迭代三角网约束的近景影像密集匹配

王竞雪 张 晶 张 雪

(1. 辽宁工程技术大学测绘与地理科学学院, 辽宁阜新 123000;2. 西南交通大学地球科学与环境工程学院, 四川成都 611756)

1 引言

随着数码相机的普及使得近景影像的获取十分便捷，因此，基于近景影像的三维重建也成为摄影测量和计算机视觉领域研究的热门话题，其中关键核心问题即影像匹配[1-3]。现有点匹配算法，如SIFT[4]、ASIFT[5]、SURF[6]等算法已经非常成熟，可获取可靠的同名点。但这些方法得到的结果往往是稀疏的匹配点集，难以胜任高精细三维建模的需求，故基于影像的密集匹配变得十分必要的。目前常用的方法是基于静态区域约束的密集匹配。该类方法将影像划分成多个独立区域并结合多种约束条件完成匹配。文献[7- 8]利用N个种子点和Voronoi方法将图像划分成N个区域，利用SSD等约束完成区域内像素点的匹配、文献[9-10]利用稀疏匹配结果进行Delaunay三角网的构建，在同名三角网的区域里进行匹配、文献[11]利用Markov网络作为区域约束引导匹配传播，用贝叶斯置信度传播算法完成网格中逐像素的匹配。该类方法约束区域大小是固定的，不能随着匹配点的增加而动态更新约束范围，不能有效利用过程数据，约束较为固定。另一种是渐进传播约束的密集匹配，常用的渐进三角网传播策略，文献[12]提出一种自适应三角形约束的影像可靠匹配方法，与上述固定区域约束相比，该方法提出了一种动态更新三角形的匹配传播策略，将匹配过程中产生新的同名点不断插入到初始三角网中，时时更新优化三角形用于进一步约束后续点匹配。……