樹木影像特征提取與立體匹配技術(shù)研究.pdf

1、中國林業(yè)科學(xué)研究院資源信息研究所博士學(xué)位論文樹木影像特征提取與立體匹配技術(shù)研究姓名：張超申請學(xué)位級別：博士專業(yè)：森林經(jīng)理學(xué)指導(dǎo)教師：唐守正20030701摘要滑動和不同地點搬動進行重復(fù)性拍攝大小為1280960圖像，然后進行攝像機標(biāo)定參數(shù)求解。得出FUJIFILMFinePix6900Zoom數(shù)碼相機在搬動拍攝過程中，dx=dy，并且穩(wěn)定在O0061～0，0062之間，而像主點坐標(biāo)(uO，vO)不穩(wěn)定。在固定支架上滑動攝像機拍攝過程中，

2、dx=dy同樣穩(wěn)定在O0061～0，0062之間。像主點坐標(biāo)(uO，vO)保持穩(wěn)定在(625，5lO)左右。直接采用非線性度量誤差模型進行雙目標(biāo)定，對于攝像機內(nèi)參數(shù)，得到與單目標(biāo)定相同的結(jié)論。利用本文的標(biāo)定結(jié)果，重建后得出，在固定支架上滑動攝像機拍攝時，隨著基線長度從50mm開始，不斷增加，基線長度達(dá)到400mm時，單點重建精度平均穩(wěn)定在厘米級。而在不同地點搬動攝像機拍攝，基線大于3m時，單點重建平均精度低于50mm。立體匹配是立體視覺

3、中最難解決的問題。根據(jù)樹干的特點，在嘗試了多種在其它行業(yè)成功應(yīng)用的立體匹配算法之后，提出了適合樹干邊緣的立體匹配策略。即首先進行人機交互式的樹干邊緣約束下的變區(qū)域立體匹配，然后利用非線性度量誤差模型進行整體匹配。對于相同的立體圖像對，本文分別采用仃21的Canny算子、模板為1313的LoG算子和Sobel算子檢測的樹干邊緣做約束，區(qū)域相似性度量分別采用熵差、不變矩、相關(guān)性以及三者的綜合。按照本文提出的匹配策略獲得了不同的匹配結(jié)果。通過

4、對不同匹配方法獲得的樹干邊緣的匹配點集進行重建，計算樹木點位坐標(biāo)和樹木點位，對實驗結(jié)果進行對比分析得出結(jié)論。其中人機交互式的Canny算子檢測出的樹干邊緣特征約束下，變區(qū)域的相關(guān)匹配或綜合測度匹配獲得的匹配點集，然后進行基于非線性度量誤差模型的整體匹配優(yōu)于其它匹配算法。當(dāng)采用單目標(biāo)定的攝像機參數(shù)，重建到地理坐標(biāo)系下時，胸徑測定的平均相對誤差分別為7584118％(相關(guān))和48394047％(綜合測度)：樹木點位平均誤差分別為164630