广州地理信息：整体影像匹配

　　广州地理信息：整体影像匹配

　　甚于特征的影像匹配考虑了目标形像窗口的信息量，

　　遵循了先宏观、后微观，先轮廓、后细节，

　　先易于辨认的部分、后较为模糊的部分的人类视觉匹配规律，

　　因而能够提高影像匹配的可靠性。

　　但是，如果基于特征的影像匹配不顾及匹配结果整体的一致性，

　　还是难以避免错误匹配的发生。

　　无论是基于灰度的影像匹配，还是大部分的基于特征的影像匹配，

　　都是基于单点的影像匹配，即以待匹配点为中心(或边沿)确定一个窗口，

　　根据一个或多个相似性测度，判别其与另一影像上搜索窗口中灰度分布的相似性，

　　以确定待匹配点的共(同名)点。

　　其结果的正确与否与周围的点并无联系或只有很弱的联系(如由已匹配点进行预测等)。

　　这种孤立的，不考虑周围关系的单点影像匹配结果之间必然会出现矛盾。

　　因此整体影像匹配也就逐渐得到了发展。

　　尽管从二维影像恢复三维世界在理论上是一个病态问题，

　　因而局部匹配算法不可避免地会出现不可靠的解，

　　但是，毕竟大部分匹配结果是正确的。

　　那么，少部分的错误结果必然与大部分的正确结果不一致或称为不相容，

　　那么考虑相容性、一致性、整体协调性，

　　就可以纠正或避免错误的结果，从而提高影像匹配的可靠性。

　　整体影像匹配算法主要包括:多点最小二乘影像匹配;

　　动态规划影像匹配;松弛法影像匹配;人工神经元网络影像匹配等。



为您推荐 广州地理信息：影像信息量与特征