多视倾斜影像高效匹配的近邻信息监督度量学习方法

胡翰1,2

1. 西南交通大学地球科学与环境工程学院，四川 成都 611756； 2. 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079

A Supervised Metric Learning Approach for Efficient Aerial Oblique Image Matching Using Neighborhood Information

HU Han1,2

1. Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 611756, China; 2. State Key Laboratory of Information Engineering in Survery, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

随着三维GIS与虚拟地理环境技术的快速发展与普及应用，三维模型的自动重建需求日益迫切，倾斜摄影系统以其立面可见性、直观性等优点应运而生并快速发展，正逐渐成为三维城市模型生产的主要数据源。然而，多角度倾斜摄影系统由于系统结构问题，多视角倾斜影像的辐射质量问题、几何变形问题以及多视匹配问题突出。特别是在引入侧视后，多角度倾斜摄影系统由于多视重叠大幅度增加，两两像对呈平方倍数增长，类SIFT的高维特征描述符匹配效率，已经难以满足实际生产效率需求。如何顾及特征点的结构特性以及倾斜影像匹配的特殊需求，对高维特征描述符进行维度约减，是计算机视觉与摄影测量领域亟待解决的前沿难点问题。

本文的研究目标为：针对类SIFT特征描述符的呈现为高维特征向量，制约倾斜影像匹配效率的问题，通过构建包含同名点标记信息的训练数据集，采用监督度量学习方法，获取线性投影矩阵，将已有高维特征描述符投影至低维子空间中，实现维度约减；并利用投影后的特征描述符进行匹配，提高整体匹配效率。

本文将倾斜影像特征匹配分为训练、学习、匹配3个阶段。为提高训练数据与匹配精度的可靠性，针对倾斜影像中存在的几何、辐射质量差异问题，提出了边界约束优化的倾斜影像匹配方法；……