多視圖像多角度真正射影像的生成方法研究

摘 要：為了提升遙感影像在地理信息獲取和環(huán)境監(jiān)測等領(lǐng)域的應(yīng)用效果，本文提出了多視圖像多角度真正射影像的生成方法，詳細分析了多角度多視影像真正射糾正的數(shù)據(jù)預(yù)處理過程，包括影像去重、大氣校正、波段增強、幾何校正以及正射校正等步驟，以保證影像數(shù)據(jù)的準確性和一致性。同時，本文設(shè)計了遮擋檢測算法，以有效識別并處理影像生成過程中可能出現(xiàn)的遮擋區(qū)域，并在此基礎(chǔ)上對遮擋區(qū)域進行信息補償。最終，本文基于特征融合和優(yōu)化的真正射影像生成算法，成功生成了高質(zhì)量的多角度多視影像真正射影像。研究結(jié)果表明，本文提出的方法能夠有效處理多視圖像，生成具有高精度、高清晰度和豐富紋理信息的真正射影像，可為后續(xù)的地理信息提取和地物識別提供有力支持。

關(guān)鍵詞：多視圖像；多角度；真正射影像

中圖分類號：P 23" " " " 文獻標志碼：A

在現(xiàn)有的研究中，多視圖像真正射影像的生成方法主要包括基于幾何變換的方法、基于插值的方法以及基于深度學習的方法等。然而，這些方法在處理多視圖像過程中通常存在計算量大、精度不高和魯棒性差等問題[1]。此外，由于多視圖像拍攝角度具有多樣性，因此如何有效融合不同角度的信息，生成高質(zhì)量的真正射影像，也是目前研究面臨的重要挑戰(zhàn)。

針對上述問題，本文探索了一種高效、準確的多視圖像多角度真正射影像生成方法，對多視圖像的幾何特性、光照特性以及紋理特性進行深入研究，提出了一種基于特征融合和優(yōu)化的真正射影像生成算法。該算法能夠充分利用多視圖像信息，有效消除投影誤差，提高影像質(zhì)量[2]，并優(yōu)化算法的計算過程，降低計算量，提高處理效率。

1 多角度多視影像真正射糾正數(shù)據(jù)預(yù)處理

航拍圖像中正多邊形房屋通常具有傾斜角，當房屋數(shù)量太多且有高層房屋遮擋時，會給精確測量帶來困難，并影響建模效率。真正射糾正數(shù)據(jù)預(yù)處理是遙感影像處理中的關(guān)鍵步驟，旨在消除地形起伏和傳感器等因素引起的影像變形，生成具有準確地理信息的正射影像。

當對多面體建筑物進行測量時，理論上需要對每個角進行手工測量，如果角點處數(shù)目太多、圖像上的分角點相互遮擋或圖像分辨率較低，就會給測量人員帶來負擔，影響測量精度，數(shù)據(jù)運算的頻繁處理也會降低建模效率[3]。本文方法僅需要對房屋的3個角點進行測量，求出頂點位置，然后根據(jù)頂點個數(shù)來確定三角形內(nèi)角位置，并用邊的個數(shù)來決定三角形內(nèi)角的夾角，從而得到建筑外形。再測量房屋周圍的地上點，計算房屋高度，最終實現(xiàn)對房屋的擠壓[4]。正多邊形建模流程如圖1所示。

本文在對鏤空形建筑物建模過程中，結(jié)合3Ds Max建模規(guī)則，提出一種基于樣條的建筑物外、內(nèi)等高線同時測量的方法，即對建筑物外、內(nèi)等高線進行一次測量，從而對建筑物、建筑物等進行高精度三維建模，解決了傳統(tǒng)3Ds Max測量方法不精確帶來的布爾操作偏差問題。該算法的基本思路如下所述。首先，在圖像處理中，每一個特征線上的頂點都是關(guān)鍵的數(shù)據(jù)點，它們能夠精確描述建筑的外形和內(nèi)部結(jié)構(gòu)。以點Pk為例，它是第k個特征線的頂點，包括該特征線在這個位置上的關(guān)鍵信息[5]。同時，將行[i]作為第i個特征線上的第j個頂點，按照某種順序或邏輯將這些頂點有序地串聯(lián)起來，從而形成完整的特征線。其次，輪廓線關(guān)系示例如圖2所示，提取出這些特征線就可以進一步定義和識別建筑的外輪廓線和內(nèi)輪廓線。圖2中的A、B、C、D、E和F點連接構(gòu)成的直線表示建筑的外輪廓線，描述了建筑物外部的邊界形狀。而a、b、c和d點則表示內(nèi)輪廓線，反映了建筑內(nèi)部的某個區(qū)域或結(jié)構(gòu)。這些輪廓線的存在不僅有助于更好地理解建筑結(jié)構(gòu)，還為后續(xù)的地理空間分析提供了重要依據(jù)。再次，在保證等距不相交的情況下，求出各內(nèi)輪廓線的中心位置，并求出各輪廓線的唯一中心點O。最后，根據(jù)輪廓線獲得唯一中心點，在3Ds Max平臺上構(gòu)建鏤空形建筑物[6]。

在明確不同形狀建筑的建模流程后，利用紋理映射得到測區(qū)三維模型。假設(shè)X和Y分別為紋理對象的橫坐標和縱坐標，那么每個紋理對象的計算過程如公式（1）所示。

式中：x1、y1為模型頂點對應(yīng)圖像坐標；x2、y2為切割長方形左上部圖像坐標；width為切割矩形像素寬度；height為裁切矩形像素高；w為切割長方形長度；h為切割長方形的寬度。

將紋理映射數(shù)據(jù)進行自動裁切，將其存儲為2個平方的n階冪.jpg文件，從而解決與增強圖像的兼容性問題，實現(xiàn)跨平臺共享，同時克服現(xiàn)有模型在不同平臺的兼容性問題。

2 遮擋檢測算法設(shè)計

多視圖像多角度真正射影像的生成方法研究是遙感技術(shù)與攝影測量領(lǐng)域的一個核心議題。真正射影像的生成旨在消除地形起伏帶來的投影差，使影像呈現(xiàn)出類似垂直攝影的視覺效果。遮擋檢測算法設(shè)計是真正射影像生成過程中的關(guān)鍵環(huán)節(jié)。遮擋現(xiàn)象在山區(qū)、城市等復雜地形中比較常見，給影像的完整性和準確性帶來了挑戰(zhàn)。因此，開發(fā)高效的遮擋檢測算法對提升真正射影像的質(zhì)量至關(guān)重要。在遮擋檢測算法設(shè)計中，可以利用相關(guān)參數(shù)，例如地形高度、坡度和視角等，建立對應(yīng)的鏡像方程，并模擬光線傳播過程[7]。這些方程能夠描述光線在不同角度和地形條件下的傳播路徑，據(jù)此可判斷哪些區(qū)域可能被遮擋，并采用特定的數(shù)字模型進行遮擋檢測。這些模型可以利用幾何光學原理或機器學習算法，對圖像進行數(shù)值運算和點解算，識別潛在的遮擋區(qū)域。能夠充分利用圖像的像素信息、紋理特征以及上、下文關(guān)系，提高遮擋檢測的準確性。在真正射影像的生成過程中，結(jié)合數(shù)字式差動校正消除原始圖像中的畸變和誤差，使圖像更接近真實場景。數(shù)字式差動校正分為直接式、插入式以及直接式與間接式組合等多種方式。直接式校正以直接對圖像進行數(shù)值運算來消除畸變，插入式校正可以利用插值算法來填補圖像中的空白區(qū)域，將直接式與間接式校正方法組合使用可以進一步提高校正的精度和效率。本文采用直接式方法，從原始影像的像點p（x，y）出發(fā)，按照順序求解每個原始像素點在糾正影響中的正確位置坐標P（X，Y），在航空攝影測量的過程中，其直接解算式如公式（2）所示。

式中：a1、a2和a3分別為由角元素構(gòu)成的旋轉(zhuǎn)矩陣；b1、b2和b3分別為由角元素構(gòu)成的平移矩陣；c1、c2、c3分別為線性變換矩陣；Z為高程，可由DEM內(nèi)插求解；f為糾正系數(shù)。

由于真正射影圖像的質(zhì)量和模型的精細化程度有緊密聯(lián)系，因此，在城區(qū)遮擋區(qū)域檢測中，采用矢量建筑模型比采用柵格建筑模型對遮擋區(qū)域的識別精度更高。用柵格表示地形的數(shù)字地面模型，用矢量表示建筑數(shù)字地面模型。新方法適合于城區(qū)地勢較平坦的城區(qū)，但是當?shù)貏葺^高時，易發(fā)生迭代次數(shù)過多，導致算法效率降低。

在真正射影像生成中，遮蔽區(qū)域檢測耗時較長，對計算機內(nèi)存的要求較高。因此，在實際應(yīng)用中應(yīng)結(jié)合數(shù)字城市幾何模型的范圍，將遮擋檢測生成控制在合理區(qū)域范圍內(nèi)，達到降低資源消耗的目的。遮蔽區(qū)域獲取過程如圖3所示。

3 遮擋區(qū)域信息補償與真正射影像生成

完成遮擋區(qū)域的探測過程后可得到每個圖像所對應(yīng)的遮蔽區(qū)域，進而對遮蔽區(qū)域面積進行信息補償。本文針對航拍圖像存在多視角、高交疊等特點，根據(jù)航拍圖像間的重疊特征，選取與之相匹配的鄰近圖像進行遮擋，從而獲得包括遮擋信息的真實航拍圖像[8]。

將航拍圖像反向投影城市模型，進行遮擋區(qū)域提取。針對遮擋區(qū)域信息，以減少高差偏移、減少相鄰遮擋區(qū)域圖像顏色不一致性為目標，對每幅圖像的權(quán)重圖像進行加權(quán)處理，從遮擋區(qū)域多幅航拍圖像中選取最大選項值圖像來填充遮擋區(qū)域。

當航拍圖像具有多個角度和側(cè)向重疊程度較高時，可以在多張相鄰圖像上同時獲得遮擋區(qū)域。在此背景下，最有效的方式就是利用鄰近航線和側(cè)向圖像中的可見光圖像來彌補被遮擋區(qū)域的紋理信息。本文擬將被補償?shù)恼队皥D像稱為“主像”，被補償?shù)脑紙D像稱為“次圖像”，其補償原理如下：選擇與遮擋最接近的“背景點”對應(yīng)的子圖像，當建筑密度較大時，如果使用相鄰圖像的疊加信息無法完全彌補遮擋區(qū)域，就可以采用其他紋理修補技術(shù)，以保證圖像的完整性。

在此基礎(chǔ)上，采用最小視點原理，即物體拍攝方向和投影中心鉛垂線間的角度來填充遮擋區(qū)域內(nèi)的缺損信息。當視野較小時，所選取的可視像素點的可用度也較高。視角大小選擇影像示意圖如圖4所示。

根據(jù)最小角度選取原理，將角度最小的C點作為遮擋點，并進行填充。

綜上所述，如果利用鄰近航攝圖像對遮擋區(qū)域進行補償，就需要使被填充區(qū)域在其他圖像上可見。當生成真實投影圖像時，將被遮擋區(qū)域像素的顏色值賦予為黑色，這樣在對遮擋區(qū)域進行紋理修復過程中僅需要對已標注的像素做相應(yīng)處理即可。如果被標注的像素不是遮擋區(qū)域，就保持原始圖像的顏色值。本文沒有對真實圖像進行圖像增強，因此采用最少張數(shù)的影像，得到包括完整圖像信息的正射影像，以降低遮擋區(qū)域由多幅航空影像拼接造成的圖像色差。圖像填充的方法為手工方法，將航空影像按照順序排列，逐個填充遮擋區(qū)域。

一般情況下，當使用鄰近航拍影像填充遮擋區(qū)域時，需要先提取遮擋區(qū)域，再用索引矩陣標注遮擋區(qū)域。多視角、高重疊率的影像是一種非常適合鄰近像素補償?shù)姆椒?。當多幅影像同時含有被遮擋的圖像時，需要選取適當?shù)挠跋襁M行補償。通常將被修復的圖像稱為主要圖像，將被遮蓋區(qū)域進行紋理修復的圖像稱為副圖像，進而可聯(lián)合主圖像和輔助圖像的來形成真實圖像。

真實圖像拼接所使用的圖像通常存在一定交疊。當獲取多視角多視點圖像時，受外界環(huán)境和硬件條件的限制，除了不同圖像區(qū)域的有顏色深淺、曝光強弱外，同一圖像區(qū)域內(nèi)的對比也有所差異。例如，同一幅影像在不同區(qū)域會出現(xiàn)不同色調(diào)，迎光面會偏明亮，背光面會黯淡。一般來說，影像的像主點附近色彩飽和度較高，而影像邊緣部分則色差明顯、變形較大。

光線強度、氣象條件、霧霾、云煙、航攝時段和相機自身等多種因素的影響，會使真實影像拼接結(jié)果出現(xiàn)色彩不均衡現(xiàn)象，導致真正影像的顏色缺乏一致性，直接影響真正射像的視覺質(zhì)量，進而影響后期圖像的地物辨別和多領(lǐng)域服務(wù)應(yīng)用。因此對影像的勻光、勻色和色彩庫進行協(xié)調(diào)匹配、優(yōu)化處理，不僅能改進圖像質(zhì)量，還能提升圖像的精度和美感。

4 結(jié)論

本文對多視圖像多角度真正射影像的生成方法進行了深入研究，提出了一種基于特征融合和優(yōu)化的算法。該算法能夠有效融合多視圖像的信息，消除投影差，生成高質(zhì)量的真正射影像。試驗結(jié)果表明，該算法在處理多視圖像過程中具有較高的精度和魯棒性，能夠滿足實際應(yīng)用需求。

然而，本文的研究仍存在一定局限性。首先，算法的處理效率有待進一步提高，以應(yīng)對大規(guī)模多視圖像的處理需求。其次，在處理復雜地形和地物過程中，該算法可能會受一定程度的影響，需要進一步優(yōu)化算法以提高適應(yīng)性。未來將繼續(xù)研究多視圖像的處理技術(shù)，探索更高效、準確的真正射影像生成方法，為遙感影像的應(yīng)用提供更豐富的信息支持。

參考文獻

[1]周勇，張旺，黃琦峻.真正射影像制作技術(shù)的新發(fā)展及生產(chǎn)實踐[J].測繪技術(shù)裝備，2023，25（4）：85-89.

[2]賀艷花.基于無人機圖像生成高精度真正射影像圖研究[J].科技資訊，2023，21（21）：25-28.

[3]胡玉新，王峰，焦念剛，等.面向目標結(jié)構(gòu)信息保持的SAR真正射遙感影像生成方法[J].電子與信息學報，2023，45（10）：3767-3775.

[4]王延正，周曉峰，張明哲.基于INPHO軟件的真正射影像生產(chǎn)研究[J].科技與創(chuàng)新，2023（15）：112-114，118.

[5]鄧繼偉.基于高精度真正射影像的鐵路既有線岔心測量方法[J].中國鐵道科學，2023，44（2）：24-31.

[6]唐乾坤，陳曄，楊正銀，等.真正射影像制作中遮蔽區(qū)域修復算法[J].測繪，2023，46（1）：18-22.

[7]徐柳華，沈彩蓮，馬旭文，等.真正射影像建筑物遮蔽區(qū)域信息分析與提取[J].測繪與空間地理信息，2022，45（9）：44-46.

[8]張春森，葛英偉，郭丙軒，等.無人機影像DSM自動生成隨機傳播COLVLL算法[J].測繪學報，2022，51（11）：2346-2354.