一種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)字圖像處理與應(yīng)用領(lǐng)域，服務(wù)于建筑物三維建模領(lǐng)域;涉及一種結(jié) 合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著google地圖、騰訊地圖等推出街景模塊，建筑物三維建模的應(yīng)用越來(lái)越廣泛， 引起了人們極大的關(guān)注。建筑物立面結(jié)構(gòu)一般滿足一定的規(guī)則，如窗戶、陽(yáng)臺(tái)及門等的重 復(fù)、對(duì)稱排列。通過(guò)對(duì)建筑物立面影像紋理的分析，提取立面幾何結(jié)構(gòu)的排列規(guī)則，可以用 于建筑物三維幾何模型重建及紋理遮擋恢復(fù)，增強(qiáng)建筑物三維模型的表現(xiàn)力。
[0003] 已有的方法在提取建筑物立面紋理幾何結(jié)構(gòu)排列規(guī)則時(shí)，影像重復(fù)結(jié)構(gòu)檢測(cè)過(guò)程 非常費(fèi)時(shí)，本發(fā)明通過(guò)結(jié)合相位相關(guān)匹配算法，加快建筑物立面影像重復(fù)結(jié)構(gòu)檢測(cè)過(guò)程，提 高建筑物立面影像紋理結(jié)構(gòu)單元提取的速度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明主要是結(jié)合相位相關(guān)和灰度相關(guān)算法，對(duì)建筑物立面影像紋理的重復(fù)結(jié)構(gòu) 進(jìn)行檢測(cè)，利用灰度梯度進(jìn)行紋理結(jié)構(gòu)分割，在此基礎(chǔ)上實(shí)現(xiàn)建筑物立面幾何結(jié)構(gòu)排列規(guī) 則的提取。本發(fā)明加快了建筑物立面影像紋理重復(fù)結(jié)構(gòu)檢測(cè)的過(guò)程，簡(jiǎn)化了已有算法，有效 的實(shí)現(xiàn)了建筑物立面幾何結(jié)構(gòu)的提取。
[0005] 本發(fā)明的上述技術(shù)問(wèn)題主要是通過(guò)下述技術(shù)方案得以解決的：
[0006] -種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法，其特征在于，包括 以下步驟：
[0007] 步驟1，利用相位相關(guān)算法結(jié)合灰度相關(guān)算法，檢測(cè)建筑物立面紋理影像水平方向 的重復(fù)結(jié)構(gòu)，并將重復(fù)結(jié)構(gòu)剔除，得到不含水平重復(fù)結(jié)構(gòu)的立面影像。
[0008] 步驟2,對(duì)步驟1得到的結(jié)果立面紋理影像檢測(cè)豎直方向重復(fù)結(jié)構(gòu)，并剔除豎直方 向的重復(fù)結(jié)構(gòu)，得到不含重復(fù)結(jié)構(gòu)的立面影像。
[0009] 步驟3,對(duì)不含重復(fù)結(jié)構(gòu)的立面影像，利用灰度梯度構(gòu)造分割線評(píng)價(jià)函數(shù)，對(duì)分割 線評(píng)價(jià)函數(shù)進(jìn)行分析處理，得到該立面影像的粗分割結(jié)果。
[0010] 步驟4,結(jié)合步驟1、步驟2中記錄的重復(fù)結(jié)構(gòu)信息，以及步驟3中的粗分割結(jié)果，實(shí) 現(xiàn)原建筑物立面紋理影像的粗分割。
[0011] 步驟5，利用分割線評(píng)價(jià)函數(shù)，在步驟4中的粗分割結(jié)果基礎(chǔ)上，進(jìn)行細(xì)分割，提取 出建筑物立面紋理影像幾何結(jié)構(gòu)單元。
[0012] 在上述一種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法，步驟1和步 驟2中，相位相關(guān)算法，具體原理為，假設(shè)建筑物立面影像的區(qū)域影像為匕(1， 7)和f2(x，y)， 兩者存在平移關(guān)系€2(1，7) = ；^1(1-1()，7-7())，1()，7()為€2(1，7)相對(duì)于；^1(1，7)的水平方向和豎 直方向的偏移量。根據(jù)如下公式，
[0013]
[0014] 式;一中Ki(u，v)，K2(u，v)分別為圖像i_iU，y)，f2(x，y)的傅里葉變換，F(xiàn)2*(u，v)為F2 (U，V)的復(fù)共輒，求取式一的傅里葉逆變換，若其為一個(gè)二維脈沖函數(shù)δ (χ-χο，y-yQ)，尋找該 脈沖函數(shù)的峰值，該峰值所在位置，即為圖像fKxj)和f2(x，y)的偏移量，根據(jù)該偏移量找 到兩圖像匹配區(qū)域，利用灰度相關(guān)檢測(cè)其是否為誤匹配區(qū)域，若不為誤匹配區(qū)域，則找到了 圖像fKxj)和f 2(x，y)的相似區(qū)域，若式一的傅里葉逆變換不為二維脈沖函數(shù)，則圖像心 (x，y)和f2(x，y)不存在位置偏移，即兩幅圖像不存在相似區(qū)域，將相似區(qū)域剔除，直到影像 不含相似區(qū)域?yàn)橹埂?br>[0015]灰度相關(guān)公式為：
[0016] }j i=l /=1 i=l
/=1
[0017] 式二中g(shù)(i，j)與g'（i，j)為兩區(qū)域影像，i和為影像g(i，j)與g'（i，j)的平均 灰度值，（r，c)為g'（ i，j)相對(duì)于g( i，j)的偏移坐標(biāo)。
[0018] 在上述一種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法，步驟3中，分 割線評(píng)價(jià)函數(shù)的公式為：
L〇〇22」式三中Ver(y)為豎夏萬(wàn)冋分割線評(píng)價(jià)凼數(shù)，Hor(x)為水平萬(wàn)冋分割線評(píng)價(jià)凼數(shù)。 二是梯度算子，I表示圖像的灰度，本文取水平方向和豎直方向相鄰像素的 ox oy 灰度差，〇為系數(shù)，對(duì)于本文，使用(1 = 〇.9。@〇^.；) = _^ 表不咼斯核，*表不一維卷 2πσa 積運(yùn)算，β和σ為系數(shù)，本文設(shè)置β = 0.1，σ = 1〇〇。
[0023] 在限定的寬度范圍內(nèi)，計(jì)算豎直和水平方向的分割線評(píng)價(jià)函數(shù)的平均值，尋找該 平均值最小的幾個(gè)區(qū)域，取這些區(qū)域的中間位置得到粗分割線。
[0024] 在上述一種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法，步驟4中，步 驟1和步驟2記錄了被剔除的重復(fù)的樓層的高度和紋理單元的寬度，根據(jù)這些高度和寬度， 以及步驟3的粗分割結(jié)果，實(shí)現(xiàn)原圖像的粗分割。
[0025] 在上述一種結(jié)合相位相關(guān)分析的建筑物立面影像重復(fù)紋理檢測(cè)方法，步驟5中，依 據(jù)步驟4得到的粗分割結(jié)果，以及式三的分割線評(píng)價(jià)函數(shù)，尋找分割線評(píng)價(jià)函數(shù)的極小值， 對(duì)這些極小值之間的區(qū)域，按照灰度平均值進(jìn)行合并，得到最終的細(xì)分割結(jié)果，從而得到建 筑物立面紋理的幾何結(jié)果。
【附圖說(shuō)明】
[0026] 圖1為本發(fā)明的流程圖；
[0027] 圖2為本發(fā)明中步驟1和步驟2涉及重復(fù)結(jié)構(gòu)檢測(cè)過(guò)程示意圖；其中，（a)為重復(fù)結(jié) 構(gòu)區(qū)域大小確定之前的圖，（b)為確定重復(fù)結(jié)構(gòu)區(qū)域大小確定之后的圖；
[0028] 圖3為本發(fā)明中步驟3、4、5中涉及的分割線評(píng)價(jià)函數(shù)。
【具體實(shí)施方式】
[0029] 下面通過(guò)實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說(shuō)明。
[0030] 步驟1，參閱圖1
[0031] 對(duì)于一幅建筑物立面紋理影像(已糾正為水平影像），重復(fù)區(qū)域的檢測(cè)需要分別從 豎直和水平方向?qū)α⒚嬗跋裣噜弲^(qū)域進(jìn)行式（1)和(2)相位相關(guān)與灰度相關(guān)計(jì)算。以豎直方 向相關(guān)計(jì)算為例，如圖1所示，立面紋理影像高為height，寬為width，y為影像上任一行，y取 值范圍為[hmin，height-hmin]，hmin為樓層最小值。具體步驟為：
[0032] (1)如圖2(a)所示，y從hmin開(kāi)始，對(duì)于任一y分割線，存在高度相等的區(qū)域A和B，高 度值取分割線y距離立面紋理影像上邊緣和下邊緣較小的距離值。計(jì)算A和B的互功率譜傅 里葉逆變換，若其為一個(gè)二維脈沖函數(shù)S，則根據(jù)該δ函數(shù)找到豎直方向偏移量 yQ，如圖2(b) 所示，相應(yīng)找到高度為h的區(qū)域A '和B