数字摄影测量.docx

数字摄影测量.docx

《数字摄影测量.docx》由会员分享，可在线阅读，更多相关《数字摄影测量.docx（14页珍藏版）》请在冰豆网上搜索。

数字摄影测量

数字摄影测量定义一：

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，提取所摄对象的几何与属性信息，并用数字方式表达的摄影测量的分支学科。

数字摄影测量定义二：

基于摄影测量的基本原理，应用计算机技术，从影像（包括硬拷贝影像、数字影像或数字化影像）提取所摄对象的几何与属性信息，并用数字方式表达的摄影测量的分支学科。

数字摄影测量的基本范畴：

确定被摄定对象的几何和物理属性，即量测和理解。

计算机辅助测图：

以计算机及其输入、输出设备为主要制图工具实现从影像中提取地图信息及其转换、传输、存储、处理和显示。

一个完全的机助测图系统包括数据采集、数据处理和数据输出三部分。

数据采集主要过程：

1）像片的定向，在解析测图仪上要进行解析内定向、相对定向和绝对定向或一步定向，在机助的立体坐标仪也要经过上诉定向。

2）像片定向后，要输入一些基本参数，如测图比例尺、图幅的图廓点坐标、测图窗口参数。

3）为了形成最终形式的库存数据，必须给不同的坐标（地物）以不同的属性代码（特征码），因而从测量每一个地物之前必须要输入属性码。

4）逐点量测地物上的每一个应记录点，或对地物、地貌（等高线等）进行跟踪，由系统确定点的记录与否。

5）当发现错误时进行联机编辑，包括删除、修改、增补等功能，不过联机编辑不宜过多以免降低测图仪利用效率。

6）所测数据以图形方式显示在计算机屏幕上，以便监测量测结果的正确与否。

为快速确定需要编辑的地物，在数据采集时要建立屏幕检索表（作用）。

数字地面模型（DTM）：

是地形表面形态多种信息（地形、环境、土地利用、人口分布等）的一种数字化表示。

数字表面模型（DSM）：

包含了地表建筑物、桥梁和树木等高度的数字高程模型

数字高程模型DEM：

一个地理信息数据库的基本内核，若只考虑DTM的地形分量，则为DEM。

表示区域D上的三维数字向量序列。

其中，（X,Y）是平面坐标,Z是

点对应的高程。

DEM的表现形式：

1）规则矩形格网（GRID）：

利用一系列在X，Y方向上都是等间隔排列的地形点的高程Z表示地形，形成一个矩形格网DEM。

优点：

存贮量小（可压缩）,便于存取和管理：

缺点：

有时不能准确表示地形的结构和细部

2）不规则三角网（TIN）:

若将按地形特征采集的点按一定规则连接成覆盖整个区域且互不重叠的许多三角形，构成一个不规则三角网.

优点：

能较好地顾及地面的点、线特征，表示复杂地形比规则格网精确；

缺点：

数据量大，数据结构复杂，管理不便.

3）GRID-TIN混合网：

综合运用规则格网和不规则三角网来表示地形，一般地区使用矩形网数据结构，沿地形特征则附加三角网数据结构。

渐进采样：

先按照预定的比较稀疏的间隔进行采样，获得一个比较稀疏的格网，然后分析是否需要对格网进行加密。

逐点内插法：

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，

生成DEM的过程：

1、建立局部坐标：

对DEM每一个格网点，从数据点中检索与该DEM格网点对应的几个分块格网中的数据点，将坐标原点移至该DEM格网点P（Xp，Yp）。

2、选取临近数据点，以待定点P为圆心，R为半径作圆，凡落在圆内的数据点即被选用。

3、列出误差方程式（采用二次曲面作为拟合曲面）V=Ax^2+Bxy+Cy^2+Dx+Ey+FZ

4、计算每一数据点的权（数据点到待定点的距离）,反映了该点与待定点相关程度（距离d越小，对待定点影响越大，则权越大）。

5、法化求解

因为p位于原点（x,y均等于0），系数F是待定点内插高程值ZP

数字地面模型的应用：

1）、基于矩形格网的DEM多项式内插：

双线性多项式/双曲面内插、双三次多项式内插（三次曲面）；

2）等高线的绘制：

等高线跟踪、等高线光滑（曲线内插）

3）立体图透视；4）坡度、坡向的计算；面积、体积的计算；单片修测；数字微分纠正

单片修测步骤：

1、进行单张像片空间后方交会，确定像片的方位元素

2、量测像点坐标（x,y）；3、取一高程近似值Z0;

4、将（x,y）与Z0代入共线方程，计算出地面平面坐标近似值（X1,Y1）；

5、将（X1,Y1）及DEM内插出高程Z1;

6、重复步骤4、5，直至（

）与（

）之差小于给定的限差。

角度判断法建立TIN：

当已知三角形的两个顶点（一条边）后，利用余弦定理计算备选第三顶点为角顶点的三角形内角大小，选择最大值对应的点为第三点。

角度判断法建立TIN步骤为：

1、将原始数据分块，以便检索所处理三角形邻近点，不必检索所有数据。

2、确定第一个三角形：

离散点中选取一点A作为第一点，在其附近选取距离最近的一点B为第二点，对附件的点C利用余弦定理C为第三点.

3、三角形的扩展：

由第一个三角形向外扩展，将全部离散点构成三角网，并保证三角网没有重复、交叉的三角形。

向外扩展处理、重复与交叉的检测。

原则：

每一次新增的两条边，按角度最大的原则向外扩展，并进行是否重复的检测。

4、所有生成的三角形的新生边均经过扩展处理时，则全部离散的数据点被连成一个不规则三角网DEM.

数字影像：

像点坐标和每个像点的灰度分布都是用离散数据表示的图像，本质上是一个灰度矩阵。

数字影像的获取：

（1）采样：

图像空间分布范围的离散过程（获取像素）——对现实空间场景（坐标的）离散化形成数字化表示的过程。

（也就是用空间上部分点的灰度值代表图像，这些点称为采样点（：

由连续灰度函数到离散数字图像）

（2）量化：

连续灰度函数幅值的离散过程（获取灰度）——将采样得到的影像密度按照一定的规则转换为灰度值的过程。

采样定理（作用）：

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两个样时，则根据采样数据可以恢复原函数g（x）。

数字影像重采样：

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，即在原采样的基础上再一次采样。

（由离散数字图像到原始连续灰度函数）

重采样的方法：

1、最邻近法——最邻近法重采样的卷积核是一个盒状函数，直接取与p（x,y）点位置最近像元N的灰度值为该点的灰度作为采样值，N为最近点。

2、双线性插值法：

卷积核是一个三角形函数，与sinc有一定的相似性。

3、双三次卷积法：

卷积核利用三次样条函数，更接近于sinc函数。

相对定向：

一张影像的局部同另一张影像的局部匹配的过程

相关定向目的：

恢复立体像对在成像瞬间的相对方位，使同名光线对对相交，形成与实际场景相似的几何模型，可分为连续像对相对定向和单独像对相对定向。

核线影像：

对立体像对两原始数字影像进行重采样，使影像扫描行与核线重合，并使同名核线的影像扫描行的序号相同。

核线几何关系解析分类（确定同名核线的方法）：

（1）基于数字影像几何纠正的核线解析关系：

将倾斜像片上核线投影纠正到水平像片对上，求得水平像片对上的同名核线。

（2）基于共面条件的核线解析关系：

直接从核线定义出发，不通过水平像片作为媒介，直接在倾斜像片上获取同名核线。

有理多项式系数（RPC）文件中90个参数——80个有理多项式系数，10个规则化参数。

点特征：

指影像上具有确定的、明显表现的像点

点特征提取算子的基本思想过程：

（1）计算各个像元的兴趣值

（2）给定经验值并选取候选点——将兴趣值大于该阈值的点作为候选点，阈值的选择应以候选点中包括所需要的特征点，而又不包含过多的非特征点为原则。

（3）抑制局部非最大——选取候选点中的极值点作为特征点。

在一定大小的窗口内（可不同于兴趣值计算窗口），将候选点中兴趣值不是最大者去掉，仅留下一个兴趣值最大者，该像素为一个特征点。

点特征提取算子分类：

1、Moravec算子基本思想：

在四个主要方向上，选取具有最大-最小灰度方差的点作为特征点。

2、Förstner算子基本思想：

通过计算各像素的Roberts梯度和像素（c,r）为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有可能小而接近圆的误差椭圆的点作为特征点。

3、Harris算子：

该算法通过分析一定窗口内与自相关函数相联系的矩阵M提取角点。

4、SUSAN算子：

通过统计圆形模板内符合要求的像素数目（一个积分过程）检测角点

5、SIFT算子：

——概念：

是一种基于尺度空间的、对图像缩放、旋转甚至是仿射变换保持保持不变性的图像局部特征描述算子。

SIFT算子特点：

1）SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，提高了影像匹配的稳定性；

2）独特性好，信息量丰富，适用于在海量特征库中进行快速、准确的匹配；

3）多量性，少数几个物体也可以产生大量的SIFT特征向量；

4）高速性，经优化的SIFT匹配算法甚至可达到实时的要求；

5）可扩展性，可方便的与其他形式的特征向量进行联合。

SIFT算子的主要步骤：

（1）建立尺度空间，并在尺度空间中寻找极值点；

（2）关键点的精确定位；

（3）确定关键点的主方向；

（4）关键点描述

线特征提取算子：

线特征提取算子是指运用某种算法使图像中的“线”更为突出的算子，通常也称边缘检测算子

线特征提取算子种类：

1）梯度算子——对于一给定的阈值T，当时，则认为像素（i,j）是边缘上的点

2）Roberts梯度算子、Prewitt梯度算子、Sobel梯度算子

3）方向差分算子

4）方向二阶差分算子——影像中点特征或者线特征点上的灰度与其周围或两侧影像灰度平均值差别较大使用

5）拉普拉斯算子

6）高斯-拉普拉斯算子——概念：

在提取边缘时，利用高斯函数先进行低通滤波，然后再利用拉普拉斯算子进行高通滤波并提取零交叉点的方法。

7）Canny算子——低错误率、最优定位、检测点与边缘点一一对应

8）Hough变换——用于检测图像中直线、圆、抛物线、椭圆等能够用一定函数关系描述的曲线。

影像分割：

根据物体区域内部具有同一性，把一幅影像分为若干子区域，每一个区域对应于某一物体或者物体的某一部分

影像相关：

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。

数字相关：

利用计算机对数字影像进行数值计算的方法完成影像的相关（匹配）。

影像金字塔是由原始影像按照一定规则生成的由细到粗不同分辨率的影像集。

金字塔影像结构：

对二维影像逐次进行低通滤波，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。

高层-低频信息-保证可靠性；底层-高频信息-保证精度。

课本185

影像匹配的实质：

在两幅（多幅）影像之间识别同名像点，其是计算机视觉以及数字摄影测量的核心问题。

影响匹配基本算法：

1、相关函数测度——：

计算比较简单，没有考虑灰度畸变和几何变形的影响。

2、协方差函数测度（中心化的相关函数）——计算比较简单，没有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（标准化的协方差函数）——协方差函数除以两信号的方差即可得到相关系数，计算比较复杂，没有考虑几何变形的影响，不受线性畸变的影响

4、差平方和测度——是N维空间点Y与点X之间距离的平方。

故差平方和最小等于N维空间点Y与点X之距离最小。

计算简单，没有考虑灰度畸变和几何变形的影响。

5、差绝对和测度——两影像窗口灰度差绝对值和即矢量X-Y之分量的绝对值之和。

基于物方的影响匹配（VLL法）可直接生成DEM。

铅垂线轨迹法影像匹配主要步骤：

1、给定（X，Y）和Zmin，按高程精度要求确定△Z；

2、计算Zi，（xi,yi），（xi’,yi’）；

3、计算相关测度，如ρi；

4、寻找最佳匹配值，如ρ、k；

5、利用最佳匹配值及相邻匹配值拟合一抛物线，以其极值对应的高程作为计算点的高程，或以更小的△Z重复以上过程。

最小二乘影响匹配的基本思想：

在影响匹配中引入变形参数（辐射畸变和几何畸变），同时按照最小二乘原则，解求这些参数。

单点最小二乘影像匹配计算过程：

（1）赋初值：

给出各未知数的初值。

（2）几何畸变改正：

用变形改正参数初值计算右窗口各点的新坐标。

（3）灰度重采样：

用对新坐标位置用双线性内插法得到各点的灰度值。

（4）辐射畸变改正：

计算各点的新灰度。

（5）计算相关系数。

判断是否继续迭代，若完成迭代则到第九步，否则继续（相关系数由大变小时停止迭代）

（6）用最小二乘影像匹配计算参数改正值dh0,dh1,da0…

（7）计算变形参数的新值，然后转到第

（2）步。

（8）重复第二至第七步。

（9）计算最佳匹配点位。

在匹配结束后，一般可认为搜索影像窗口中心的变换位置是目标窗口中心的共轭位置，即将最终求得的各参数值代入公式得到最终搜索窗口配准点坐标

最小二乘影像匹配精度结论：

1）最小二乘影像匹配的精度与相关系数有关，相关系数越大则精度越高。

换言之，它与影像窗口的“信噪比”有关，信噪比越大，则匹配的精度越高。

2）影像匹配精度还与影像的纹理结构有关，

越大，则匹配精度越高，反之，当其趋近于0时，说明目标窗口内灰度值没有变化，则无法进行影像匹配。

基于特征的影像匹配过程：

特征提取—利用一组参数对特征作描述—利用参数进行特征匹配

特征匹配可分为：

特征提取—利用一组参数对特做作描述—利用参数进行特征匹配

匹配侯选点的选择：

a）对右影像也进行相应的点特征提取，挑选预选区内的特征点作为候选点。

b）右影像不进行点特征提取，将预测区内的每一点都作为候选点。

c）右影像不进行特征提取，利用其他准则挑选可能的候选点。

间接法数字微分纠正过程：

1、计算地面点坐标——正射影像上一点（像素中心）P，正射影像左下角坐标A，比例尺分母为M,则表示出P点对用的地面坐标（X,Y）

2、计算像点坐标：

Z时P点高程，由DEM内插求得。

3、灰度内插：

由于所得像点不一定落在像素中心，所以进行灰度内插，一般可采用双线性内插求得像点P的灰度值。

4、灰度赋值：

像点P的灰度值赋值给纠正后的像元素P。

由DEM与原始影像制作景观图：

（1）将DEM划分为m*n个地面元，原则是使景观图上像素之间无缝隙并尽可能的大；

（2）计算地面元在景观图上的像素行列号

。

（3）进行消隐处理；

（4）由地面元计算其对应的原始影像像素行列号

；

（5）双线性内插计算

的灰度值gp；

（6）将灰度值gp赋予景观图像素

。

真正射影像：

在数字微分纠正过程中，要以数字表面模型DSM为基础来进行数字微分纠正。

新型摄影测量传感器：

框幅式数码航空相机、三线阵数码相机、机载定位定向系统（POS）、机载激光扫描系统、干涉雷达

真正射影像流程图：

综合：

1、论述摄影测量现状与未来发展的方向、趋势。

摄影测量的发展经过模拟、解析、数字3三个发展阶段后，又从数字摄影测量工作站发展到了数字网格。

目前在信息时代的发展促进下，摄影测量已进入了信息化时代。

从摄影测量进入全数字化时代，计算机的任何进展都会影响摄影测量的发展。

同时必须指出的是，由于三维重建、游戏、电视、电影的需要，在此期间，计算机的直接参与使摄影测量得到快速发展。

摄影测量的发展不仅要提高其自动化程度，还要往智能化发展。

信息时代的摄影测量系统逐渐向一体化发展，摄影测量的功能集成在一体机中，用户可以通过一键式操作，根据输入的影像路径得到需要的结果。

通过多源传感器的相互补充，摄影测量和计算机视觉技术的共同进步，摄影测量必将向更广阔的方向发展。

公共地理信息的增加和摄影测量技术的智能化的发展也将从生产方式变革、生产效率、使用前景等方面增强摄影测量的应用。

未来的摄影测量学会是怎样的？

作为一门古老的应用型学科，摄影测量的许多研究内容，特别是几何部分已经成熟。

然而，受到传感器技术、计算机技术和相关数学理论的推动，它也一直处于持续发展中。

特别是平台技术，除了现有的航空、航天、无人机和车载平台，摄影测量也逐渐向着深空、水下和地下平台发展。

此外，与计算机视觉、机器学习、人工智能等专业的进一步交叉融合，是摄影测量与遥感学科向着更深的理论基础、更广泛的应用前景和更实际的自动化解题能力前进的必然之路。

2、了解数字摄影测量系统，以及主要产品、制作过程

实现数字影像自动测图的系统称为数字摄影测量系统或数字摄影测量工作站。

这种系统是使用按灰度元素数字化了的影像，利用电子计算机的运算，通过数字相关技术建立数字地面模型，形成线划等高线及正射影像地图。

这是生产正射影像地图的一种有效而快速的方法，且可以直接提供数据，建立高程数据库和地理数据库，适合各种规划决策、工程设计和各种专题地图的编制。

摄影测量数学基础：

透视几何、核线几何与光束法区域网平差。

摄影测量产品：

DEM、DOM、DRG、DLG、专题图、各级缩编地图等等

其主要过程大体上可示意于如下的成图过程：

（1）影像数字化或数字影像获取：

对像片进行数字化或直接获取数字影像。

（2）定向参数的计算:

1、对影像的框标进行定位，计算扫描坐标与像片坐标系间的变换参数。

2、对相对定向用的标准点及绝对定向用的大地点进行定位与二维相关运算，寻找同名点的影像坐标值。

3、计算相对定向参数与绝对定向参数。

（3）影像匹配和建立数字地面模型

1、按同名核线将影像的灰度予以重新排列

2、沿核线进行一维影响匹配求出同名点。

3、计算同名点的空间坐标

4、建立数字地面模型

（4）测制等高线和正射影像图

1、自动形成等高线

2、数字纠正产生正射影像

3、拼接镶嵌叠加产生正射影像地图

3、基于无人机影像生产数字正射影像主要流程和所涉及关键影响

运用无人机航空摄影系统获取影像后，制作正射影像图具有以下关键技术需要解决：

　　3.1、对较大旋偏角的处理：

相邻像片的主点连线与像幅沿航线方向两框标连线间的夹角称为像片旋角，产生像片旋偏角的原因是由于在进行空中摄影时，飞机不能处于绝对平稳状态，摄像机定向不准确造成的。

有像片旋角会使重叠度受到影响，针对无人机航摄数据，旋偏角一般不应该大于15o，可以在确保像片的航向重叠度和旁向重叠度满足要求的前提下，个别的像片旋偏角最大不超过30o，在同一条航线上旋偏角超过20o的像片数不能超过三片。

旋偏角超过15o的像片数不应超过该摄区像片总数的10%。

　　3.2、无人机航空摄影测量系统获取的航片数量多，但像幅较小，因此最好借助于专门针对无人机影像数据后处理的软件，实现无人机影像数据的快速处理。

3.3、由于无人机航拍携带的是非量测型数码相机，因此其照片的边缘变形非常大。

所以可以利用栅格影像裁剪工具，将边缘部分裁剪掉，对所有影像先做粗处理。

通过匀色和裁边处理为后续处理提供了精度保障。

4、什么是特征匹配，与基于灰度匹配有何区别？

说明自动相对定向的基本原理、关键技术。

特征匹配是指通过分别提取左右片影像或多张影像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种匹配算法； 

特征匹配与灰度匹配的区别：

灰度匹配是基于像素的，特征匹配则是基于区域的，特征匹配在考虑像素灰度的同时还考虑诸如空间整体特征、空间关系等因素；  

自动相对定向的方法原理：

用特征提取算子提取左影像上的特征点，根据一定的匹配算法找出左片上的特点在右片上的同名点，采用粗差剔除法去掉误差超限的同名点，留下5组以上的同名点对，根据相对定向原理有左右影像上的同名像点解算5个相对定向元素；  

关键技术：

（1）、特征点的自动提取：

可通过Moravec算子或Forstner算子进行特征点的自动提取； 

（2）、特征点的自动匹配：

依据影像的实际情况采用适当的匹配算法如采用最小二乘法影像匹配、跨接法影像匹配等，对于右片既可以通过特征提取挑选预测区内的特征点作为可能的匹配点，也可以不进行特征提取将预测区内的每一点作为可能的匹配点，或“爬山法”搜索动态地确定各选点； 

（3）、粗差剔除：

由于所选同名点较多，为保证相对定向元素的求解结果精度较高，在匹配后必须针对匹配结果剔除误差过大的同名点，但必须保留至少5对同名点； 

（4）．相对定向解算：

定向元素与采用连续法还是独立法相对定向有关；