【技術實現步驟摘要】
本專利技術屬于計算機視覺與城市衛星圖像三維重建，具體涉及一種基于局部梯度下降的建筑物表面視差無監督優化方法。
技術介紹
1、在航天攝影測量研究領域，三維攝影測量已經成為研究熱點和未來的研究趨勢，這得益于其高覆蓋范圍、高時效性、高精度和多維度數據獲取等方面的優勢。因此航天三維攝影測量已經成為環境監測與保護、災害監測與應急響應以及城市規劃與管理等應用的重要技術手段。另外，城市作為人類社會的經濟、文化、政治、技術和社會服務中心，對社會的發展和進步具有舉足輕重的作用。基于航天攝影測量的城市三維重建，能夠為城市規劃、智慧城市建設、文化遺產保護以及教育與科研等多個領域提供強大的技術支持和數據保障。
2、基于城市衛星圖像的三維重建方法一般包括衛星圖像立體校正、立體匹配、三維點云計算、三角網格生成以及紋理映射等步驟。其中，立體匹配能夠為三維點云數據提供與其嚴密對應的視差圖，因此立體匹配為整個三維重建流程提供了最直接的三維信息來源，也直接影響了三維模型的精度。對于城市衛星圖像三維重建方法的研究多集中于城市衛星圖像立體匹配階段。
3、已經提出的城市衛星圖像立體匹配方法可以分成兩類，一類是基于神經網絡的立體匹配方法，另一類是傳統立體匹配方法。得益于深度學習技術在計算機視覺領域的飛速發展，基于神經網絡的立體匹配方法受到了良好的啟發。首先，基于多尺度卷積神經網絡(multi-scale?cnn)的立體匹配方法，該方法通過提取多尺度圖像特征，并進行匹配代價計算。后來，端到端立體匹配(end-to-end?stereo?matchin
4、雖然在很多公開的標準數據集中，基于神經網絡的立體匹配方法能夠取得很優秀的結果，但是由于其對于真實標準數據的依賴以及神經網絡較弱的泛化能力，導致很難適用于缺少標準視差結果且參數多樣的實際衛星圖像。在衛星圖像三維重建的實際任務中，傳統立體匹配方法則更多的被選用。傳統立體匹配方法一般要經歷匹配代價計算、匹配代價聚合、視差計算和視差優化四個過程。由于局部匹配代價計算方法搭配基于動態規劃的匹配代價聚合方法能夠提取局部特征用于匹配代價計算，且具有較低的時間復雜度。因此該類方法能夠適應包含復雜、多變的地面場景的大尺寸衛星圖像。最為流行的方法包括半全局立體匹配(semi-global?matching,sgm)方法、多全局立體匹配(more?globalmatching,mgm)方法和雙重傳播立體匹配(double?propagation?matching,dpm)方法等。這些方法首先通過固定窗口或自適應窗口的方式計算圖像的局部特征，并計算立體圖像之間的匹配代價。然后通過動態規劃算法聚合一定范圍內或者特定路徑上的匹配代價，目的是優化建筑物邊緣深度不連續區域和建筑物表面弱紋理區域的匹配代價。
5、現有方法雖然在一定程度上能夠獲得令人滿意的結果，但是這種基于動態規劃算法的優化算法是全局一致的優化方式，缺乏明確的邊緣和區域的引導，很容易引入“星型”和“條紋”誤差，因此，為進一步優化城市衛星圖像中建筑物邊緣和表面的視差誤差，同時擺脫對于標準視差結果的依賴，提出一種新的建筑物表面視差優化方法是十分必要的。
技術實現思路
1、本專利技術的目的是為解決城市衛星圖像中建筑物邊緣和表面存在視差誤差的問題，而提出了一種基于局部梯度下降的建筑物表面視差無監督優化方法。
2、本專利技術為解決上述技術問題所采取的技術方案是：
3、一種基于局部梯度下降的建筑物表面視差無監督優化方法，所述方法具體包括以下步驟：
4、步驟一、分別從不同視角采集城市建筑物的左視圖和右視圖，再根據左視圖和右視圖得到視差圖，并根據城市建筑物衛星圖像和視差圖中的信息對視差圖中的像素點進行超像素分割，得到超像素分割結果；
5、步驟二、初始化迭代次數q＝1；
6、步驟三、初始化超像素數k＝1；
7、步驟四、根據第k個超像素對應的視差圖計算單應模型h的參數；
8、步驟五、對第k個超像素對應的視差圖進行雙邊濾波處理，得到雙邊濾波處理后的視差圖；
9、步驟六、根據雙邊濾波處理后的視差圖，重新確定左視圖中的像素點(x,y)在右視圖中對應的匹配點(x′,y′)，(x,y)和(x′,y′)即為重新確定的匹配點對，根據單應模型參數和重新確定的匹配點對計算像素點(x,y)對應的損失函數；
10、同理，分別得到左視圖中的每個像素點對應的損失函數值；
11、步驟七、判斷是否滿足k＝k；
12、若滿足，則執行步驟八；
13、否則，令k＝k+1，返回執行步驟四；
14、步驟八、判斷視差圖的各像素點對應的損失函數值是否均小于視差閾值εdisp；
15、若視差圖中的各像素點對應的損失函數值均小于視差閾值，則上一次迭代獲得的視差圖即為最終的視差圖；
16、若視差圖中的各像素點對應的損失函數值未均小于視差閾值，則執行步驟九；
17、步驟九、判斷迭代次數q是否等于閾值q；
18、若迭代次數q等于閾值q，則根據各像素點對應的損失函數值更新匹配點(x′,y′)的x′坐標，并根據更新后的坐標來獲得最終的視差圖；
19、若迭代次數q不等于閾值q，則根據各像素點對應的損失函數值更新匹配點(x′,y′)的x′坐標，并根據更新后的坐標來更新視差圖，再令q＝q+1，返回執行步驟三。
20、本專利技術的有益效果是：
21、1、本專利技術聯合使用城市衛星圖像和視差圖像，耦合顏色信息、空間位置信息和視差信息，并將其映射到6維特征空間中。利用6維特征進行的k均值聚類能夠準確分割顏色、距離和結構上差異明顯的建筑物超像素。而且，本專利技術的超像素分割方法同樣適用于基于衛星圖像的地物目標分類、識別和地圖矢量化等應用中。
22、2、本專利技術以超像素區域為單位，利用局部梯度下降算法迭代優化每個超像素區域內的視差值。本文檔來自技高網...
【技術保護點】
1.一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述方法具體包括以下步驟：
2.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述步驟一中，根據城市建筑物衛星圖像和視差圖中的信息對視差圖中的像素點進行超像素分割，得到超像素分割結果；具體過程為：
3.根據權利要求2所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述分別計算像素點i對應的向量與確定出的每個種子點對應的向量的綜合距離，具體為：
4.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述步驟四的具體過程為：
5.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述雙邊濾波處理的具體過程為：
6.根據權利要求5所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述歸一化權重為：
7.根據權利要求5所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述空間域權重的計
8.根據權利要求5所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述視差域權重的計算方法如下：
9.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述根據單應模型的參數和重新確定的匹配點對計算像素點(x,y)對應的損失函數，具體為：
10.根據權利要求9所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述根據各像素點對應的損失函數值更新匹配點(x′,y′)的x′坐標，并根據更新后的坐標來更新視差圖；具體過程為：
...【技術特征摘要】
1.一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述方法具體包括以下步驟：
2.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述步驟一中，根據城市建筑物衛星圖像和視差圖中的信息對視差圖中的像素點進行超像素分割，得到超像素分割結果；具體過程為：
3.根據權利要求2所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述分別計算像素點i對應的向量與確定出的每個種子點對應的向量的綜合距離，具體為：
4.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述步驟四的具體過程為：
5.根據權利要求1所述的一種基于局部梯度下降的建筑物表面視差無監督優化方法，其特征在于，所述雙邊濾波處理的具體過程為：
6....
【專利技術屬性】
技術研發人員：趙禮，周冰倩，王海燕，祝義，宋媚，
申請(專利權)人：江蘇師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。