摄影测量特征点提取与匹配技术研究

摘 要：随着建筑事业的发展和城市规划的不断提升，对于工程的设计要求质量也相对的提高。工程设计的制定必须参考必要的测量数据和勘探结果，然后经过分析综合最终合理的确定下来。因此就要有高质量的摄影测量技术来支撑，旧有的测量数据准确度不能达到现行的需求，测量的范围不够广，测量的结果不够精确，同时分辨率比较低，严重的影响了设计的准确性和合理性。为了克服这点，经过科研人员的多年的研究，人们提出了新的理论即摄影测量特征点提取与匹配技术。本文对于此项技术进行了详细的介绍和说明，便于相关人员可以结合实际工作的需要利用此项技术。

关键词：数字摄影测量；特征点提取；特征点匹配

中图分类号：TU198+.3 文献标识码：A

1 概述

实地施工和建筑之前需要进行必要的测量，进而根据测量的结果进行结构和建设设计，传统的测量技术存在大的误差，测量结果不精确，在实际的运用中存在缺陷，经过专家的多年研究，人们研发了数字摄影测量技术。这种技术的特点是生成的更有利用价值的电子图像而不是简单地光学图像。数字影像中主要的对象是存在的不同形状的目标点。目标点可以分为点状特征和线状特征两个主要的方向。提取点特征的算子称为兴趣算子或有利算子。点特征提取是影像分析和影像匹配的基础，也是单幅图像处理的最重要的任务。也是人们研究的重点，下面首先对其原理进行简单的阐释，然后根据仿真模拟进行具体的说明。

2 Moravec算子特征点提取算法

Moravec算子的计算原理是对于灰度方差的运用。它的实际操作程序可以是：

2.1 首先根据已知的计算公式确定兴趣值。然后以45度的距离从零开始计算，经过四次运算，最终把最小的定为该像元的兴趣值。

2.2 给定经验阈值，注意把握阈值的适当范围。

2.3 选取候选点中的极值点作为特征点

以上的计算要按照既定饿步骤逐一的进行，而且计算的数值要求准确无误。

3 基于灰度的匹配方法

这种是目前为止引用比较广泛的配配方法，它的利用范围比较广，基本适应现代的测量技术要求。基于灰度相似度检测和最小二乘影像匹配的方法是其主要的两个方面，它们都是以同名影像灰度相似为基础的，相关的精度可以达到像元级及子像元等级。其工作的实际理论依据为：

相关系数是标准化的斜方差函数，协方差函数除以两信号的方差即得相关系数。

4 实验方案设计与实验结果分析

4.1 特征点提取方案设计

该技术的特征点选取的范围基本上确定为两个图像的重合部分。具体的设计过程中应该注意到经验阈值的范围不能过大也不能过小，因为两者都会造成负面影响。首先如果该值的计算数据超出其最大值，那么就使得大部分的特征点被忽略了，排除了提取的实际范围之外，计算的结果不能使对每一个特征点的分析，计算的结果没有可靠性；但是如果最终取得的该值超出了应有范围的最低值就表明提取的特征点数量，超出合理的数量。如果进行抑制局部非最大的窗口过大，也会产生类似的部分特征点被排除在考察的范围之外，但窗口过小又会导致亮度值变化较大的图象局部提取了超出应有范围的比较大量的特征点。依据以上的理论分析，所以在实际操作过程中，必须综合两种实际的科学设计方案，来保证经验阈值及进行抑制局部非最大的窗口大小都在合理的范围之内。操作如下：

4.1.1 计算人员根据规定的标准计算出像素的兴趣值，计算之前要熟悉具体的计算公式和方法。

4.1.2 对于两个不同的点进行详细的效果对比分析，实际的点的选取有固定的要求，为了保证计算的科学和准确不能随便选取。

4.1.3 选取候选点中的极值点作为特征点，进行筛选。

4.2 特征点匹配方案设计

完成对左片的特征点提取完毕后，开始进行所提取特征点的匹配工作，根据该实验的特定目标制定了如下步骤：

4.2.1 由于受到局限，所以只对两张影像进行一次几何畸变：

4.2.2 在经过系统处理过的图像上任意选取6对匹配像元，根据最小二乘的原理计算出一次几何畸变的6个系数的近似值。

4.2.3 依据以上的计算数据粗略的确定各特征点在右像片中匹配位置

4.2.4 最后通过一系列的实际校验程序来确定本次试验的匹配正确。

4.3 实验过程与实验结果分析

4.3.1 软件平台与开发工具

美国的微软公司自从问世以来，就成为软件系统的鳌头。经过专业技术人员的不断开发和完善，微软公司旗下的软件已经可以适应各个领域的需求。本次的测验就是利用的微软公司开发的软件。在应用的同时，人们逐渐领略到了美国微软公司开发的软件的利用的便捷，和操作的简单化。目前，已经成为了人们普遍认可的计算专业软件。该软件是windows系统下的，在新开发的windows7系统中更是得到了进一步的完善，便于相关人员的利用。

4.3.2 实验结果分析

(1)以兴趣值15000为经验阈值，用11×11窗口抑制局部非最大，经过实际的对比结果，我们得由于提取了过多的特征点，像素隐性去值的最后结果也是不准确的，没有实际的利用价值，这个结果警示我们在操作过程中一定选择符合数量标准的特征点。

(2)对于以上的结果检验的失败，我们经过计算方法的改良对其进行了必要的改进，以兴趣值14000为经验阈值，用19×19窗口抑制局部非最大。

只有利用这样的计算标准才能最终确定相近的特征点数量，特征点数量是最终试验结果正确的保障。选取过多的特征点或是选取过少的特征点都使得最后的试验结果出现严重的误差，没有数据的利用价值。

结束语

Moravec算子是一种经典的点特征提取算子，对于该技术的研究具有一定的使用价值。本文对于摄影测量特征点提取和匹配技术的研究，经过了系统的仿真模拟。通过对于仿真模拟的每一步的操作分析，我们得出了正确的技术应用过程，也找出了影响实验数据值误差的原因，并及时的纠正，从而完善了该技术，为相关的工作人员提供一定的经验参考。

参考文献

[1]Zuxun Zhang,Jianqing Zhang.Outlook On The Development of Digital Photogrammetry -from digital photogrammetric workstation(DPW) to digital photogrammetry system(DPS).

[2]张剑清，潘励，王树根.摄影测量学[M].武汉:武汉大学出版社，2004.7.

[3]山海涛，郭建星，耿则勋.影像匹配中几种相似性测度的分析[J].测绘信息与工程，2003，28(2).

[4]董长虹.Matlab图像处理与应用[M].北京:国防工业出版社，2004.1.