影像匹配是指通過特定的匹配算法在兩幅或多幅影像之間識別同名點的過程。這一過程在遙感、數字攝影測量、計算機視覺、地圖學及軍事應用等領域有著廣泛應用。
原理
影像匹配最初是通過相關技術實現的，因此有時也被稱作影像相關。影像相關的對象種類多樣，包括衛星遙感影像、航空攝影影像、近景攝影影像等。無論采用何種形式的相關，其理論基礎都是相同的。影像相關的核心是利用互相關函數評估兩塊影像的相似性，以確定同名點。具體而言，選取待定區域的影像信號后，將其在另一影像中相應區域的影像信號取出，計算二者間的相關函數，以此確定同名點的位置。
算法分類
影像匹配算法可根據匹配像點的相對數量分為稀疏匹配和稠密匹配兩類。稀疏匹配產生的視差矩陣較為稀疏，主要用于確定視點與影像之間的相對位置關系。稠密匹配則要求獲得整個影像或其主要部分的深度圖。此外，影像匹配還可根據匹配元素的不同分為灰度區域匹配和特征匹配。前者基于像素灰度進行匹配，后者則使用邊緣等影像特征進行匹配。影像匹配的主要算法可分為局部算法和全局算法兩大類。
局部算法
局部算法主要包括塊匹配算法、基于梯度的優化算法和基于特征的匹配算法。這類算法基于影像的局部信息進行匹配，無需全局優化。常用的匹配代價函數包括差平方和(SSD)、絕對差之和(SAD)和標準化互相關(NCC)等。其中，塊匹配算法在局部小區域內尋找最佳匹配，通常使用規范化互相關方法。基于梯度的優化算法則通過最小化圖像間平方差的和來實現匹配。這兩種算法都對圖像的局部不連續和一致性紋理問題敏感，因此基于特征匹配的算法得到了發展，如基于分層的特征匹配和基于圖像分割的匹配算法等。
全局算法
全局算法使用全局約束解決因遮擋和一致性紋理導致的局部匹配失敗問題。此類算法包括動態規劃算法、本征曲線算法、最大流量圖算法、最小割集算法、非線性擴散算法和信心傳播算法等。全局匹配的關鍵在于定義一個先驗模型并通過最小化全局函數來解決問題。動態規劃算法通過分解優化問題來降低計算復雜度，本征曲線算法則通過對圖像按掃描線計算邊緣或點特征的描述向量來解決二義性問題。最大流量圖劃分算法將視差表面作為最大流量圖中的最小割邊集進行求解，而非線性擴散算法則通過局部擴散處理提供聚類支持。
性能評價指標
影像匹配算法的性能可通過匹配概率、匹配精度和匹配速度三個指標進行評價。匹配概率表示正確匹配次數占總匹配次數的比例，匹配精度則是指正確匹配的平均誤差，反映了匹配的準確性。匹配速度則衡量了算法的運行速度。理想的匹配算法應具備高的匹配概率、低的匹配誤差和較快的運算速度，以滿足實際應用場景對實時性的需求。
參考資料 >
影像匹配的執行順序,特點及優缺點.百度文庫.2024-11-11
百度教育.百度教育.2024-11-11
百度教育.百度教育.2024-11-11