基于多測度半全局優(yōu)化的無人機(jī)影像密集匹配算法

左志奇　盧坤　黃良

摘 要：文章針對無人機(jī)影像的特點(diǎn)，采用互信息和Census兩種相似性測度相結(jié)合的方式進(jìn)行模型密集匹配。由于組合Census 和互信息兩種相似性測度的優(yōu)點(diǎn)，多測度半全局匹配算法可以得到穩(wěn)健可靠、高效、精細(xì)且保邊緣的密集匹配結(jié)果。

關(guān)鍵詞：無人機(jī)影像；互信息；Census

1 概述

來源于計算機(jī)視覺領(lǐng)域的半全局優(yōu)化密集匹配算法是當(dāng)前國內(nèi)外最先進(jìn)的密集匹配算法之一，在DSM提取、三維建模等領(lǐng)域得到了廣泛應(yīng)用，該算法的逐像素密度以及子像素精度可以大大提高獲取DSM的精度和可靠性。

半全局優(yōu)化密集匹配算法采用多個方向的一維平滑約束來近似二維平面上的平滑約束，其基本思想如圖1所示，首先在一維視差范圍內(nèi)計算每個候選匹配位置的能量代價，得到三維代價矩陣，然后采用多個方向動態(tài)規(guī)劃對代價矩陣?yán)奂?，得到累加后的三維代價矩陣，最后根據(jù)累加后的代價矩陣計算最優(yōu)視差曲面。

在無人機(jī)影像提取DSM信息過程中，經(jīng)典的半全局匹配算法采用互信息作為相似性測度，并以此計算匹配代價，但是計算互信息需要先驗的視差初值，通常策略是隨機(jī)生成每個像素的視差作為初值，但這種方式會對最終的匹配結(jié)果造成一定的影響。針對此問題，本文采用互信息和Census兩種相似性測度相結(jié)合的方式來改善模型匹配的結(jié)果。

本文第二部分主要介紹半全局優(yōu)化算法的基本原理，第三部分采用實際數(shù)據(jù)驗證本文方法的有效性，第四部分為本文的結(jié)論。

2 半全局優(yōu)化密集匹配算法

半全局優(yōu)化密集匹配算法來源于文獻(xiàn)[2，3]，包括三維代價矩陣計算、代價矩陣?yán)奂印⒆顑?yōu)視差面獲取三個部分，具體如下：

2.1 三維代價矩陣計算

匹配代價由相似性測度計算，相似性測度是衡量立體像對中左右影像上任意兩個像素間的相似程度。常用的相似性測度有灰度絕對差、互信息、Census等，本文首先在金字塔頂層采用Census相似性測度獲得穩(wěn)定可靠的視差初值，然后將此初值傳至下一層，后面的每一層都以互信息作為相似性測度。由于依靠Census得到了更可靠的視差初值，因此可以顯著改善半全局優(yōu)化密集匹配結(jié)果。

2.2 代價矩陣?yán)奂?/p>

半全局匹配采用了多個方向的一維平滑來模擬二維平滑的思路，以多個一維方向的結(jié)果疊加來近似二維平面上能量函數(shù)的最優(yōu)解。為了顧及匹配場景中的傾斜平面、深度斷裂等，半全局匹配在匹配累加中引入平滑約束，動態(tài)規(guī)劃累加函數(shù)為：

第一項是D的視差下的所有像素匹配代價的總和。對于p鄰域內(nèi)的所有像素，當(dāng)視差僅改變一點(diǎn)（例如，一個像素）時，第二項添加了一個常量懲罰。對于那些視差變化很大的情況，第三項增加了一個較大的常量懲罰。對于那些微小變化，采用一個較低的懲罰使得它可以適應(yīng)于傾斜或彎曲的曲面。對于那些較大變化的情況，常量懲罰保留了不連續(xù)性。

2.3 最優(yōu)視差面獲取

代價聚合完畢后，根據(jù)累積的代價矩陣可以對視差進(jìn)行解算，一般情況下可以根據(jù)勝者為王策略得到整像素的匹配結(jié)果，對于子像素的匹配結(jié)果，可以通過拋物線擬合獲得。

3 實驗結(jié)果

為了驗證方法的有效性，本文選取了比較具有代表性的一組核線影像對，影像及匹配結(jié)果如圖2所示，其中圖2（a）為左核線影像，圖2（b）為本文算法得到的視差圖，圖2（c）為僅利用互信息相似性測度得到的視差圖，三個橢圓形區(qū)域為結(jié)果對比區(qū)域，可以看出本文方法得到的視差圖更加完整，錯誤區(qū)域明顯減少。

4 結(jié)束語

本文綜合互信息和Census 兩種相似性測度各自的優(yōu)點(diǎn)，通過組合兩種相似性測度提高了模型匹配的可靠性。通過無人機(jī)影像數(shù)據(jù)的實驗表明，本文算法可以得到高質(zhì)量的密集匹配結(jié)果，在無人機(jī)影像DSM提取方面具有廣闊應(yīng)用前景。

參考文獻(xiàn)

[1]張祖勛，張劍清.數(shù)字?jǐn)z影測量學(xué)[M].武漢：武漢測繪科技大學(xué)出版社，1996.

[2]Hirschmuller H. Accurate and Efficient Stereo Processing by Semi-Global Matching and Mutual Information[M].Computer Vision and Pattern Recognition. 2005： 807-814.

[3]Hirschmuller H. Stereo Processing by Semiglobal Matching and Mutual Information[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2008， 30（2）： 328-341.

[4]Ernst I， Hirschmuller H. Mutual information based semi-global stereo matching on the GPU[M].Advances in Visual Computing. Springer. 2008： 228-239.

[5]高波，馬利莊.加入結(jié)構(gòu)約束的半全局立體匹配方法[J].計算機(jī)應(yīng)用與軟件，2009，02：244-247，259.