数字摄影测量复习.docx

数字摄影测量复习.docx

《数字摄影测量复习.docx》由会员分享，可在线阅读，更多相关《数字摄影测量复习.docx（21页珍藏版）》请在冰豆网上搜索。

数字摄影测量复习

第1章绪论

1.摄影测量三个发展阶段

模拟、解析、数字

2.数字摄影测量定义与研究内容

定义：

基于数字影像与摄影测量的基本原理，应用计算机技术、数字影像处理、影像匹配、模式识别等多学科的理论与方法，提取所摄对象用数字方式表达的几何与物理信息的摄影测量学的分支科学。

内容：

数字影像的获取与处理数字影像定向影像特征提取与定位算子数字影像匹配DEM自动生成与内插数字空中三角测量数字微分纠正地物识别数字摄影测量系统

3.数字摄影测量的作业过程及主要产品

主要产品：

数字空中三角测量的加密成果数字高程模型DEM数字线画图DLG数字栅格图DRG数字正射影像图DOM数字可量测影像DMI三维景观图各种工程设计所需的三维信息各种信息系统所需的基础地理空间数据

4.数字摄影测量和其他学科的关系

与数字图像处理的关系

与模式识别的关系

与计算机视觉或机器视觉的关系

5.数字摄影测量的应用

各种比例尺的地形图和专题图数字摄影测量系统与3S的集成数字摄影测量系统与CAD数字摄影测量系统与计算机视觉数字摄影测量系统在军事中的应用变化检测与地图更新数字摄影测量系统、可视化与虚拟现实

6.数字摄影测量有待研究的主要问题

辐射信息数据量处理速度与精度数字影像匹配数字影像解释与理解数字摄影测量自动化数字摄影测量与3S的进一步集成新型传感器带来的新机遇与挑战

第2章数字影像获取与重采样

1.数字影像

数字影像可描述为一个二维的灰度矩阵，每个矩阵元素的行列序号代表它在像片上的位置，元素的值是它的灰度。

2.数字影像采样

采样：

对实际连续函数模型离散化的量测过程

采样定理：

当采样间隔能使在函数g（x）中存在的最高频率中每周期取有两个样本时，则根据采样数据可以完全恢复原函数g（x）

3.影像重采样

重采样：

当欲知不位于矩阵（采样）点上的原始函数g（x,y）的数值时就需进行内插，此时称为重采样（resampling）

最邻近像元法：

直接取与P（x,y）点位置最近像元N的灰度值作为采样值1

双三次卷积法：

卷积核可以利用三次样条函数16

双线性插值法：

卷积核是一个三角形函数4

1）最邻近像元法最简单，计算速度快且能不破坏原始影像的灰度信息。

但其几何精度较差。

2）双三次卷积法较费时。

3）双线性插值法较宜

第3章影像特征提取与定位算法

1.点特征提取算子

●点特征主要指明显点（圆点、角点）

●提取点特征的算子称为兴趣算子

1）Moravec算子：

在四个主要方向上，选择具有最大―最小灰度方差的点作为特征点，较简单

2）Forstner算：

Robert’s梯度和灰度协方差矩阵，寻找具有尽可能小而接近圆的误差椭圆的点作为特征点，较复杂，但给出的特征点的类型且精度也较高。

3）Harris算子：

●Harris算子是Moravec算子的改进

●只用到灰度的一阶差分及滤波，操作简单

●稳定，对图像旋转、灰度变化、噪声影响和视点变换不敏感

●但对尺度很敏感，不具有尺度不变性

2.线特征提取算子

●“边缘”影像局部区域特征不相同的区域间的分界线

●“线”是具有很小宽度的其中间区域具有相同的影像特征的边缘对

1）高斯-拉普拉斯算子

LOG算子为卷积核，对原灰度函数进行卷积运算后,提取零交叉点为边缘

2）Hough变换

对于影像空间直线上任一点（x，y）变换将其映射到参数空间的一条正弦曲线上

3.定位算子

1）Forstner定位算子

●最佳窗口选择：

最佳窗口由Forstner特征提取算子确定

●最佳窗口内加权重心化

2）高精度角点与直线定位算子

原始的Roberts梯度方向代替直线方向存在不容忽视的模型误差，Hough变换等使用梯度方向的方法不可能达到很高的精度。

该平差模型不采用梯度的方向，而是采用梯度的模为观测值。

第4章数字影像解析基础

1.摄影测量基本概念及原理

1）相对定向直接解

当不知道倾斜摄影中倾角的近似值以及不知道影像的内方位元素时采用直接解。

●相对定向直接解的定向点数——8个以上

●由于立体像对是由在不同摄站对同一物体所摄取的相片构成，如果取左像空间坐标系为相对方位元素的参考坐标系，为确保右像片与左像片构成立体像对，右片的相对方位元素必须满足：

2）空间后方交会直接解

●竖直航空摄影且地面控制点大体对称分布的情况下可给定初值，迭代解算

●影像相对于物方坐标方位不确定时采用直接解。

●迭代法或直接法解出空间距离，计算各摄影光束的方向角，解算6阶方程，然后解算外方位元素。

2.同名核线确定与重采样

1）确定同名核线的两种方法

●基于影像几何纠正的核线解折关系

水平相片对上同名核线的v坐标值相等

●基于共面条件的同名核线几何关系

同一核线上的点均位于同一核面上

2）核线重排列

●在水平相片上获取核线影像

●直接在倾斜相片上获取影像

第五章影像匹配基础理论与算法

1.数字影像匹配的定义

●在摄影测量与遥感中，匹配可以定义为在不同的数据集合之间建立一种对应关系。

如果这些数据集合是影像，就称为影像匹配。

●影像匹配是在两幅（或多幅）影像之间识别同名元素（点\线）,它是计算机视觉及数字摄影测量的核心问题。

●自动地在由数字立体像对中提取的元素之间建立对应关系的过程，称为数字影像匹配。

2.影像相关原理

影像相关是利用两个信号的相关函数，评价它们的相似性以确定同名点。

相关函数：

自相关函数是偶函数、自相关函数在τ=0处取得最大值

3.影像相关的谱分析

维纳-辛钦定理：

随机信号的相关函数与其功率谱是一傅立叶变换对，即相关函数的傅立叶变换即功率谱，而功率谱的逆傅立叶变换即相关函数

1）影像的功率谱估计

2）相关函数估计

●当a较小时，S（f）较平缓，高频信息较丰富，此时相关函数R（τ）较陡峭，相关精度高，但由可能的近似位置到正确相关的点间距离（称为拉入范围）较小。

这就要通过低通滤波获得较大的拉入范围

●当a较大时，功率谱S（f）较陡峭，低频信息占优势，因而相关函数R（τ）较平缓，相关精度较差，但拉入范围较大，相关结果出错的概率较小

3）金字塔影像的建立

●从粗到精的相关策略。

即先通过低通滤波，进行初相关，找到同名点的粗略位置，然后利用高频信息进行精确相关

●对于二维影像逐次进行低通滤波，并增大采样间隔，得到一个像元素总数逐渐变小的影像序列，将这些影像叠置起来颇像一座金字塔，因而称之为金字塔影像结构

4.数字影像匹配的基本概念

1）共轭实体

共轭实体是比共轭点更一般的概念，它是目标空间特征的影像，包括点，线，面等

2）匹配实体

是一种要素，通过比较不同影像上的这些要素来寻找共轭实体。

这些要素包括影像的灰度值，从影像上提出的特征，以及其他的符号描述

3）相似性测度

是评价匹配实体之间相似性程度的一种定量指标。

一般来说，相似性程度由代价函数来度量

4）匹配方法

匹配方法一般按照匹配实体来命名，如基于灰度的匹配（area-basedmatching或gray-scalebasedmatching），基于特征的匹配（feature-basedmatching）以及关系匹配（relationalmatching）等。

5）匹配策略

匹配策略是指求解影像匹配问题的概念或整体方案，它包括匹配环境分析，匹配方法选择，以及匹配质量控制

5.数字影像匹配的一般过程

1）在一张影像上选取待匹配的目标,选择匹配实体,确定目标区域

2）在另一张影像上确定搜索区域,计算相似性测度

3）依据相似性测度,确定共轭实体

4）进行匹配质量评价

6.影像匹配需要解决的主要问题

1）匹配实体的选取

•灰度值•点特征、边缘、面特征•符号描述

2）立体视觉中不确定性问题的处理

损失大量信息几何变形遮挡问题灰度畸变

3）相似性测度的选择

•相关函数、协方差函数、相关系数、差平方和、差绝对值和•由点的圆度、边缘的梯度、方向、长度表示的代价函数

4）匹配算法的优化

•如何提高影像匹配的速度、精度、可靠性，算法的适应性等•如何进行初值的选取，搜索窗口的确定，约束条件的使用等

5）匹配质量的评价

可用贝叶斯判别原则解决。

7.影像匹配在摄影测量中的应用

1、内定向2、相对定向3、数字空三中的转点4、绝对定向

5、DEM获取6、影像解译

8.数字影像匹配基本算法

影像匹配实质上是在两幅（或多幅）影像之间识别同名点

1）基于像方的匹配算法

●同名点的确定是以匹配测度为基础

●基于灰度的影像匹配是以数字影像局部范围内的灰度值及其分布作为匹配实体，通过计算相似性测度确定共轭实体的影像匹配方法。

●基于灰度的影像匹配中的共轭实体可以是点，也可以是线段或其他特征。

●常用的相似性测度：

1　相关函数测度：

矢量Y在X上的投影最大

计算简单没考虑几何变形的影响没考虑灰度畸变的影响

在没有几何变形和灰度畸变的情况下，也可能产生假配准。

2　协方差函数测度：

矢量Y′在X′上的投影最大

计算比较简单没考虑几何变形的影响当两影像的灰度强度平均相差一个常量时，不受影响，但灰度反差拉伸对其有影响。

3　相关系数测度：

等价于矢量X′与Y′的夹角最小

计算比较复杂没考虑几何变形的影响不受灰度线性畸变的影响相关系数是灰度线性变换的不变量

4　差平方和测度：

等于N维空间点Y与点X之距离最小

计算简单没考虑几何变形的影响没考虑灰度畸变的影响

5　差绝对值和测度：

矢量X-Y之分量的绝对值之和最小

计算简单没考虑几何变形的影响没考虑灰度畸变的影响

●影像匹配过程：

1　在左影像上选一个要匹配的点，称为目标点

2　以目标点为中心，取一定大小的窗口，称为目标窗口

3　以影像的重叠范围以及其他的先验知识，确定右影像上同名点可能存在的范围，称为搜索区域

4　以搜索区域内的每一点为中心，开取同样大小的窗口，称为搜索窗口

5　对于每一个搜索窗口，计算目标窗口与搜索窗口之间的相似性测度--相关系数

6　以相关系数最大值所对应的匹配窗口作为目标窗口的配准窗口，即共轭窗口。

同时配准窗口的中心像素就作为目标点的配准点，或共轭点。

7　进行精度评定,如要求达到子像素精度，可采取内插措施

由于左右影像采样时的差别,同名像素的中心点一般并不是真正的同名点.真正的同名点可能偏离像素中心点半个像素之内,这就使得匹配产生误差.

●影像匹配精度

影像相关是左影像为目标区与右影像上搜索区内相对应的相同大小的一影像相比较，求得相关系数，代表各窗口中心像素的中央点处的匹配测度。

影像匹配（相关）即使在定位到整像素的情况下，其理论精度也可达到大约0.3像素的精度。

用相关系数的抛物线拟合提高相关精度

2）基于物方的匹配算法

影像匹配的目的是提取物体的几何信息，确定其空间位置，VLL能够直接确定物体表面点空间三维坐标的影像匹配方法。

第6章最小二乘影像匹配

1.概述：

●定义：

一种基于灰度的影像匹配，它同时考虑到局部影像的灰度畸变和几何畸变，是通过迭代使灰度误差的平方和达到极小，从而确定出共轭实体的影像匹配方法。

●优点是精度高，可达到1/10到1/100个像素

●缺点是初值要求精度高，迭代时间长。

●实际应用中，一般将基于灰度的匹配或基于特征的匹配作为粗匹配，而将最小二乘影像匹配作为精匹配。

●最小二乘影像匹配中可以非常灵活地引入各种已知参数和条件，从而可以进行整体平差。

●解决“单点”的影像匹配问题，以求其“视差”；也可以直接解求其空间坐标。

同时解决“多点”影像匹配或“多片”影像匹配。

●引入“粗差检测”，从而大大地提高影像匹配的可靠性。

2.最小二乘法影像匹配的原理

●不考虑灰度畸变和几何畸变，按灰度差平方和最小的原则进行影像匹配的数字模型。

若在此系统中引入系统变形的参数，按灰度差平方和最小的原则，解求变形参数，就构成了最小二乘影像匹配系统。

●灵活,可靠和高精度是优点,缺点是，如当初始值不太准时，系统的收敛性等问题有待解决。

●影像灰度的系统变形有两大类：

辐射畸变；几何畸变

1）不考虑灰度畸变和几何畸变：

灰度差的平方和最小

●仅仅认为影像灰度只存在偶然误差

2）仅考虑辐射的线性畸变的最小二乘匹配：

相关系数

相关系数最大→信噪比为最大

因为没引入几何变形参数，所以匹配结果是以整像素为单位

3）仅考虑影像相对移位的一维最小二乘匹配：

视差

●影像匹配的主要目的是确定影像相对移位，传统的算法采用目标区相对于搜索区不断地移动一个整像素，搜索最大相关系数的影像区中心作为同名像点。

●在最小二乘影像匹配算法中，可引入几何变形参数，直接解算影像移位，这是此算法的特点。

●最小二乘影像匹配是非线性系统，必须进行迭代。

迭代过程收敛的速度取决于初值。

3.单点最小二乘法影像匹配

●基本思想：

两个二维影像之间的几何变形，不仅仅存在着相对移位，而且还存在着图形变化。

只有充分地考虑影像的几何变形，才能获得最佳的影像匹配。

●基本步骤：

1）几何变形改正

2）重采样

3）辐射畸变改正

4）计算相关系数并判断是否继续迭代

5）用最小二乘影像匹配计算参数改正值dh0,dh1,da0…观测值是相应像素的灰度差

6）计算变形参数

7）计算最佳匹配点位

●匹配精度取决于影像灰度的梯度

4.带共线条件的最小二乘影像匹配

●为了进一步提高其可靠性与精度，例如附带共线条件的最小二乘相关以及与VLL法结合的最小二乘影像匹配方法都得了广泛的研究

●假设对同一个物体摄取了n+1个影像，目标窗口大小为m*m，则误差方程式个数为n*m*m，未知数个数为6*n

5.最小二乘法影像匹配精度

1）影像匹配的精度与相关系数有关，相关系数愈大则精度愈高。

它与影像窗口的“信噪比”有关，信噪比愈大，则匹配的精度愈高。

2）影像匹配的精度还与影像的纹理结构有关。

当目标窗口内灰度没有变化时，则无法进行影像匹配。

第7章特征匹配和整体匹配

1.基于特征的影像匹配概述

●定义：

以影像上提取的特征为共轭实体，以特征的描述参数为匹配实体，通过计算匹配实体之间的相似性测度实现共轭实体配准的影像匹配方法，称为基于特征的影像匹配。

●为什么：

1）当待匹配的目标位于低反差区内，即在该窗口内信息贫乏，信噪比很小，则其匹配的可靠性不高。

2）目的只需要配准某些点线或面

3）基于特征的影像匹配在机器人视觉和城市摄影测量人工建筑物的提取中优势更强，灰度匹配难以适应。

2.基于特征的影像匹配的主要过程

1）特征提取；

2）利用一组参数对特征作描述；

3）利用参数进行特征匹配。

3.基于特征的影像匹配的策略

1）建立金字塔分层影像

2）特征提取

特征点的分布：

随机分布：

按顺序进行特征提取，但控制特征的密度。

均匀分布：

将影像划分成规则矩形格网，每一格网内提取特征点。

3）特征点的匹配

●二维匹配与一维匹配

影像方位参数未知时，必须进行二维影像匹配;

建立影像模型，形成核线进行一维匹配。

●匹配备选点的选择：

1　右影像也进行相应特征提取

2　右影像不进行特征提取

3　右影像不进行特征提取，但也不将所有的点作为可能的匹配点

●特征点的提取与匹配的顺序

深度优先和广度优先

深度优先搜索法占内存少但速度较慢，广度优先搜索算法占内存多但速度较快

●匹配的准则

除了运用一定的相似性测度，一般还可考虑特征的方向，周围已匹配点的结果。

●粗差剔除

小范围内利用倾斜平面模型进行视差拟合，将残差大于某一阈值点作为粗差剔除

4.跨接法影像匹配

先不顾及几何变形作“粗匹配”，然后用其结果作几何改正再匹配

5.整体匹配

一般情况，地形可认为是连续的，因此邻近点的高程（或视差）就有很强的相关性。

如何顾及它们之间的相关性，产生最佳的整体匹配结果，这是提高影像匹配可靠性、匹配结果之间的一致性的重要途径。

1）多点最小二乘影像匹配

2）动态规划影像匹配

3）松弛法影像匹配

4）人工神经元网络影像匹配

第8章数字地面模型的建立

1.概述

DTM是地形起伏的数字表达，它由对地形表面取样所得到的一组点的x、y、Z坐标数据和一套对地面提供连续的描述的算法组成。

简单地说，数字地面模型是按一定结构组织在一起的数据组，它代表着地形特征的空间分布。

DTM是建立地形数据库的基本数据，可以用来制作等高线图、坡度图、专题图等多种图解产品。

DTM是地形表面形态等多种信息的一个数字表示。

地形，环境，资源，土地利用，人口分布等多种信息的定量或定性描述

①可以直接输入计算机，供各种计算机辅助设计使用。

②可以运用多层数据结构存储丰富的信息（地形图无法表达的垂直分布地物信息）。

③存储形式是数字形式的，便于修改、更新、管理、转换。

●数字高程模型DEM的表示形式

1）规则矩形格网基础信息＋高程

优点是存贮量最小、便于使用管理。

缺点是有时不能准确表示地形的结构与细部

2）不规则三角网

能较好地顾及地貌特征点、线，表示复杂地形表面比矩形格网精确。

缺点是数据量较大，数据结构较复杂，使用与管理也较复杂。

3）矩形格网与三角网混合

2.数字高程模型的数据获取及预处理

为了建立DEM，必须量测一些点的三维坐标，这就是DEM的数据采集或数据获取。

通常是按一定的测量方法（野外直接测量、数字摄影测量等），在测区内测量一定数量的离散点的平面位置和高程，这些点称为控制点（数据点或参考点）。

接着，以控制点为网络框架，在其中内插大量的高程点。

●数据采集方式

1）沿等高线采样:

沿等高线采样可按等距离间隔记录数据或按等时间间隔记录数据方式进行。

2）规则格网采样:

方法简单、精度较高、作业效率也较高；特征点可能丢失。

3）沿断面扫描:

获取数据的精度比其它方法要差，特别是在地形变化趋势改变处，常常存在系统误差

4）渐进采样

1　计算两点间中点的二次内插值与线性内插值之差，判断该差值是否超过给定的阈值。

当超过阈值时，则对格网进行加密采样

2　利用高程的二阶差分是否超过给定阈值

5）选择采样：

根据地形特征进行选择采样。

6）混合采样：

将规则采样与选择采样结合起来进行。

7）自动化DEM数据采集：

按影像上的规则格网利用数字影像匹配进行数据采集

●DEM质量控制方法（采样间隔和数据量/地形复杂程度）

1）采样定理确定采样间隔

2）地形剖面恢复误差确定采样间隔

3）考虑内插误差的采样间隔和插值分析方法

●DEM数据预处理

1）数据格式的转换

2）坐标系统的变换

3）数据的编辑

4）栅格数据的矢量化转换

5）数据分块

将数据点按分块格网的顺序进行交换，使属于同一分块格网的数据点连续地存放在一起

6）子区边界的提取

3.数字高程模型的内插方法

1）移动曲面内插方法

以每一待定点为中心，定义一个局部函数去拟合周围的数据点。

逐点内插法十分灵活，精度较高，计算方法简单又不需很大的计算机内存，但计算速度可能比其它方法慢。

对点的选择除满足n＞6外，应保证各个象限都有数据点。

当地形起伏较大时，半径R不能取得很大。

当数据点较稀或分布不均匀时，利用二次曲面移动拟合可能产生很大的误差。

2）多面函数内插方法

任何一个圆滑的数学表面总是可以用一系列有规则的数学表面的总和，以任意的精度进行逼近。

”

3）有限元内插方法

为了解算一个函数，把它分成为许多适当大小的“单元”，在每一单元中用一个简单的函数，例如多项式来近似地代表它。

●断裂线的处理

（l）作线性内插，加密断裂线点，特别是断裂线与DEM格网线交点之平面坐标与高程

（2）将计算单元按断裂线划分成子区，确定每个子区由哪几条断裂线与边界线组成

（3）分子区内插的原则是：

不属于该子区的数据点不参加该子区的平差计算,判断的方法跌落法和符号判断法

（4）分子区进行内插计算。

4.DEM的精度及存储管理

●精度

1）由地形功率谱与内插方法的传递函数估计DEM精度

2）利用检查点的DEM精度评定

●储存

文件头+各网点高程

当根据各数出现的概率设计一定的编码，用位数（bit）最短的码表示出现概率最大的数，出现概率较小数用位数较长的码表示，则每一数据所占的平均位数比原来的固定位数（16或8）

第9章不规则三角网的建立

1.三角网数字地面模型的构建

1）角度判断法建立TIN

当已知三角形的两个顶点后，利用余弦定理计算备选第三顶点的三角形内角的大小，选择最大者对应的点为该三角形的第三顶点。

应尽可能保证每个三角形是锐角三角形或三边的长度近似相等，避免出现过大的钝角和过小的锐角

2）泰森多边形与狄洛尼三角网

每个多边形内含且仅含一个离散点多边形称为泰森多边形。

用直线段连接每两个相邻多边形内的离散点而生成的三角网称为狄洛尼三角网。

2.三角网数字地面模型的存储

1）直接表示网点邻接关系的结构：

最大特点是存贮量小，编辑方便。

但是三角形及邻接关系都需要实时再生成，且计算量较大，不便于TIN的快速检索与显示。

2）直接表示三角形及邻接关系的结构：

检索网点拓扑关系效率高，便于等高线快速插绘、TIN快速显示与局部结构分析。

但存贮量较大，编辑不方便。

3）混合表示网点及三角形邻接关系的结构：

存贮量与直接表示三角形及邻接关系结构相当，但编辑与快速检索较方便

4）可将TIN转化为规则三角网存贮方式，从而实TIN的压缩存贮

第10章数字地面模型应用

在测绘中可用于绘制等高线、坡度、坡向图、立体透视图，制作正射影像图、立体景观图、立体匹配片、立体地形模型及地图的修测。

在各种工程中可用于体积、面积的计算，各种剖面图的绘制及线路的设计。

1.基于矩形格网的DEM多项式内插

DEM最基础的应用是求DEM范围内任意一点P（X，Y）的高程

双线性多项式内插只能保证相邻区域接边处的连续，不能保证光滑。

但因其计算量较小,是最常用的方法。

2.三角网中的内插

3.等高线的绘制

●基于规则格网

1）等高线的跟踪

与边界相交的等高线为开曲线，不与边界相交的等高线为闭曲线

2）等高线的光滑

●基于TIN

1）基于三角形

精度高非规则边界穿过三角形一次

1　设立三角形标志数组:

每一元素与一个三角形对应，凡处理过的三角形将标志置为1，以后不再处理，直至等高线高程改变。

2　按顺序判断每个三角形的三边中两条边是否有等高线穿