基于SIFT的宽基线立体影像最小二乘匹配方法

以尺度不变特征变换法(SIFT)为代表的新一代不变特征点提取与匹配算法，由于其具有一定的平移、缩放和旋转不变性而在数字摄影测量与计算机视觉领域得到了广泛的应用。但SIFT特征不具仿射不变性，且由于特征点提取与匹配的相对独立性使得匹配的同名点对可能不能实现位置上的精确对应，这极大地限制了其在宽基线立体影像特征匹配中的实际应用。为解决这一问题，提出基于对极几何和单应映射双重约束的SIFT特征多尺度加权最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集，并采用基于奇异值分解(SVD)的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下，基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用了基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取了实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析。结果表明该方法的匹配性能明显由于现有的方法。从而拓展了SIFT算法的应用范围并为宽基线立体影像匹配问题探索了一种可行的方法。