結(jié)合圖像分割的半全局立體匹配算法

魯光明，王競雪，2

(1.遼寧工程技術(shù)大學(xué) 測繪與地理科學(xué)學(xué)院，遼寧 阜新 123000；(2.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院，成都 611756)

0 引言

雙目立體視覺作為計(jì)算機(jī)視覺的一個(gè)重要應(yīng)用方向，能夠在深入研究人類的視覺成像系統(tǒng)之后，進(jìn)一步利用攝像機(jī)成像系統(tǒng)和計(jì)算機(jī)技術(shù)對(duì)其進(jìn)行模擬[1-3]。雙目立體視覺的實(shí)現(xiàn)需要攝像機(jī)標(biāo)定、圖像獲取、特征提取、立體匹配和三維重建5個(gè)步驟。作為立體視覺的關(guān)鍵部分，立體匹配的精度直接影響視差圖及深度圖的質(zhì)量，并在三維重建工作中占有舉足輕重的地位[4-5]。Scharstein等[6]提出立體匹配算法可以由匹配代價(jià)計(jì)算、匹配代價(jià)聚合、視差選擇和視差優(yōu)化組成，并在此基礎(chǔ)上將立體匹配算法分為三類[7-10]：局部立體匹配算法、全局立體匹配算法以及半全局立體匹配算法。局部立體匹配算法，即選擇圖像中一定區(qū)域內(nèi)的像素作為計(jì)算該像素點(diǎn)匹配代價(jià)的約束區(qū)域，然后通常采用勝者為王(winnner take all，WTA)的視差選擇策略確定該點(diǎn)的最優(yōu)視差值，進(jìn)而獲取視差圖；全局立體匹配算法，即通過在能量函數(shù)中建立數(shù)據(jù)項(xiàng)、平滑項(xiàng)以及遮擋項(xiàng)將匹配算法轉(zhuǎn)化成求解全局能量函數(shù)最優(yōu)值的問題，進(jìn)而得到致密視差圖；半全局立體匹配作為一種改進(jìn)的動(dòng)態(tài)規(guī)劃的方法，在提高了匹配結(jié)果精度的同時(shí)實(shí)時(shí)性得到有效提升，其平等地對(duì)待多個(gè)一維路徑，對(duì)各個(gè)一維路徑的結(jié)果進(jìn)行合并，以此來表達(dá)二維的情況。

立體匹配中實(shí)時(shí)性與精確度兼容的問題一直是研究的熱點(diǎn)。為提升匹配效率，王云峰等[11]提出一種基于自適應(yīng)權(quán)重AD-Census變換的雙目立體匹配算法，實(shí)時(shí)性好，但匹配精度一般。其中的AD變換可以準(zhǔn)確快速地表達(dá)出像素點(diǎn)的灰度值差異，但其魯棒性較差[12]。為提高匹配精度，曹曉倩等[13]針對(duì)斜面參數(shù)優(yōu)化全局立體匹配算法做了研究，提出全局能量函數(shù)的概念，同時(shí)利用斜面參數(shù)對(duì)視差值進(jìn)行有效的替換，因此，利用該算法實(shí)現(xiàn)立體匹配精度較高，但欠缺對(duì)實(shí)時(shí)性的考慮。綜合考慮了算法準(zhǔn)確度和時(shí)間復(fù)雜度，Hirschmuller[14]提出了SGM算法，其主要運(yùn)用多路徑方式進(jìn)行代價(jià)聚合值的計(jì)算，保證實(shí)時(shí)性的同時(shí)具有較好的精確度。SGM算法繼承了傳統(tǒng)動(dòng)態(tài)規(guī)劃的高效性，此外還具有較強(qiáng)的魯棒性。而SGM算法在解決視差突變情況時(shí)，賦予一個(gè)恒定的懲罰，導(dǎo)致在弱紋理區(qū)域、遮擋區(qū)域發(fā)生誤匹配以及邊緣表達(dá)不準(zhǔn)確的現(xiàn)象。葛忠孝等[15]提出了基于樹形結(jié)構(gòu)的SGM算法，有效地解決了弱紋理區(qū)域的誤匹配以及實(shí)時(shí)性問題，但其算法對(duì)于遮擋問題、整體匹配精度和邊緣區(qū)域的匹配效果有待解決和提高。以此為基礎(chǔ)，本文提出結(jié)合圖像分割的SGM算法。通過AD變換計(jì)算初始匹配代價(jià)，為解決其魯棒性較差的問題，采用SGM算法進(jìn)行代價(jià)聚合，增強(qiáng)魯棒性并在原有SGM的基礎(chǔ)上增加了圖像分割，改變在視差突變區(qū)域的恒定懲罰，使其更符合實(shí)際情況，有效地降低了在弱紋理區(qū)域和遮擋區(qū)域的誤匹配率，并且增加了邊緣表達(dá)的完整性。通過二者結(jié)合有效地解決了實(shí)時(shí)性和精確度難以兼顧的問題。此外，由于遮擋問題的出現(xiàn)，減弱了匹配的有效性和完整性，故本文在保證精確度和實(shí)時(shí)性的前提下利用左右一致性對(duì)遮擋點(diǎn)進(jìn)行檢測，并在此基礎(chǔ)上對(duì)無效值進(jìn)行填充，確保結(jié)果視差圖具有清晰、完整性，最后利用中值濾波對(duì)視差圖進(jìn)行優(yōu)化使得本文算法具有較高的可行性及有效性。

1 雙目立體匹配

雙目立體視覺過程是利用雙目立體相機(jī)獲得雙目立體像對(duì)，然后對(duì)所拍攝的影像進(jìn)行相片畸變校正與核線校正，選用適合立體像對(duì)拍攝場景的匹配算法，建立匹配基元之間的關(guān)系，進(jìn)而恢復(fù)深度到三維坐標(biāo)。在雙目立體視覺中，通過匹配算法尋找參考影像中的待匹配點(diǎn)在目標(biāo)影像中對(duì)應(yīng)的同名匹配點(diǎn)，進(jìn)而獲取同名點(diǎn)之間的位置差異，即視差。雙目立體視覺利用匹配代價(jià)計(jì)算作為匹配像素點(diǎn)相似性的衡量參數(shù)。在進(jìn)行AD變換時(shí)，左圖像上待匹配點(diǎn)為p(x，y)，其灰度為IL(x，y)；右圖像上x方向視差為d的像素點(diǎn)為q((x-d)，y)，其灰度為IR((x-d)，y)，則p，q2點(diǎn)的匹配代價(jià)C(p，q)表示如式(1)所示。

C(p，q)=IL(x，y)-IR((x-d)，y)

(1)

2 結(jié)合圖像分割的SGM的立體匹配算法原理

本文首先使用AD變換計(jì)算左、右圖像上對(duì)應(yīng)像素的匹配代價(jià)值。由于進(jìn)行代價(jià)計(jì)算的像素點(diǎn)是孤立的，并且計(jì)算結(jié)果是模糊的，易造成誤匹配的情況，而SGM算法中全局能量最優(yōu)化策略，充分利用匹配點(diǎn)及鄰域的像素進(jìn)行平滑約束，使其更符合真實(shí)場景，再通過最小路徑求和得到代價(jià)聚合值。但是SGM算法在視差突變情況下給與恒定懲罰會(huì)引起誤匹配現(xiàn)象，影響匹配精度，因此，本文通過加入均值漂移圖像分割信息可以有效地較少誤匹配，保證邊緣的完整性，在得到初始視差圖后使用雙曲線擬合獲得亞像素級(jí)的視差圖，然后采用左右一致性檢測獲取遮擋點(diǎn)，在此基礎(chǔ)上對(duì)無效值進(jìn)行填充，最后使用中值濾波進(jìn)行優(yōu)化獲得最優(yōu)視差圖，本文算法整體流程如圖1所示。

圖1 本文算法流程圖

2.1 初始視差圖生成

1)SGM算法。以左圖像為基準(zhǔn)，利用式(1)進(jìn)行代價(jià)計(jì)算，得到左、右圖像上對(duì)應(yīng)像素p，q的匹配代價(jià)值C(p，q)。由于采用AD變換得到的匹配代價(jià)值往往是模糊的，相應(yīng)像素點(diǎn)是孤立的，再加上噪聲點(diǎn)以及誤匹配等因素的影響極大限度地降低了匹配精度。因此，通過SGM算法對(duì)待匹配像素的鄰域內(nèi)進(jìn)行平滑約束，從而改變像素點(diǎn)的孤立以及誤匹配情況，在提高精度的同時(shí)還對(duì)視差變化實(shí)施了一定的約束，定義一個(gè)基于視差圖D的全局能量函數(shù)E(D)，表達(dá)如式(2)所示。

(2)

式中：第一項(xiàng)C(p,Dp)是在視差圖D下所有像素點(diǎn)的匹配代價(jià)，Dp代表像素點(diǎn)p的視差量；第二項(xiàng)中Np為像素點(diǎn)p的鄰域，Dq為像素點(diǎn)q的視差量。第二項(xiàng)是對(duì)像素點(diǎn)p鄰域內(nèi)的所有像素點(diǎn)q進(jìn)行平滑。此時(shí)，平滑分為2種情況：根據(jù)視差變化量大小的情況分別對(duì)其進(jìn)行恒定的較大懲罰P2和較小的懲罰P1。T[]為截?cái)嗪瘮?shù)，根據(jù)判斷條件的是否成立，分別對(duì)其賦值為1和0。但在客觀真實(shí)條件下，引起視差突變的原因有很多種，僅僅給予一種恒定的懲罰會(huì)導(dǎo)致匹配精確度的降低，于是本文在原有算法的基礎(chǔ)上加入均值漂移圖像分割信息。

2)均值漂移圖像分割。均值漂移算法是一種基于密度梯度上升的非參數(shù)方法，通過迭代運(yùn)算找到目標(biāo)位置，實(shí)現(xiàn)目標(biāo)分割。它顯著的優(yōu)點(diǎn)是算法計(jì)算量小，簡單易實(shí)現(xiàn)，適用于圖像分割。均值漂移是一種有效的迭代算法，對(duì)圖像中的像素進(jìn)行迭代，進(jìn)而對(duì)其進(jìn)行不同塊的劃分，處于同一分割塊的像素具有相同的標(biāo)記，標(biāo)記的不同表明分割區(qū)域的不同，由此作為分割依據(jù)，獲得的分割圖具有精確的邊界定位，并且具有有效的區(qū)域分割，根據(jù)視差突變的區(qū)域是否在同一分割塊的情況與SGM算法結(jié)合可以降低代價(jià)聚合過程中在弱紋理及遮擋區(qū)域的誤匹配率，同時(shí)得到更完整的邊緣部分，提高算法的精確度。

3)改進(jìn)的SGM算法。基于圖像分割信息可以對(duì)圖像進(jìn)行有效準(zhǔn)確的劃分定位，本文將其與全局能量函數(shù)進(jìn)行有機(jī)結(jié)合，在原有SGM算法對(duì)視差突變區(qū)域進(jìn)行恒定懲罰的基礎(chǔ)上，根據(jù)其是否在同一分割塊分別給予不同的懲罰值λ1、λ2。通過上述準(zhǔn)確清晰的判斷后，全局能量函數(shù)有了全新的表達(dá)(式(3)、式(4))。

(3)

(4)

但是在實(shí)際情況中，最小化的問題不能用一些常規(guī)的數(shù)學(xué)方法有效解決。因此，SGM算法對(duì)于任一方向上的路徑代價(jià)聚合都是由一維進(jìn)行，并且在每個(gè)方向上的處理方式相同。像素點(diǎn)p在深度為d時(shí)的聚合代價(jià)S(p，q)是由所有一維最小代價(jià)路徑上的代價(jià)累加得到的，具體說明如圖2所示。

圖2 匹配代價(jià)的聚合

在方向r中，像素點(diǎn)p在視差d處的代價(jià)L′r(p，d)定義為式(5)。

(5)

式中：左、右圖像上對(duì)應(yīng)像素點(diǎn)間的匹配代價(jià)值C由AD變換求得。等式右邊的第二項(xiàng)部分分別表示的是在路徑上的前一個(gè)點(diǎn)p-r的最小代價(jià)、p-r點(diǎn)的視差差值為1的代價(jià)聚合值進(jìn)行的較小懲罰和p-r點(diǎn)的視差差值大于1的代價(jià)聚合值進(jìn)行較大的懲罰。沿著路徑r，L′的值一直增加，為避免結(jié)果較大的問題，將整個(gè)公式減去前一個(gè)像素點(diǎn)的最小路徑代價(jià)，由此將式(5)變換為式(6)。

(6)

式中：k為p-r點(diǎn)的視差差值。如果點(diǎn)p為該方向上的第一個(gè)點(diǎn)，則該點(diǎn)在某一方向上的匹配代價(jià)為：Lr(p，q)=C(p，q)。聚合所有方向上的匹配代價(jià)得到總的代價(jià)為S(p，q)，表達(dá)如式(7)所示。

(7)

4)初始視差圖生成。經(jīng)過上述代價(jià)計(jì)算和代價(jià)聚合后得到初始視差圖(粗視差圖)，在對(duì)每個(gè)像素點(diǎn)的視差進(jìn)行選擇時(shí)，該點(diǎn)處的視差d應(yīng)保證總的匹配代價(jià)S(p，q)最小，表達(dá)如式(8)所示。

DL(P)=argmindS(p，d)

(8)

2.2 視差圖優(yōu)化

1)雙曲線擬合視差選擇。通過以上公式得到的視差圖的視差值是整數(shù)級(jí)的，在后續(xù)立體像對(duì)像素點(diǎn)深度恢復(fù)完成后，為保證其形成深度圖的連續(xù)性同時(shí)還要保證得到的視差圖更加符合真實(shí)實(shí)物情況，故在此部分使用拋物線擬合的方法，其原理是由當(dāng)前視差值的相鄰視差值構(gòu)成一條拋物線，拋物線的最低點(diǎn)即為亞像素級(jí)視差(圖3)。

圖3 拋物線擬合示意圖

2)視差圖遮擋檢測。上述部分描述的是粗視差圖的生成。立體視覺領(lǐng)域存在的遮擋問題導(dǎo)致匹配結(jié)果正確率有所下降，因此解決遮擋問題是必要的。為此，首先對(duì)遮擋區(qū)域進(jìn)行精確檢測，然后在此基礎(chǔ)上對(duì)視差值進(jìn)行有效重估，進(jìn)而可以得到完整并且準(zhǔn)確的視差圖，再通過左右一致性檢測分別獲取左右影像的視差圖，對(duì)于左視圖的點(diǎn)p求得其視差為Dbp，將點(diǎn)p在右圖中的視差點(diǎn)p-Dbp記為點(diǎn)q，點(diǎn)q的視差值為Dmp，若|Dbp-Dmp|>1，則Dbp為無效，點(diǎn)p為遮擋點(diǎn)。得到的視差表達(dá)如式(9)所示。

(9)

式中：Dinv插差；ebm為外極線。

3)視差優(yōu)化。通過左右一致性校驗(yàn)這一步驟，可以得到無效點(diǎn)的視差值，接下來對(duì)無效點(diǎn)進(jìn)行有效的賦值。無效點(diǎn)可以分為2類：遮擋點(diǎn)及誤匹配點(diǎn)，對(duì)這2種類型的視差賦值需要使用不同的方法。無效值類型的不同使差值方法也有所區(qū)別，以遮擋區(qū)域的某一遮擋點(diǎn)為例，其方法是采用背景的外插值進(jìn)行填充，而對(duì)于誤匹配點(diǎn)的情況，其方法是利用鄰域內(nèi)的像素值進(jìn)行內(nèi)插。由左右一致性校驗(yàn)這一步驟能夠?qū)φ趽觞c(diǎn)和誤匹配點(diǎn)進(jìn)行區(qū)分，如圖4所示。結(jié)合對(duì)極幾何原理對(duì)無效值的類型進(jìn)行判斷，即通過某一點(diǎn)的外極線是否穿過視差函數(shù)曲線的判斷條件可以對(duì)每一個(gè)無效值進(jìn)行辨別，從而進(jìn)行不同的賦值。當(dāng)通過某一點(diǎn)的外極線穿過視差函數(shù)曲線時(shí)，像素點(diǎn)p1是遮擋點(diǎn)；否則，像素點(diǎn)p2是誤匹配點(diǎn)。

圖4 辨別遮擋與誤匹配點(diǎn)示意圖

為了對(duì)無效點(diǎn)進(jìn)行合理有效的填充，在進(jìn)行賦值時(shí)如果誤匹配點(diǎn)和遮擋區(qū)域相鄰，則認(rèn)為是遮擋點(diǎn)。遮擋點(diǎn)的出現(xiàn)很大程度是由于背景與前景接觸時(shí)背景發(fā)生相對(duì)較小偏移量所致。進(jìn)行無效值填充時(shí)與路徑代價(jià)聚合方式相似。最終的視差圖D′p如式(10)所示。

(10)

式中：vpi表示點(diǎn)的8鄰域內(nèi)的點(diǎn)；seclowi表示8鄰域像素視差的第二最小值；medi表示鄰域內(nèi)像素視差的中值。同樣，無效值類型的不同使得填充方法也具有差異性。對(duì)遮擋點(diǎn)而言，通過其鄰域視差的第二最小值對(duì)該視差值進(jìn)行填充；對(duì)誤匹配點(diǎn)而言，采用相鄰像素的中值進(jìn)行有效的賦值。在視差優(yōu)化部分中，使用中值濾波對(duì)視差圖進(jìn)行優(yōu)化。

3 實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證本文算法的可行性，在Middle-bury立體匹配算法測試平臺(tái)提供的標(biāo)準(zhǔn)立體圖像中選取4組影像對(duì)(Tsukuba，Venus，Teddy，Conesde)。用本文算法進(jìn)行測試，原始圖像如圖5所示。圖6為所選擇的標(biāo)準(zhǔn)立體圖像的標(biāo)準(zhǔn)視差圖。

以Tsukuba為例(圖7)，分別為該數(shù)據(jù)集的真實(shí)視差圖、需檢測的所有視差區(qū)域、視差不連續(xù)區(qū)域、非遮擋區(qū)域檢測圖。

圖5 原始圖像

圖6 標(biāo)準(zhǔn)視差圖

圖7 Tsukuba的檢測圖

在Matlab 2019a的集成環(huán)境中對(duì)本文算法進(jìn)行實(shí)現(xiàn)。將本文實(shí)驗(yàn)結(jié)果分別與局部立體匹配中的塊匹配算法(DM)、全局立體匹配中的動(dòng)態(tài)規(guī)劃匹配算法(DP)和基于樹形結(jié)構(gòu)的半全局立體匹配算法(T-SGM)進(jìn)行比較，具體結(jié)果如圖8所示。

為了進(jìn)一步對(duì)立體匹配算法在不同區(qū)域的匹配效果進(jìn)行評(píng)價(jià)，Middle-bury測試平臺(tái)分別通過非遮擋區(qū)域誤匹配率、所有視差區(qū)域誤匹配率以及視差不連續(xù)區(qū)域誤匹配率3項(xiàng)指標(biāo)對(duì)不同匹配算法進(jìn)行排名比較。本文算法的具體數(shù)據(jù)如表1所示，本文算法與其他算法比較的相關(guān)數(shù)據(jù)如表2所示。

其中，遮擋區(qū)域表示影像中被遮擋的部分，視差不連續(xù)區(qū)域表示影像中相鄰像素之間的視差值不能滿足一定的閾值。

表2中第2～5列的數(shù)值分別表示使用各種算法在4對(duì)測試圖像的非遮擋區(qū)域誤匹配點(diǎn)所占的百分比，最后1列數(shù)值代表每個(gè)算法在4對(duì)測試圖像中非遮擋區(qū)域誤匹配率、視差不連續(xù)區(qū)域誤匹配率以及所有視差區(qū)域誤匹配率計(jì)算得到的平均誤匹配率。

圖8 不同立體匹配視差結(jié)果圖比較

表1 本文算法在middlebury評(píng)價(jià)結(jié)果 %

表2 4種算法的誤匹配率比較 %

結(jié)合圖8和表2可以看出，動(dòng)態(tài)規(guī)劃的匹配算法存在僅在單條掃描線上進(jìn)行視差優(yōu)化的問題，導(dǎo)致僅掃描線內(nèi)的約束限制可以被有效利用，而掃描線之間的約束沒有得到充分的使用，從而發(fā)生條紋拖尾現(xiàn)象。與之相比在本文算法中：SGM算法代價(jià)聚合方式是多個(gè)方向上的聚合，與全局立體匹配中動(dòng)態(tài)規(guī)劃算法(BP)比較，可以有效避免一維掃描條紋拖尾現(xiàn)象出現(xiàn)；塊匹配算法(DM)的視差優(yōu)化部分無法在整幅影像有效地進(jìn)行，與之相比本文可以避免塊匹配中的視差優(yōu)化問題，提高精確度；文獻(xiàn)[15]在代價(jià)計(jì)算部分使用BT差值算法，導(dǎo)致代價(jià)計(jì)算的時(shí)間較長；代價(jià)聚合部分在原有SGM算法的基礎(chǔ)上，通過路徑聚合對(duì)實(shí)時(shí)性與精確度的影響綜合考慮，在原有的水平、豎直方向上的4個(gè)路徑上進(jìn)行分析實(shí)驗(yàn)，提出基于樹形結(jié)構(gòu)的匹配，首先在豎直方向上引用可遍歷待匹配點(diǎn)鄰域的結(jié)構(gòu)作為輔助計(jì)算，然后在此基礎(chǔ)上引入水平向的結(jié)構(gòu)進(jìn)行代價(jià)聚合(著重橫向，弱化縱向)。經(jīng)過上述的方法，SGM代價(jià)聚合的路徑降至為4條。該方面的改進(jìn)有效提高了運(yùn)算速率，提高了在弱紋理區(qū)域的匹配精度，但利用樹形結(jié)構(gòu)進(jìn)行路徑聚合時(shí)，出現(xiàn)各個(gè)路徑難以兼顧現(xiàn)象，導(dǎo)致豎直方向的路徑?jīng)]有得到充分利用最終使整體匹配精確度一般，同時(shí)遮擋問題以及邊緣完整性問題沒有得到有效改善。與之進(jìn)行比較，本文算法處理效率更高，通過AD變換快速的進(jìn)行代價(jià)計(jì)算，充分利用紋理信息，為后續(xù)代價(jià)聚合部分的路徑聚合的順利進(jìn)行提供了良好的基礎(chǔ)；精度更高，在原有SGM算法的基礎(chǔ)上結(jié)合圖像分割信息減少算法在遮擋和弱紋理區(qū)域的誤匹配；圖像更加清晰、完整，在遮擋區(qū)域進(jìn)行左右一致性檢測并在此基礎(chǔ)上對(duì)無效值進(jìn)行有效的賦值填充，最后使用中值濾波進(jìn)行優(yōu)化。根據(jù)上述比較，本文算法不但具有實(shí)時(shí)性、精確性，而且在遮擋、弱紋理以及邊緣區(qū)域均有較高的普適性，匹配結(jié)果有效可靠。

4 結(jié)束語

本文通過AD變換和改進(jìn)的SGM算法相結(jié)合得到了初始視差圖，然后通過左右一致性校驗(yàn)對(duì)遮擋點(diǎn)進(jìn)行檢測，并在此基礎(chǔ)上對(duì)無效值進(jìn)行填充，最后利用中值濾波對(duì)視差圖進(jìn)行優(yōu)化。實(shí)驗(yàn)表明，在代價(jià)計(jì)算和代價(jià)聚合部分，本文利用AD變換和增加圖像分割信息的SGM算法可以解決立體匹配中實(shí)時(shí)性和精確度難以兼容的問題，使算法具有較強(qiáng)的魯棒性的同時(shí)降低了其在弱紋理區(qū)域以及遮擋區(qū)域的誤匹配率，此外，邊緣區(qū)域能夠得到較好的表達(dá)；在視差選擇部分，采用拋物線擬合法使視差達(dá)到亞像素分辨率；在視差優(yōu)化部分，對(duì)得到的初始視差圖進(jìn)行左右一致性檢驗(yàn)可以有效地改善遮擋問題，并在此基礎(chǔ)上對(duì)無效值進(jìn)行有效的賦值。其中，誤匹配點(diǎn)和遮擋點(diǎn)分別采用內(nèi)插值、外插值的方法進(jìn)行賦值，保證物體輪廓的完整和清晰，更加符合客觀真實(shí)實(shí)物，同時(shí)采用中值濾波對(duì)其進(jìn)行優(yōu)化得到最優(yōu)的視差圖。與其他立體匹配算法比較，本文算法在弱紋理、遮擋以及邊緣區(qū)域的立體匹配改善效果較好，但針對(duì)視差不連續(xù)區(qū)域有待改善，后續(xù)進(jìn)行算法相關(guān)改進(jìn)研究。另外，本文算法對(duì)生產(chǎn)中航測遙感影像欠缺實(shí)驗(yàn)分析，后續(xù)應(yīng)對(duì)此進(jìn)行深入研究。