本發(fā)明屬于圖像處理技術領域，具體涉及一種基于組特征的直線匹配方法。

背景技術：

隨著全球信息化進程的加快，“智慧城市”建設成為全世界高科技發(fā)展的前沿領域，而三維數(shù)字城市建設是智慧城市信息化建設的主流?！吨袊虚L期科學和技術發(fā)展綱要(2006-2020)》將“城市多維建模與模擬技術”列入重大專項，旨在從根本上提高我國智慧城市建設技術的自給率，建成空間信息產(chǎn)業(yè)鏈，為政府部門、企事業(yè)單位和社會公眾等提供公共管理、城市規(guī)劃、突發(fā)事件應急、科學決策等服務。影像匹配技術是主流的地物目標三維信息獲取手段之一，是基于影像三維重建的關鍵核心技術。

直線特征是人類視覺信息中最顯著、最直觀、最具有代表性的特征。城區(qū)建筑物輪廓邊緣、屋頂和立面都蘊含著大量的直線特征，包含豐富的語言信息和幾何意義，能夠較好地表達建筑物結構特征，因此，將直線特征作為匹配基元并實現(xiàn)其可靠匹配是基于影像精細三維建模的基礎。目前，攝影測量和計算機視覺領域?qū)χ本€匹配進行了大量的卓有成效的研究?，F(xiàn)有的直線匹配方法可以分為單直線匹配和組直線匹配兩類：

單直線匹配方法主要利用單一直線的幾何信息及鄰域灰度信息的特征相似性，結合強有力的幾何約束對直線逐一進行匹配。該方法對傾角變化較小、視差變化較小的影像取得較好的匹配結果。但對于立體影像之間視角變化較大，不同影像之間存在幾何變形、尺度不一、旋轉(zhuǎn)等問題，尤其針對建筑物不同立面同時成像，該類方法難以獲得可靠的匹配結果；

組直線匹配方法是對影像上提取的直線按照一定的編組原則進行編組，并將其作為匹配基元進行匹配。針對直線提取結果斷裂產(chǎn)生的“一配多”、“多配多”問題，文貢堅在2006年提出一種基于特征編組的直線匹配全局算法，該方法依據(jù)極線幾何和灰度相似約束確定目標直線與搜索直線之間所有匹配情況，并以此為依據(jù)，結合直線間的相容性對所有可能匹配的直線進行編組，最后在全局約束下挑選統(tǒng)一協(xié)調(diào)的匹配結果。該方法側重對搜索影像上匹配候選直線進行編組，充分考慮直線匹配中“一配多”、“多配多”問題，但對遮擋問題較為敏感，匹配過程較為復雜。

技術實現(xiàn)要素：

針對上述現(xiàn)有技術存在的不足，本發(fā)明提供一種基于組特征的直線匹配方法。

本發(fā)明的技術方案：

一種基于組特征的直線匹配方法，包括如下步驟：

步驟1：輸入目標影像和搜索影像兩張航空影像和兩張航空影像的同名點坐標；

步驟2：分別對目標影像和搜索影像進行直線提?。?/p>

步驟3：分別對目標影像和搜索影像上提取的直線依次進行特征編組，分別得到目標影像和搜索影像上的特征直線組集合：

步驟3.1：在目標影像上將提取的直線l_i作為目標直線，直線l_i+1,l_i+2,…,l_I為待編組直線，其中，i＝1，2，...，I，I為目標影像上提取的直線數(shù)；

步驟3.2：以目標直線l_i為中心建立矩形窗口作為目標直線鄰域窗口；

步驟3.3：依次判斷待編組直線與目標直線鄰域窗口關系，如果待編組直線在目標直線鄰域窗口內(nèi)或與鄰域窗口相交，則該待編組直線為候選編組直線l_i'；

步驟3.4：依次計算候選編組直線與目標直線l_i的夾角，如果夾角在閾值范圍內(nèi)，則目標直線l_i與該候選編組直線l_i'組成特征直線組P^L(l_i,l_i',C^L)，其中，C^L為目標直線l_i和編組直線l_i'的交點；

步驟3.5：分別選擇目標直線l_i和編組直線l_i'端點中與交點C^L距離較近的點作為l_i的起點和l_i'的起點，與交點C^L距離較遠的點分別作為l_i的終點和l_i'的終點；

步驟3.6：依次將目標影像上提取的每條直線作為目標直線執(zhí)行步驟3.1至步驟3.5，得到目標影像上特征直線組集合其中，為目標影像上第m個特征直線組，和為組成該特征直線組的直線，m＝1，2，…，M，M為目標影像上特征直線組數(shù)；

步驟3.7：將搜索影像上直線依次作為目標直線執(zhí)行步驟3.1至步驟3.5，最終得到搜索影像上特征直線組集合其中，為搜索影像上第n個特征直線組，和為組成該特征直線組的直線，n＝1，2，...，N，N為搜索影像上特征直線組數(shù)。

步驟4：對目標影像和搜索影像上的特征直線組進行多重約束下的特征直線組匹配，得到同名特征直線組對集合：

步驟4.1：將目標影像上特征直線組作為目標特征組，對搜索影像上特征直線組進行核線約束，確定候選特征組集合：

步驟4.1.1：將目標影像上特征直線組作為目標特征組，并計算目標特征組交點在搜索影像上的核線；

步驟4.1.2：依次計算搜索影像上各特征直線組交點到核線的距離，距離小于閾值的特征直線組構成候選特征組集合；

步驟4.2：對候選特征組集合中特征直線組進行單應矩陣約束，得到單應矩陣約束后的候選特征組集合：

步驟4.2.1：以目標特征組交點為中心，以兩直線和終點方向所構成扇形區(qū)域內(nèi)包含的同名點計算局部單應矩陣H；

步驟4.2.2：根據(jù)局部單應矩陣H，將映射到搜索影像上，得到點

步驟4.2.3：計算搜索影像上各候選特征組交點到點的距離，如果距離大于閾值，舍棄該候選特征組，否則，保留該候選特征組。

步驟4.3：對單應矩陣約束后的候選特征組集合中特征直線組進行象限約束，得到象限約束后的候選特征組集合：

步驟4.3.1：根據(jù)局部單應矩陣H，將目標影像上目標特征組映射到搜索影像上，得到

步驟4.3.2：在搜索影像上，對建立以為原點的局部坐標系，x軸和y軸分別與像素坐標系的x軸和y軸平行，中直線和直線終點所在象限分別為Q₁和Q₂；

步驟4.3.3：對單應矩陣約束后的候選特征組集合中的候選特征組分別建立局部坐標系，判斷每個候選特征組中直線r_i^v和直線終點所在象限是否為Q₁和Q₂，是，保留該候選特征組，否則，舍棄該候選特征組。

步驟4.4：對象限約束后的候選特征組集合中特征直線組進行不規(guī)則三角形區(qū)域灰度相關約束，將滿足灰度相關約束的候選特征組作為目標特征組的同名特征直線組，并建立該候選特征組與目標特征組的匹配關系，得到一對同名特征直線組：

步驟4.4.1：以目標特征組交點起始邊終點a和終止邊終點c構成三角形所包含的區(qū)域作為灰度相關區(qū)域；并確定灰度相關區(qū)域內(nèi)所包含的像素點坐標及其灰度值；

步驟4.4.2：固定目標影像上目標特征組的起始邊和終止邊，根據(jù)起始邊和終止邊所在象限Q₁和Q₂確定象限約束后的候選特征組集合中的候選特征組對應的起始邊和終止邊：當Q₁≠Q(mào)₂時，根據(jù)搜索影像上候選特征組兩邊所在象限確定起始邊和為終止邊；當Q₁＝Q₂時，使候選特征組起始邊到終止邊旋轉(zhuǎn)方向與目標特征組中起始邊到終止邊旋轉(zhuǎn)方向一致；其中，起始邊到終止邊旋轉(zhuǎn)方向采用兩直線向量叉積計算；

步驟4.4.3：分別計算目標影像上目標特征組起始邊終點a、終止邊終點c在搜索影像上的核線H_a、H_c，分別計算H_a、H_c與候選特征組中起始邊和終止邊的交點，分別記為a′和c′。搜索影像上以候選特征組交點、a′和c′構成三角形所包含的區(qū)域作為灰度相關區(qū)域；

步驟4.4.4：利用目標影像上的灰度相關區(qū)域和搜索影像上的灰度相關區(qū)域的三個頂點坐標計算兩灰度相關區(qū)域間的仿射變換參數(shù)；

步驟4.4.5：根據(jù)仿射變換參數(shù)和目標影像上灰度相關區(qū)域內(nèi)包含的像素點坐標計算搜索影像上灰度相關區(qū)域內(nèi)對應像素點的坐標，并根據(jù)雙線性插值方法計算得到對應像素點的灰度值；

步驟4.4.6：計算目標影像上的灰度相關區(qū)域和搜索影像上的灰度相關區(qū)域之間的灰度相關系數(shù)；

步驟4.4.7：對候選特征組集合中的每個候選特征組，重復步驟4.4.2到4.4.6，最終確定灰度相關系數(shù)最大且大于閾值的候選特征組為目標特征組的同名特征直線組，并建立該候選特征組與目標特征組的匹配關系，得到一對同名特征直線組。

步驟4.5：依次將目標影像上每個特征直線組作為目標特征組，重復步驟4.1到4.4，得到同名特征直線組對集合。

步驟5：將同名特征直線組對集合中同名特征直線組中對應的起始邊和終止邊分裂為同名單直線，建立每對同名特征直線組中對應的起始邊和終止邊的一對一匹配關系，得到初始同名直線對集合；

步驟6：對初始同名直線對集合進行整合，對集合中一對多、多對一、多對多的匹配結果進行重組和擬合，得到最終的同名直線對集合，即直線匹配結果：

步驟6.1：刪除初始同名直線對集合中匹配關系相同的同名直線對；

步驟6.2：依次核驗目標影像上當前直線在搜索影像上是否有多條匹配直線，有，將目標影像上當前直線在搜索影像上的多條匹配直線合并為一組，并建立該組與目標影像上當前直線的匹配關系，更新同名直線對集合；否則，保留目標影像中當前直線與其在搜索影像上原有的同名直線匹配關系不變；

步驟6.3：依次核驗搜索影像上當前直線在目標影像上是否有多個匹配直線，有，將搜索影像上當前直線在目標影像上的多條匹配直線合并為一組，并建立該組與搜索影像上當前直線或當前直線所在組的匹配關系，更新同名直線對集合；否則，保留搜索影像中當前直線或當前直線所在組與其在目標影像上原有的同名匹配關系不變。

步驟6.4：分別對每組中的多條直線進行擬合，如果擬合直線斜率與原有的多條直線斜率均一致，則用擬合直線代替原有的多條直線；否則將該組匹配結果刪除；最終得到目標影像上與搜索影像上一對一的同名直線對集合，即直線匹配結果。

有益效果：一種基于組特征的直線匹配方法與現(xiàn)有技術相比，具有如下優(yōu)勢：

(1)利用滿足一定條件的兩條直線進行特征編組，將其作為匹配基元代替?zhèn)鹘y(tǒng)的單一直線進行匹配，能夠有效解決大旋轉(zhuǎn)角及視差較大情況下不同面片直線匹配的可靠性問題，同時，對存在于不同直線組合的同一直線多次匹配結果進行整合，提高匹配的可靠性；

(2)對同名直線匹配結果中非一對一匹配結果設計了有效的檢驗及整合方案，一方面，對匹配結果中錯誤匹配的同名直線對進行剔除，提高匹配的可靠性；另一方面通過對匹配結果中正確的同匹配直線進行重組和擬合，有效地解決了直線提取中斷裂引起的同名直線匹配結果中非一對一匹配問題；

(3)充分利用特征組內(nèi)兩直線交點，加大匹配約束，創(chuàng)造性地建立了基于直線特征組匹配的核線約束、單應矩陣約束、象限約束、不規(guī)則三角形區(qū)域灰度約束四種約束條件，并將其有機結合形成一套完整的面向直線特征組匹配的匹配流程，為立體影像直線匹配提供了新思路，且原理簡單，適用性強。

附圖說明

圖1為本發(fā)明一種實施方式的基于組特征的直線匹配方法流程圖；

圖2(a)為本發(fā)明一種實施方式的目標影像圖；

圖2(b)為本發(fā)明一種實施方式的搜索影像圖；

圖3為本發(fā)明一種實施方式的直線特征編組流程圖；

圖4為本發(fā)明一種實施方式的直線鄰域窗口示意圖；

圖5為本發(fā)明一種實施方式的特征直線組中直線端點示意圖；

圖6為本發(fā)明一種實施方式的目標影像和搜索影像中特征直線組匹配流程圖；

圖7為本發(fā)明一種實施方式的核線約束和單應矩陣約束示意圖，其中，(a)為目標影像，(b)為搜索影像；

圖8為本發(fā)明一種實施方式的象限約束示意圖；

圖9(a)為本發(fā)明一種實施方式目標影像上灰度相關區(qū)域示意圖；

圖9(b)為本發(fā)明一種實施方式搜索影像上灰度相關區(qū)域示意圖；

圖10為本發(fā)明一種實施方式的掃描線確定灰度相關區(qū)域內(nèi)像素點坐標示意圖；

圖11為本發(fā)明一種實施方式的同名特征直線組圖，其中，(a)為目標影像上同名特征直線組圖，(b)為搜索影像上同名特征直線組圖，目標影像和搜索影像上相同標號的特征直線組為一對同名特征直線組對；

圖12為本發(fā)明一種實施方式的初始同名直線對圖，其中，(a)為目標影像上初始同名直線圖，(b)搜索影像上初始同名直線圖，目標影像和搜索影像上相同標號的直線為一對初始同名直線對；

圖13為本發(fā)明一種實施方式的同名直線多對一匹配結果圖，其中，(a)為目標影像上同名直線圖，(b)搜索影像上同名直線圖，目標影像和搜索影像上相同標號的直線為匹配同名直線；

圖14為本發(fā)明一種實施方式的目標影像上多對一直線擬合結果圖。

具體實施方式

下面結合附圖對本發(fā)明的一種實施方式作詳細說明。

如圖1所示，本發(fā)明的一種基于組特征的直線匹配方法，包括如下步驟：

步驟1：輸入目標影像和搜索影像兩張航空影像和兩張航空影像的同名點坐標；目標影像如圖2(a)所示，搜索影像如圖2(b)所示；

同名點集合為其中，和分別為目標影像和搜索影像的同名點坐標，k為同名點索引號，k＝1，2，...，K，K為同名點的數(shù)目。

步驟2：分別對目標影像和搜索影像進行直線提取；

采用直線提取算法對目標影像和搜索影像分別進行直線提取，直線集合分別為L＝{l₁,…l_i,…,l_I}，R＝{r₁,…r_j,…,r_J}，其中，l_i和r_j分別為目標影像和搜索影像上的直線，i＝1，2，...，I，j＝1，2，...，J，I和J分別為目標影像和搜索影像上直線數(shù)目。

步驟3：如圖3所示，分別對目標影像和搜索影像上提取的直線依次進行特征編組，分別得到目標影像和搜索影像上的特征直線組集合；

步驟3.1：將目標影像上直線l_i作為目標直線，直線l_i+1,l_i+2,…,l_I為待編組直線；

步驟3.2：以目標直線l_i為中心建立矩形窗口作為目標直線鄰域窗口。如圖4所示，目標直線長度為len，以目標直線l_i為中心，向兩端和垂直方向分別擴展b個像素長度，構成矩形窗口大小為(2b+1)×(len+2b)；

步驟3.3：依次判斷待編組直線與目標直線鄰域窗口關系，如果待編組直線在目標直線鄰域窗口內(nèi)或與鄰域窗口相交，則該待編組直線為候選編組直線l_i'；

本實施方式中，對任一條待編組直線，將其離散化為一組離散點，依次判斷離散點是否在目標直線鄰域窗口內(nèi)。如果某一離散點在目標直線鄰域窗口內(nèi)，則停止后續(xù)離散點的判斷，并認為該待編組直線在目標直線鄰域窗口內(nèi)或與目標直線鄰域窗口相交，即該待編組直線為候選編組直線；

步驟3.4：依次計算候選編組直線與目標直線l_i的夾角θ，如果夾角在閾值范圍內(nèi)，則l_i與該候選編組直線構成一個特征直線組，本實施方式中，θ∈[45°,135°]，該候選編組直線為l_i'，特征直線組記為P^L(l_i,l_i',C^L)，其中，C^L為特征直線組的交點；

步驟3.5：分別選擇目標直線l_i和候選編組直線l_i'端點中與交點C^L距離較近的點分別作為l_i的起點和l_i'的起點，與交點C^L距離較遠的點分別作為l_i的終點和l_i'的終點；如圖5所示，a、b和c、d分別為l_i和l_i'的端點；根據(jù)兩點距離公式計算l_i兩端點與點C^L的距離，選擇其中與點C^L距離較近的點b作為l_i的起點，與點C^L距離較遠的點a作為l_i的終點；同理，d、c分別為l_i'的起點和終點；

步驟3.6：依次將目標影像上提取的每條直線作為目標直線執(zhí)行步驟3.1至步驟3.5，得到目標影像上特征直線組集合其中，為目標影像上第m個特征直線組，和為組成該特征直線組的直線，m＝1，2，…，M，M為目標影像上特征直線組數(shù)；

步驟3.7：將搜索影像上直線依次作為目標直線進行特征編組，最終得到搜索影像上特征直線組集合其中，為第n個特征直線組，和為組成該特征直線組的直線，n＝1，2，…，N，N為搜索影像上特征直線組數(shù)。

步驟4：如圖6所示，對目標影像和搜索影像上的特征直線組進行多重約束下的特征直線組匹配，得到同名特征直線組對集合；

以目標影像上每個特征直線組依次作為目標特征組，實現(xiàn)從左到右匹配，匹配過程中依次采用核線約束、單應矩陣約束、象限約束、不規(guī)則三角形區(qū)域灰度相關約束，搜索影像上最終滿足上述四種約束條件的特征直線組為同名特征直線組。以如圖7(a)所示的目標影像上任一特征直線組為例，匹配具體實現(xiàn)如下：

步驟4.1：將目標影像上特征直線組作為目標特征組，對搜索影像上特征直線組進行核線約束，確定候選特征組集合：

步驟4.1.1：將目標影像上特征直線組作為目標特征組，并計算目標特征組交點在搜索影像上的核線；

步驟4.1.2：依次計算搜索影像上各特征直線組交點到核線的距離，如圖7(b)所示，距離小于閾值T_d的特征直線組為候選特征組，所有滿足條件的特征直線組構成候選特征組集合；

步驟4.2：對候選特征組集合中特征直線組進行單應矩陣約束，得到單應矩陣約束后的候選特征組集合；

單應矩陣表示兩個平面之間的可逆齊次變換，同一平面上的點，在目標影像、搜索影像上成像的同名點坐標記為u＝[x_L,y_L]^T，v＝[x_R,y_R]^T，則u點可通過式(1)變換到v點：

其中，H為單應矩陣；求解單應矩陣H包含的9個未知數(shù)需要5對同名點，當同名點數(shù)大于5時，可利用最小二乘求解單應矩陣H。對于實際影像而言，一般都存在地形起伏或者景深變換，因此全局單應矩陣不適用于整張影像。

步驟4.2.1以目標特征組交點為中心，以兩直線和終點方向所構成扇形區(qū)域內(nèi)包含的同名點計算局部單應矩陣H，局部單應矩陣H近似表示局部影像之間的對應關系，用于限定核線上的搜索范圍。如圖7(a)所示，目標影像上小三角形表示同名點，其中實心三角形表示用于計算局部單應矩陣的同名點；

步驟4.2.2：根據(jù)局部單應矩陣H和式(1)，將目標影像上目標特征組交點映射到搜索影像上，得到點如圖7(b)所示；

步驟4.2.3：計算搜索影像上各候選特征組交點到點的距離，如果距離大于閾值T_h，舍棄該候選特征組，否則，保留該候選特征組，得到單應矩陣約束后的候選特征組集合。

步驟4.3：對單應矩陣約束后的候選特征組集合中特征直線組進行象限約束，得到象限約束后的候選特征組集合；

步驟4.3.1：根據(jù)局部單應矩陣H，將目標影像上目標特征組映射到搜索影像上，得到

步驟4.3.2：如圖8所示，在搜索影像上，對建立以為原點的局部坐標系，x軸和y軸分別與像素坐標系的x軸和y軸平行，中直線和直線終點所在象限分別為Q₁(第二象限)和Q₂(第一象限)；

步驟4.3.3：對單應矩陣約束候選特征組集合中的候選特征組分別建立局部坐標系，判斷每個候選特征組中直線r_i^v和直線終點所在象限是否為Q₁和Q₂，是，保留該候選特征組，否則，舍棄該候選特征組，得到象限約束后的候選特征組集合。

步驟4.4：對象限約束后的候選特征組集合中特征直線組進行不規(guī)則三角形區(qū)域灰度相關約束，將滿足灰度相關約束的候選特征組作為目標特征組的同名特征直線組，并建立該候選特征組與目標特征組的匹配關系，得到一對同名特征直線組；

為了提高直線匹配可靠性，直線鄰域的灰度信息被用于描述和匹配直線特征。常用的以直線為中心建立矩形窗口，如全窗口、半窗口、自適應移動窗口等，通過計算相關窗口的灰度相關系數(shù)確定同名直線。這種直接基于直線鄰域矩形窗口內(nèi)灰度信息的相關計算方法對于視角變化較小或者視差較小的影像能獲得較好的匹配結果。但對于視角變化較大，建筑物成像差異較大的立體影像，同名直線矩形窗口內(nèi)灰度信息一致性和對應性較弱，難以獲得可靠的匹配結果。本實施方式采用不規(guī)則三角形相關窗口的灰度相關約束，以目標特征組兩條直線構成的三角形建立相關區(qū)域，具體步驟如下：

步驟4.4.1：如圖9(a)所示，以目標特征組交點起始邊終點a和終止邊終點c構成三角形所包含的區(qū)域作為灰度相關區(qū)域；并采用掃描線算法確定灰度相關區(qū)域內(nèi)所包含的像素點坐標及其灰度值；像素點坐標記為G_rc＝{(r₁,c₁),…,(r_i,c_i),…,(r_Ng,c_Ng)}，對應的灰度值記為G＝{g₁,…,g_i,…,g_Ng}，Ng為區(qū)域內(nèi)包含的像素點數(shù)目；

步驟4.4.2：固定目標影像上目標特征組中為起始邊，為終止邊。根據(jù)直線和直線所在象限Q₁和Q₂確定象限約束候選特征組集合中的候選特征組對應的起始邊和終止邊：

當Q₁≠Q(mào)₂時，搜索影像上候選特征組中，如果終點所在象限為Q₁，則為起始邊，為終止邊，反之，如果終點所在象限為Q₁，則為起始邊，為終止邊，候選特征組更新為

當Q₁＝Q₂時，在目標特征組中，根據(jù)向量叉積判斷從和是順時針還是逆時方向旋轉(zhuǎn)，對應地，判斷候選特征組中從到是否與從和的旋轉(zhuǎn)方向一致，如果不一致，更新候選特征組為否則，候選特征組不變。

步驟4.4.3：如圖9(b)所示，分別計算目標影像上目標特征組起始邊終點a、終止邊終點c在搜索影像上的核線H_a、H_c，分別計算H_a、H_c與候選特征組中起始邊和終止邊的交點，分別記為a′和c′。搜索影像上以候選特征組交點a′和c′構成三角形所包含的區(qū)域作為灰度相關區(qū)域；

本實施方式中，如圖10所示，用水平掃描線沿Y軸自上而下掃描三角形即灰度相關區(qū)域，掃描線與三角形至多有兩個交點，計算掃描線與三角形的交點坐標，根據(jù)交點所在直線端點坐標計算直線方程f(x,y)＝0，即可將掃描線對應y值代入方程求解x值。假設掃描線y＝y(tǒng)_k分別與三角形兩條邊相交于點x_i、x_j，相交兩條邊的直線方程為a₁x+b₁y+c₁＝0，a₂x+b₂y+c₂＝0。那么，掃描線y＝y(tǒng)_k經(jīng)過三角形內(nèi)的點分別為：x方向坐標從x_i到x_j，y方向坐標均為y_k。

當掃描線移動到y(tǒng)＝y(tǒng)_k+1時，掃描線與三角形相同邊的交點坐標可由上一條掃描線交點坐標計算得到，即為：x_i+1＝x_i+1/k₁、x_j+1＝x_j+1/k₂，其中k₁和k₂分別為兩條直線的斜率，即掃描線與三角形相同邊的交點坐標都可以通過增加直線斜率的倒數(shù)計算得到，從而避免判斷像元是否在三角形內(nèi)的大量計算，提高匹配效率。

步驟4.4.4：利用目標影像和搜索影像灰度相關區(qū)域的三個頂點坐標根據(jù)式(2)計算兩灰度相關區(qū)域仿射變換參數(shù)：

其中，a₀、a₁、a₂、b₀、b₁、b₂表示仿射變換的6參數(shù)，x和y表示目標影像上灰度相關區(qū)域頂點坐標，x′和y′表示搜索影像上對應的灰度相關區(qū)域?qū)旤c坐標。

步驟4.4.5：根據(jù)仿射變換參數(shù)和目標影像上灰度相關區(qū)域內(nèi)包含的像素點坐標計算搜索影像上灰度相關區(qū)域內(nèi)對應像素點的坐標，并根據(jù)雙線性插值方法計算得到對應像素點的灰度值，記為F＝{f₁,…,f_i,…,f_Ng}。

步驟4.4.6：根據(jù)相關系數(shù)公式(3)計算目標影像、搜索影像灰度相關區(qū)域的灰度相關系數(shù)ρ：

其中，g_i和f_i分別為目標影像、搜索影像灰度相關區(qū)域內(nèi)對應像素的灰度值，和分別為目標影像、搜索影像灰度相關區(qū)域內(nèi)所有像素灰度值的平均值。

步驟4.4.7：對候選特征組集合中的每個候選特征組，重復步驟4.4.2到4.4.6，最終確定灰度相關系數(shù)最大且大于閾值的候選特征組為目標特征組的同名特征直線組，并建立該候選特征組與目標特征組的匹配關系，得到一對同名特征直線組。本實施方式中，T_ρ＝0.7。

步驟4.5：依次將目標影像上每個特征直線組作為目標特征組，重復步驟4.1到4.4，得到同名特征直線組對集合，如圖11(a)和圖11(b)所示。

步驟5：將同名特征直線組對集合中同名特征直線組中對應的起始邊和終止邊分裂為同名單直線，建立每對同名特征直線組中對應的起始邊和終止邊的一對一匹配關系，得到初始同名直線對集合，目標影像和搜索影像上初始同名直線分別如圖12(a)和圖12(b)所示。

步驟6：對初始同名直線對集合進行整合，對集合中一對多、多對一、多對多的匹配結果進行重組和擬合，得到最終的同名直線對集合，即直線匹配結果；

步驟6.1：由于直線編組過程中同一直線可能出現(xiàn)在多個特征直線組中，參與多次匹配，會得到多次匹配結果，因此刪除初始同名直線對集合中匹配關系相同的同名直線對，得到同名直線對集合；本實施方式中，同名直線對集合為RC＝{ind,I^L,I^R}，其中，ind＝1,2,…,N_c，N_c為同名直線對數(shù)，分別為目標影像、搜索影像上同名直線的直線索引集合，和分別為目標影像、搜索影像上第n對同名直線的直線索引。

步驟6.2：依次核驗目標影像上當前直線在搜索影像上是否有多條匹配直線，有，將目標影像上當前直線在搜索影像上的多條匹配直線合并為一組，并建立該組與目標影像上當前直線的匹配關系，更新同名直線對集合；否則，保留目標影像中當前直線與其在搜索影像上原有的同名直線匹配關系不變；

本實施方式中，依次將中直線索引作為當前索引，判斷索引到中是否存在與當前索引相同的索引值，如果存在，將該索引和當前索引對應的I^R中的同名直線索引合并為一組，并建立該組與當前索引的匹配對應關系，分別加入到集合I^R和I^L中，并刪除I^R和I^L中被合并過的同名直線索引對應關系，更新集合RC；否則，保留當前索引原匹配對應關系不變；最終得到更新后集合為該集合中包含目標影像上單一直線與搜索影像單一直線的一對一匹配關系，也包含目標影像單一直線與搜索影像上多條直線的一對多匹配關系。

步驟6.3：依次核驗搜索影像上當前直線在目標影像上是否有多個匹配直線，有，將搜索影像上當前直線在目標影像上的多條匹配直線合并為一組，并建立該組與搜索影像上當前直線或當前直線所在組的匹配關系，更新同名直線對集合；否則，保留搜索影像中當前直線或當前直線所在組與其在目標影像上原有的同名匹配關系不變；

本實施方式，在結果的基礎上，依次將中直線索引作為當前索引，同步驟6.2中具體實施方式，最終更新集合為該集合中包含：目標影像上單一直線與搜索影像上單一直線的一對一匹配關系，如圖13(a)與圖13(b)中所示標號100的同名直線；目標影像上單一直線與搜索影像上多條直線的一對多匹配關系，目標影像上多條直線與搜索影像上單直線的多對一匹配關系，如圖13(a)與圖13(b)中所示標號133的同名直線；目標影像多條直線與搜索影像上多條直線的多對多匹配關系。

步驟6.4：分別對每組中的多條直線進行擬合，如果擬合直線斜率與原有的多條直線斜率均一致，則用擬合直線代替原有的多條直線，如圖13(a)中標號133的兩條直線最終被擬合為一條直線，結果如圖14所示；否則將該組匹配結果刪除；最終得到目標影像上與搜索影像上一對一的同名直線對集合，即直線匹配結果。