Сопоставление изображений

Veverka B., Potuchkova M.

Первое решение проблемы сопоставления образов, как и ее естественного аналога, было предложено Хоброу уже в конце 1950-х годов. А коррелятор, первая система автоматического поиска соответственных точек была представлена компанией Wild Heerbrugg в 1964 году. Эта система не нашла широкого практического применения. Тем не менее, идея Хоброу о применении кросс-корреляции нашла много последователей. С начала 1970-х годов развитие сосредотачивалось на сопоставлении цифровых изображений и цифровая корреляция была успешно внедрена в фотограмметрические системы (Helava, 1978). В настоящее время, методы сопоставления изображений, включены в коммерческие фотограмметрические программные пакеты в качестве стандартных измерительных инструментов и расчетов (например, ImageStation™ от Z/I Imaging, Match-T и Match-AT от Inpho, Phodis от Zeiss и т.д.). По сравнению с ручными измерениями, автоматические методы быстрее (особенно в аэротриангуляции больших блоков изображений), а также достигнута точность в целом выше или, по крайней мере сопоставима с точностью аналитических инструментов. С другой стороны, из-за относительно большого количества несоответствий, которые обычно появляются при большом количестве наблюдений (принцип резервирования) и реализации методов для обнаружения и ликвидации неточностей, имеют важное значение для достижения высокой точности (Акерман, 1996a).

Сопоставление образов обычно выполняется в пространстве изображения. Этот подход также является задачей данной статьи. Концепция сопоставления пространственных изображений была также разработана (Helava, 1988), но не нашла практического применения на сегодняшний день.

Множество исследований было сделано в отношении автоматического поиска связующих точек соединения двух перекрывающихся изображений (стереопары) или соединения изображений в блоке (например, Тан и Хепкe, 1996, Акерман, 1996). Поиск точек может быть осуществлен в 2D, например, внутри прямоугольника ориентированно вдоль приближенных эпиполярных линий (см. раздел 1.2.1) в случае относительной ориентации стереопары. Если известны элементы ориентирования, то параметры поиска могут быть ограничены только в одном измерении т.е. непосредственно на эпиполярной линии как это используется при выводе цифровой модели рельефа. Сопостовление аэроизображений и ортоизображений различных дат или двух ортоизображений также возможно, и это является практической задачей, рассмотренной в главах 2 и 3.

Основной задачей, связанной с сопоставлением изображений является выбор сопоставляемого образа (элементарного по сравнению с примитивами других изображений), а также критерия сходства (количественная мера оценки соответствия образов). Совпадение 'пиксель на пиксель' на всей площади перекрывающихся изображений требует очень большого объема вычислений. Более того, это приводит к неопределенности в связи с повторяющимися случаями серых значений и из-за шума на изображениях. Таким образом, в целом сопоставление образов принадлежит к группе сложно решаемых задач. Она не отвечает критериям существования и уникальности решений, что является стабильным по отношению к малым вариациям в исходных данных. Для того, чтобы привести сопоставление образов к легко решаемым задачам, таким как соответствующие образы, критерий сходства, геометрические ограничения и предположения должны необходимо указать, что пространство всех возможных решений будет ограниченным. В таблице 1.2 приводится обзор трех основных методов сопоставления изображений, которые были разработаны и используются в фотограмметрии и компьютерном зрении.

Таблица 1.2 – Методы сопоставления изображений

В следующих разделах соответствующие методы описаны подробно. Внимание уделяется прежде всего площадным и функциональным методам. Возможности использования в качестве критерия сходства информации о взаимном расположении изображений также обсуждаются.

1.2.1 Площадные методы

Серые значения сопоставляемых образов в площадных методах. Совпадение в один пиксель приводит к двойственности решения. Поэтому используются серые значения нескольких соседних пикселей. Участок образа, вырезанный из одного изображения, так называемого шаблона, ищется во втором изображении. Шаблон состоит из m x n пикселей, в основном м = n. Позиция шаблон задается центральным пикселем, поэтому m и n являются нечетными номерами. Этот шаблон сравнивается с участками того же размера на втором изображении. Примерное положение соответствующей точки на втором изображении, как правило, может быть получено (например, при известном приближенном значении элементов ориентирования двух перекрывающихся изображений). Ограниченный участок сравнения называется район поиска или окно (Шенк, 1999). Значение критерия подобия рассчитывается для каждой позиции шаблона в области поиска. В зависимости от степени критерия подобия, соо