高層影像上提高匹配的可靠性； 另一方面，在匹配過(guò)程中，高一層影像上的匹配結(jié)果可以作為下一層影像的參考，從而使得下一層影像上匹配的搜索范圍變小，以提高匹配的效率。本文采用2×2的平均金字塔方法來(lái)生成金字塔影像。

1.1.2 影像增強(qiáng)

機(jī)載三線陣影像前視、下視和后視的航攝角度不同，影像之間的顏色和紋理存在一定的差異，因此在頂層影像提取SIFT特征點(diǎn)之前對(duì)影像進(jìn)行Wallis濾波，以增強(qiáng)和銳化影像的紋理信息，增加影像的信噪比，從而提高影像匹配的精度和可靠性[11-13]。

1.2 基于SIFT算法的頂層同名點(diǎn)匹配

根據(jù)SIFT算法原理，特征點(diǎn)表示為

f=(x,s,o,d)[14]，

(1)

式中：x為特征點(diǎn)坐標(biāo)；s為尺度；o為方向；d為128維描述符。在進(jìn)行匹配時(shí)，采用K-d樹(shù)對(duì)搜索影像的SIFT特征描述符建立空間索引[15]，之后利用歐氏距離作為相似性度量，找出參考影像與搜索影像中歐式距離最近的前2個(gè)特征點(diǎn)，計(jì)算最近與次近距離之間的比值，當(dāng)比值小于某個(gè)閾值時(shí)，則認(rèn)為是一對(duì)同名點(diǎn)，閾值越小，則匹配的同名點(diǎn)數(shù)量越少，但是匹配正確率越高，為了兼顧匹配點(diǎn)數(shù)量和正確率，本文將閾值設(shè)為0.6。

多條帶三線陣頂層金字塔影像連接點(diǎn)匹配過(guò)程主要包括條帶內(nèi)匹配和條帶間匹配，如圖2所示。

圖2 條帶影像匹配示意圖

條帶內(nèi)匹配以條帶1為例，下視影像1_N分別與前視影像1_F和后視影像1_B進(jìn)行匹配，對(duì)得到的2個(gè)匹配結(jié)果以1_N為基準(zhǔn)進(jìn)行連接串點(diǎn)，即提取出在3張影像上的匹配點(diǎn)，以減少因遮擋等導(dǎo)致的誤匹配問(wèn)題，提高匹配的可靠性，條帶1中的匹配點(diǎn)包括：p1-p4-p7，p2-p5-p8，p3-p6-p9，稱其為3度重疊點(diǎn)。通過(guò)條帶內(nèi)匹配成功的匹配點(diǎn)再進(jìn)行條帶間匹配，以條帶1和2為例，以條帶1的下視影像1_N為基準(zhǔn)，先雙向匹配條帶2的下視影像2_N，匹配成功的點(diǎn)再傳遞給條帶1的1_F和1_B以及條帶2的2_F和2_B。由于機(jī)載三線陣影像條帶間重疊度為30%左右，所以條帶間重疊部分的匹配點(diǎn)會(huì)出現(xiàn)在6張影像上，即為6度重疊點(diǎn)(如p3-p6-p9-p10-p13-p16)。以此類推便可得到金字塔頂層影像上多條帶上的連接點(diǎn)。

1.3 連接點(diǎn)金字塔影像匹配傳播

將連接點(diǎn)向下傳遞，直至原始影像。連接點(diǎn)傳遞到下一層金字塔影像時(shí)，高一層影像上的匹配結(jié)果作為下一層影像上的連接點(diǎn)初始值，因此下一層影像匹配只需要在小范圍內(nèi)搜索。以圖2中的連接點(diǎn)p1-p4-p7為例來(lái)說(shuō)明連接點(diǎn)的傳遞流程(圖3)。

圖3 連接點(diǎn)傳遞流程

由圖3可知，p1-p4-p7為頂層金字塔影像上匹配的連接點(diǎn)。由于在生成金字塔影像時(shí)采用了4像元平均法，所以將p1，p4和p7坐標(biāo)值的2倍作為第2層金字塔影像上連接點(diǎn)坐標(biāo)的初始值，初始連接點(diǎn)分別記為p1_2，p4_2和p7_2。以p1_2為基準(zhǔn)，在點(diǎn)p4_2和p7_2附近尋找點(diǎn)p1_2的最優(yōu)匹配點(diǎn)，分別記為p4_2′和p7_2′，并以該層的最優(yōu)匹配點(diǎn)p1_2-p4_2′-p7_2′為基準(zhǔn)，繼續(xù)向下一層金字塔影像傳遞，直至原始影像。

采用相關(guān)系數(shù)法匹配約束連接點(diǎn)的傳遞，搜索鄰域范圍設(shè)置為3像元×3像元，相關(guān)系數(shù)窗口大小設(shè)置為11像元×11像元，具體計(jì)算過(guò)程如圖4所示。p1_2，p4_2和p7_2分別與圖3相對(duì)應(yīng)，是由上一層金字塔影像傳遞而來(lái)。在該層金字塔影像的

圖4 連接點(diǎn)傳遞過(guò)程中的約束匹配

Fig.4 Constraint matching in tie points propagating

下視影像上讀取121個(gè)像元(11×11)的灰度值，前視和后視影像上分別讀取169個(gè)像元(13×13)的灰度值，以p1_2為基準(zhǔn)，在前視后視影像上p4_2和p7_2附近3×3鄰域內(nèi)分別計(jì)算9個(gè)相關(guān)系數(shù)，以相關(guān)系數(shù)最大且大于給定閾值(由于L0級(jí)三線陣影像存在較大幾何變形，為了保證同名點(diǎn)可靠性，本文相關(guān)系數(shù)閾值取經(jīng)驗(yàn)值0.7)的點(diǎn)為該層金字塔前視后視影像上的最優(yōu)匹配點(diǎn)。

條帶之間的6度連接點(diǎn)傳遞是以條帶1的下視影像1_N(圖2)為基準(zhǔn)，約束前視影像1_F、后視影像1_B以及條帶2的下視影像2_N重疊部分連接點(diǎn)的傳遞，然后再以2_N為基準(zhǔn)，約束條帶2的前視影像2_F和后視影像2_B連接點(diǎn)的傳遞，其余條帶以此類推。

1.4 連接點(diǎn)優(yōu)化

經(jīng)過(guò)以上步驟提取的原始影像上的連接點(diǎn)難免會(huì)有錯(cuò)誤匹配點(diǎn)存在，需要進(jìn)行粗差剔除。另外，提取的連接點(diǎn)分布不均勻，不利于自動(dòng)空三工作。

1.4.1 粗差剔除

由于機(jī)載三線陣系統(tǒng)的POS數(shù)據(jù)一般具有較高的精度，因此利用幾何條件來(lái)進(jìn)行誤匹配的剔除，如圖5所示。

圖5 幾何約束剔除錯(cuò)誤匹配點(diǎn)

(2)

1.4.2 分布優(yōu)化

為了便于后續(xù)的平差計(jì)算，需要保證影像上有一定數(shù)量連接點(diǎn)的同時(shí)，還要盡量讓這些連接點(diǎn)均勻分布于影像。連接點(diǎn)分布優(yōu)化逐條帶進(jìn)行，首先根據(jù)條帶內(nèi)下視影像上所有連接點(diǎn)的坐標(biāo)計(jì)算外包盒，然后根據(jù)需要的連接點(diǎn)數(shù)，將外包盒自動(dòng)劃分規(guī)則格網(wǎng)，每個(gè)格網(wǎng)內(nèi)只保留距離格網(wǎng)中心最近的點(diǎn)。本文將3度連接點(diǎn)劃分200個(gè)格網(wǎng)，6度連接點(diǎn)劃分100個(gè)格網(wǎng)。由于劃分的是規(guī)則格網(wǎng)，每個(gè)條帶重疊區(qū)域大小可能不同，所以自動(dòng)劃分的格網(wǎng)數(shù)目可能會(huì)稍多于或者少于所設(shè)置的格網(wǎng)數(shù)目。

2 結(jié)果與分析

2.1 試驗(yàn)數(shù)據(jù)

試驗(yàn)采用3個(gè)條帶共9張L0級(jí)ADS40影像。3個(gè)條帶影像大小分別為12 000像元×79 056像元、12 000像元×80 912像元、12 000像元×88 752像元，前視、下視和后視影像的航攝角分別為27°，0°和14°。試驗(yàn)中所用計(jì)算機(jī)處理器為i5(3.20GHz)四核，內(nèi)存為8 GB，程序采用C++實(shí)現(xiàn)。

2.2 連接點(diǎn)自動(dòng)提取結(jié)果

對(duì)3個(gè)條帶影像自動(dòng)提取連接點(diǎn)，人工逐點(diǎn)檢查匹配點(diǎn)的正確性，連接點(diǎn)自動(dòng)提取結(jié)果如表1和表2所示。

表1 3度連接點(diǎn)自動(dòng)提取結(jié)果

表2 6度連接點(diǎn)自動(dòng)提取結(jié)果

本文方法提取的連接點(diǎn)分為條帶內(nèi)的3度連接點(diǎn)和條帶間的6度連接點(diǎn)2類。由表1和表2可以看出，本文方法提取的連接點(diǎn)誤匹配數(shù)較少，且連接點(diǎn)總數(shù)可以滿足后續(xù)的平差計(jì)算。經(jīng)過(guò)POS數(shù)據(jù)幾何約束剔除錯(cuò)誤匹配點(diǎn)后，結(jié)果中仍然會(huì)含有少量錯(cuò)誤匹配點(diǎn)，主要原因是機(jī)載三線陣系統(tǒng)提供的初始POS數(shù)據(jù)精度不足以將全部錯(cuò)誤匹配點(diǎn)剔除。

條帶1中3度連接點(diǎn)結(jié)果如圖6所示，從上到下依次為前視、下視和后視影像。圖上不同影像上的連接點(diǎn)用不同顏色來(lái)顯示，且同名點(diǎn)用彩色線條連接，可以看出，本文方法提取的連接點(diǎn)在影像上分布較為均勻，利于后續(xù)的平差計(jì)算。

圖6 條帶1中3度連接點(diǎn)提取結(jié)果

2.3 自動(dòng)提取結(jié)果比較

為了進(jìn)行對(duì)比分析，本文還利用常規(guī)方法提取影像連接點(diǎn)，同樣采用由粗到精的金字塔影像匹配策略，通過(guò)初始視差確定下視影像與前視后視影像間的3度重疊區(qū)域[16]，在頂層金字塔影像上，將重疊區(qū)域均勻劃分200個(gè)格網(wǎng)，并在每個(gè)格網(wǎng)內(nèi)提取Harris特征點(diǎn)[17]，采用相關(guān)系數(shù)法進(jìn)行同名點(diǎn)匹配，經(jīng)過(guò)逐層金字塔影像匹配直至原始影像，相關(guān)系數(shù)閾值設(shè)為0.7。常規(guī)方法連接點(diǎn)提取結(jié)果如表3所示。

表3 常規(guī)方法3度連接點(diǎn)提取結(jié)果

通過(guò)人工逐點(diǎn)檢查，分別對(duì)3個(gè)條帶影像內(nèi)提取的3度連接點(diǎn)進(jìn)行匹配正確率和格網(wǎng)匹配率評(píng)價(jià)，其中格網(wǎng)匹配率是指落入匹配點(diǎn)的格網(wǎng)數(shù)目與劃分格網(wǎng)總數(shù)的比值。由于在分布優(yōu)化時(shí)，每個(gè)格網(wǎng)內(nèi)保留了距格網(wǎng)中心最近的點(diǎn)，該點(diǎn)通常在該格網(wǎng)內(nèi)，但也可能會(huì)在附近的另一個(gè)格網(wǎng)內(nèi)，使得該格網(wǎng)內(nèi)并沒(méi)有落入匹配點(diǎn)，因此存在落入匹配點(diǎn)的格網(wǎng)數(shù)目少于劃分格網(wǎng)總數(shù)的情況。連接點(diǎn)提取結(jié)果對(duì)比如表4所示。

表4 連接點(diǎn)提取結(jié)果對(duì)比

由表4可知，本文方法明顯優(yōu)于常規(guī)影像連接點(diǎn)提取方法，主要原因是L0級(jí)ADS40 影像變形較大，而且非等傾斜攝影產(chǎn)生的影像角度、光照等差別較大，常規(guī)方法難以適用，容易造成錯(cuò)誤匹配。另外，本文方法的格網(wǎng)匹配率要高于常規(guī)方法，可以看出對(duì)于變形較大的L0級(jí)ADS40影像，常規(guī)提取方法難以匹配出分布均勻的連接點(diǎn)，不利于后續(xù)的平差計(jì)算。

3 結(jié)論

1)針對(duì)L0級(jí)機(jī)載三線陣影像數(shù)據(jù)量大、變形大等問(wèn)題，本文提出了一種基于SIFT和相關(guān)系數(shù)法匹配相結(jié)合的連接點(diǎn)提取方法，對(duì)于可能的錯(cuò)誤匹配，采用POS數(shù)據(jù)幾何約束來(lái)進(jìn)行剔除。

2)采用ADS40影像進(jìn)行試驗(yàn)，并與常規(guī)連接點(diǎn)提取方法進(jìn)行比較，匹配正確率提高6%以上，且連接點(diǎn)分布更均勻，試驗(yàn)結(jié)果可以滿足自動(dòng)空三的需求。

3)由于機(jī)載三線陣系統(tǒng)提供的POS數(shù)據(jù)精度不足以將全部誤匹配點(diǎn)剔除，所以本文提取結(jié)果中仍含有少量錯(cuò)誤匹配點(diǎn)。下一步工作將研究如何進(jìn)一步剔除剩余的錯(cuò)誤匹配點(diǎn)。

[1] 李德仁,趙雙明,陸宇紅,等.機(jī)載三線陣傳感器影像區(qū)域網(wǎng)聯(lián)合平差[J].測(cè)繪學(xué)報(bào),2007,36(3):245-250. Li D R,Zhao S M,Lu Y H,et al.Combined block adjustment for airborne three-line CCD scanner images[J].Acta Geodaetica et Cartographica Sinica,2007,36(3):245-250.

[2] 趙雙明.機(jī)載三線陣傳感器影像區(qū)域網(wǎng)聯(lián)合平差研究[D].武漢:武漢大學(xué),2007. Zhao S M.Block Combined Adjustment for Airborne Three Line Scanner Sensors[D].Wuhan:Wuhan University,2007.

[3] 趙斐,胡莘,關(guān)澤群,等.三線陣CCD影像的像點(diǎn)自動(dòng)匹配技術(shù)研究[J].測(cè)繪科學(xué),2008,33(4):12-14,44. Zhao F,Hu X,Guan Z Q,et al.Study of automatic matching technology of image points for three line array CCD imaging[J].Science of Surveying and Mapping,2008,33(4):12-14,44.

[4] 張永生,范大昭,紀(jì)松.用于ADS40傳感器的多視覺(jué)立體匹配算法模型[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2007,24(2):83-86. Zhang Y S,Fan D Z,Ji S.Multi-view matching algorithm model for ADS40 sensor[J].Journal of Zhengzhou Institute of Surveying and Mapping,2007,24(2):83-86.

[5] 紀(jì)松,范大昭,張永生,等.基于AMMGC三線陣影像多視匹配模型的DSM自動(dòng)提取[J].測(cè)繪科學(xué),2009,34(2):139-141. Ji S,Fan D Z,Zhang Y S,et al.Automatic DSM generation from three-line-array digital images based on AMMGC multiple-image matching model[J].Science of Surveying and Mapping,2009,34(2):139-141.

[6] 紀(jì)松,范大昭,張永生,等.多視匹配MVLL算法及其在ADS40線陣影像中的運(yùn)用[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2009,34(1):28-31. Ji S,Fan D Z,Zhang Y S,et al.MVLL Multi-image matching model and its application in ADS40 linear array images[J].Geomatics and Information Science of Wuhan University,2009,34(1):28-31.

[7] Fan D Z,Ji S,Lei R.Investigation of multi-view matching models for Three-line-array digital imagery[C]//Proceedings of 2010 the 3rd International Conference on Applied Informatics and Communication.Berlin Heidelberg:Springer,2010:59-65.

[8] Zhang L.Automatic Digital Surface Model(DSM) Generation from Linear Array Images[D].Zurich:Swiss Federal Institute of Technology Zürich,2005.

[9] 孟俊俊,馬慧云,石寧,等.基于POS數(shù)據(jù)約束的ADS40影像SIFT匹配方法[J].信息工程大學(xué)學(xué)報(bào),2014,15(3):370-374. Meng J J,Ma H Y,Shi N,et al.ADS40 image matching method based on SIFT features constrained by POS data[J].Journal of Information Engineering University,2014,15(3):370-374.

[10]耿迅,徐青,蘭遠(yuǎn)鴿,等.火星快車HRSC影像光束法平差連接點(diǎn)自動(dòng)生成方法[C]//中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第十屆學(xué)術(shù)年會(huì)論文集.北京:中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì),2013. Geng X,Xu Q,Lan Y G,et al.An automatic tie points generating method for HRSC images bundle adjustment[C]//Proceedings of The Tenth Academic Annual Meeting of Chinese Society of Astronautics-Deep Space Exploration Committee.Beijing,2013.

[11]唐敏,李永樹(shù),李歆,等.無(wú)人機(jī)影像局部增強(qiáng)方法及其在影像匹配中的應(yīng)用[J].國(guó)土資源遙感,2013,25(4):53-57.doi:10.6046/gtzyyg.2013.04.09. Tang M,Li Y S,Li X,et al.Local enhancement method and its applications to UAV image matching[J].Remote Sensing for Land and Resources,2013,25(4):53-57.doi:10.6046/gtzyyg.2013.04.09.

[12]張力,張祖勛,張劍清.Wallis濾波在影像匹配中的應(yīng)用[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1999,24(1):24-27,35. Zhang L,Zhang Z X,Zhang J Q.The image matching based on Wallis filtering[J].Journal of Wuhan Technical University of Surveying and Mapping,1999,24(1):24-27,35.

[13]Xiong J X,Zhang Y.Combined multi-view matching algorithm with long-strips of satellite imagery from different orbits[J].ISPRS Annals of Photogrammetry,Remote Sensing and Spatial Information Sciences,2012,I-3:87-92.

[14]戴激光,宋偉東,李玉.漸進(jìn)式異源光學(xué)衛(wèi)星影像SIFT匹配方法[J].測(cè)繪學(xué)報(bào),2014,43(7):746-752. Dai J G,Song W D,Li Y.Progressive SIFT matching algorithm for multi-source optical satellite images[J].Acta Geodaetica et Cartographica Sinica,2014,43(7):746-752.

[15]王佩軍,徐亞明.攝影測(cè)量學(xué)[M].武漢:武漢大學(xué)出版社,2012:134-137. Wang P J,Xu Y M.Photogrammetry[M].Wuhan:Wuhan University Press,2012:134-137.

[16]袁修孝,明洋.POS輔助航帶間航攝影像的自動(dòng)轉(zhuǎn)點(diǎn)[J].測(cè)繪學(xué)報(bào),2010,39(2):156-161. Yuan X X,Ming Y.POS-supported matching method for aerial images between neighboring strips[J].Acta Geodaetica et Cartographica Sinica,2010,39(2):156-161.

[17]張登榮,劉輔兵,俞樂(lè),等.基于Harris算子的遙感影像自適應(yīng)特征提取方法[J].國(guó)土資源遙感,2006,18(2):35-38.doi:10.6046/gtzyyg.2006.02.09. Zhang D R,Liu F B,Yu L,et al.An Auto-adapted features extraction method based on Harris operator[J].Remote Sensing for Land and Resources,2006,18(2):35-38.doi:10.6046/gtzyyg.2006.02.09.

(責(zé)任編輯： 邢宇)

An automatic tie point matching method for L0 level airborne three-line-array images

DU Shouji2, ZOU Zhengrong2, ZHANG Yunsheng1,2, ZHANG Minglei2

(1.HunanProvincialKeyLaboratoryofHydropowerDevelopmentKeyTechnology，Changsha410014，China；2.SchoolofGeosciencesandInfo-Physics,CentralSouthUniversity,Changsha410083，China)

To tackle the problem of the large quantities and serious deformation of L0 level airborne three-line-array images, this paper proposes a tie point matching method based on SIFT algorithm and correlation coefficient. Firstly, pyramid image is generated and SIFT algorithm is used to match initial corresponding points on the top-level of pyramid image. Then tie points are propagated through pyramid images via correlation coefficient matching method. Finally, possible match error is removed based on geometric constraint of POS data, and distribution of tie points are optimized. Three stripes of ADS40 images were used for experiments. Compared with the conventional image tie point transfer method, the proposed method can improve the ratio of correct matches by more than 6% and the tie points are well-distributed.

three-line-array images； image matching； SIFT features; correlation coefficient matching; pyramid images

10.6046/gtzyyg.2017.01.10

杜守基,鄒崢嶸,張?jiān)粕?等.L0級(jí)機(jī)載三線陣影像連接點(diǎn)自動(dòng)提取[J].國(guó)土資源遙感,2017,29(1):65-70.(Du S J,Zou Z R,Zhang Y S,et al.An automatic tie point matching method for L0 level airborne three-line-array images[J].Remote Sensing for Land and Resources,2017,29(1):65-70.)

2015-07-24；

2015-09-09

水能資源利用關(guān)鍵技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金項(xiàng)目“基于近景攝影測(cè)量的庫(kù)岸滑坡監(jiān)測(cè)關(guān)鍵技術(shù)研究”(編號(hào)： PKLHD201310)、國(guó)家“863”計(jì)劃項(xiàng)目“典型地質(zhì)災(zāi)害遙感監(jiān)測(cè)與應(yīng)急關(guān)鍵技術(shù)及應(yīng)用”(編號(hào)： 2012AA121301)和國(guó)家自然科學(xué)基金項(xiàng)目“自適應(yīng)三角形約束的多角度影像多基元匹配方法”(編號(hào)： 41201472)共同資助。

杜守基(1990-),男,碩士研究生,主要從事數(shù)字?jǐn)z影測(cè)量方面的研究。Email: dsjcug@163.com。

張?jiān)粕?1984-) ,男,博士,副教授,主要從事數(shù)字?jǐn)z影測(cè)量、數(shù)字影像與激光掃描數(shù)據(jù)的集成處理等方面的研究。Email: zhangys@csu.edu.cn。

TP 751.1

A

1001-070X(2017)01-0065-06