本站小編為你精心準備了正射影像鑲嵌線自動選擇研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《測繪與空間地理信息雜志》2016年第9期

摘要:

由于投影差的存在，正射影像鑲嵌時往往采用基于鑲嵌線的鑲嵌方法，當兩幅正射影像鑲嵌時，選取鑲嵌線要盡量避開房屋。本文將兩幅正射影像鑲嵌建立為一個圖模型優化問題，并且采用圖割獲取最小割將影像重疊區域劃分為兩部分，最小割經過的分界線即為影像鑲嵌線。實驗表明，本文方法效率較高，不需要指定鑲嵌線的起始點，而且可以較好地避開房屋。

關鍵詞:

正射影像;影像鑲嵌;鑲嵌線;圖割

0引言

由于數字正射影像具有精度高、信息豐富、直觀逼真、現實性強等優點，可作為背景控制信息評價其他數據的精度、現實性、完整性;可從中提取自然信息和人文信息，并派生出新的信息和產品，為地形圖的秀策和更新提供良好的數據和更新手段。然而，由于單張正射影像覆蓋范圍有限，單獨使用受到限制，于是需要進行鑲嵌處理，把多張正射影像拼接成一幅更大的影像［1］。張劍清等采用蟻群算法自動選擇鑲嵌線，能避開房屋、樹冠等高出地面的地物［2］。在鑲嵌過程中，提高工作效率，減少人工工作量，使鑲嵌線繞過高大建筑等明顯地物，得到優質的DOM產品，一直是國內外學者研究的熱點之一［3］。MartinKer-schner提出利用twinsnakes算法選擇正射影像的鑲嵌線，該方法難以保證全局最優性［4］。Davis采用Dijkstra最短路徑搜索算法進行最優縫線搜索，該方法采用窮舉的搜索策略，需要較大的計算量［5］。JaechoonChon采用動態規劃檢測最優鑲嵌線，需要指定鑲嵌線的起點和終點［6］。袁修孝等提出基于正射影像視差圖的區域級鑲嵌線搜索算法，但僅僅利用簡單的閾值分割建筑物區域［7］。鑲嵌線優化一直是計算機視覺領域拼接全景影像、紋理合成、無縫紋理映射的關鍵問題［8］，這些問題可以處理為能量最小化問題，然后，采用圖割方法標記，實現鑲嵌線的優化。因此，本文將正射鑲嵌的問題轉化為一個圖模型優化問題，采用圖割算法優化實現正射影像的鑲

1鑲嵌線優化算法

1．1基于圖割的鑲嵌線選擇原理

如圖1所示，兩幅相鄰正射影像鑲嵌，中間部分為重疊區域，實現無縫影像鑲嵌需要首先在此區域內尋找一條鑲嵌線，使得鑲嵌線避開建筑物等區域，圖中鑲嵌線用曲線條表示。鑲嵌時，主要考慮重疊區域的鑲嵌線，因此，下文以重疊區域為規則四邊形的情形進行算法說明。以圖2為例，將重疊區域的每個像素看成一個圖的節點，每個節點與其鄰域的節點相連接，這些連接的邊稱為n－link，根據正射鑲嵌的要求賦予一定的權值。在圖2中引入兩個特殊節點:源點s和匯點t，分別代表左影像和右影像。如圖所示，最左邊的一列與節點s相連，最右邊的一列與節點t相連，與這兩個特殊節點相連的邊稱為t－link。為了使最左邊的一列元素來自左影像，最右邊的一列元素來自右影像，將t－link的權值定義為無窮大［9］，這樣可以保證后續鑲嵌線的拓撲形式。建立了如圖2所示的一個圖模型之后，采用圖割算法優化，將圖中的節點分為互不重疊的s和t兩部分，最小割穿過的邊就是我們需要的最優鑲嵌線［10］。

1．2權值確定

權值的確定是利用圖割方法的關鍵，圖中各節點的代價值C(x)定義為:C(x)=xrgb×wt×exrgb/σ(1)其中，xrgb是由兩張影像的RGB值利用公式(2)運算得到的xrgb=(xlr－xrr)2+(xlg－xrg)2+(xlb－xrb)2(2）xlr、xlg、xlb、xrr、xrg、xrb分別代表左右影像在節點x處的RGB值。exrgb/σ是用來控制xrgb對最終能量值C(x)的影響力，本文中用到的σ值設置為50。wt隨著節點x的位置變化而變化，當節點x越遠離中心線，wt的值越小。wt與正射影像的特性有關，正射影像中影像越靠近攝影中心質量越好，因此，應使生成的鑲嵌線盡量靠近重疊區域的中心線。設節點x與y是相鄰節點，則連接節點x與y的邊的權值為:M(x，y)=C(x)+C(y)(3)

2實驗

為了驗證本文算法，采用C++進行了實現，在配備Intel酷睿i53470、3．2GHzCPU和8GB內存的臺式機上進行實驗。實驗采用了如圖3(a)和(b)所示的兩組正射影像，從圖中可以看到，兩組數據都存在高大密集建筑物，兩組數據均已根據地理坐標裁剪了重疊區域，兩組影像大小分別為1528×2392和1572×2699。為了進行對比，本文還采用Dijkstra算法進行了鑲嵌線的優化。鑲嵌線優化結果如圖4和圖5所示。其中，圖4(a)和圖5(a)是Dijkstra算法得到的鑲嵌影像，圖4(b)和圖5(b)是本文方法得到的鑲嵌影像。從結果可以看出，本文方法的鑲嵌線更靠近影像區域的中心線。為更好地判斷兩種方法得到的鑲嵌線的效果，將兩條鑲嵌線疊加在差分影像上進行比較。圖6(a)為數據1的比較圖，圖6(b)為數據2的比較圖。較淺的線為Dijk-stra算法得到的鑲嵌線，較粗的線為本文方法獲取的鑲嵌線。從圖6(a)可以看出，兩種方法穿越的區域近似，但Dijkstra算法依然穿越少量差分影像上顯示為白色的區域，意味著穿過了少量建筑物區域?；诓罘钟跋裆仙设偳毒€應盡可能繞過灰度值大的區域，于是有差分影像上鑲嵌線優劣的定量評價:差分影像上鑲嵌線灰度值較大(灰度值大于某一閾值)的像素個數越少，效果越好。分析表1和表2，從鑲嵌線在差分影像上的像素信息來看，灰度值較大的個數，本文方法比Dijkstra明顯少;從運行時間來看，本文方法比Dijkstra方法效率高。表1數據1差分影像上鑲嵌線像素統計

3結束語

本文將正射影像的鑲嵌線優化問題建立成一個圖模型優化問題，然后，采用圖割選取最優鑲嵌線，具有無須規定鑲嵌線的起始點和終點的優勢，通過定義顧及正射影像質量的權值，可以自動避開建筑物區域，獲取高質量的鑲嵌線。而且相對于傳統的鑲嵌線選取方法，效率更高。

參考文獻:

［1］潘俊，王密，李德仁．接縫線網絡的自動生成及優化方法［J］．測繪學報，2010，39(3):300－302．

［2］張劍清，孫明偉，張祖勛．基于蟻群算法的正射影像鑲嵌線自動選擇［J］．武漢大學學報:信息科學版，2009，34(6):675－678．

［3］周清華，潘俊，李德仁．遙感圖像鑲嵌接縫線自動生成方法綜述［J］．國土資源遙感，2013，25(2):1－7．

［7］袁修孝，段夢夢，曹金山．正射影像鑲嵌線自動搜索的視差圖算法［J］．測繪學報，2015，44(8):877－883．

作者:丁鍇為 鄒崢嶸 張云生 張明磊 單位:中南大學地球科學與信息物理學院 水能資源利用關鍵技術湖南省重點實驗室