第一篇：數(shù)字攝影測量重點

攝影測量的三個階段：模擬測量、解析攝影測量、數(shù)字攝影測量。

數(shù)字攝影測量定義：以數(shù)字影像為數(shù)據(jù)源，根據(jù)攝影測量原理，通過計算機軟件處理獲取被攝物體的形狀、大小、位置及其性質(zhì)的技術(shù)。

數(shù)字影像獲取方式主要有兩種：模擬像片的數(shù)字化與數(shù)字相機直接獲取數(shù)字影像。

數(shù)字化過程兩個離散過程：采樣、量化。

數(shù)字影像的均值與方差：均值反映了一幅影像的整體亮度，方差度量了影像的對比度。

信息熵:信息熵度量了隨機變量集合的隨機性程度，這種隨機性程度說明了影像所包含的信息容量。將熵的概念應用于數(shù)字影像，它度量了灰度值的不確定性程度。

數(shù)字影像內(nèi)插:根據(jù)已有的離散樣本值確定不位于采樣格點位置處影像函數(shù)值的過程。內(nèi)插利用內(nèi)插函數(shù)對離散信號樣本進行平滑，從而重建原始信號在采樣過程中丟失的信息。

數(shù)字影像的重采樣:在已有離散樣本值的基礎(chǔ)上重建連續(xù)信號，然后再用不同的小單元對重建的連續(xù)信號進行新的細分，最后經(jīng)量化得到重采樣后新的樣本值。這種采樣格點的坐標變換和內(nèi)插稱為數(shù)字影像的重采樣。插值與重采樣的聯(lián)系與區(qū)別：

插值：在已知坐標系統(tǒng)內(nèi)，估計未知點的函數(shù)值，不涉及坐標變換；

重采樣：先將已知坐標系統(tǒng)變換到另一坐標系統(tǒng)，然后估計函數(shù)在新坐標系統(tǒng)下的數(shù)值；

數(shù)字影像重采樣兩個步驟：影像重建和采樣。

影像重建：將作為輸入的離散數(shù)字影像樣本重建為連續(xù)灰度表面。重采樣方法有:最鄰近內(nèi)插法、雙線性內(nèi)插法、雙三次卷積法。

點特征：就是影像曲面上具有確定的、明顯表現(xiàn)（或特殊性質(zhì)）的像點，如灰度值變化明顯的點或亮度特別明顯的小區(qū)域、邊緣的交點及一些區(qū)域或輪廓的角點等。有時也稱為興趣點。

什么是好的角點檢測算法？檢測出圖像中“真實的”角點；準確的定位性能；很高的重復檢測率（穩(wěn)定性好）；具有對噪聲的魯棒性；具有較高的計算效率。Moravec Operator算法流程

（1）以像素點(x,y)為中心的w×w窗口內(nèi)，計算該像素在各個方向上的強度變化：

（2）得出每個點的強度變化

（3）將所有C(x,y)低于閾值T的像素點的像素值置為0，大于閾值T的像素點為候選點；

（4）運用“局部抑制非最大”求得局部最大值，即為角點。在一定大小的窗口內(nèi)，將候選點中強度變化值不是最大者去掉，僅留下一個最大者，該像素即為角點。

Harris角點的性質(zhì)：旋轉(zhuǎn)不變性、對于圖像灰度的仿射變化具有部分的不變性、對于圖像幾何尺度變化不具有不變性、隨幾何尺度變化，Harris角點檢測的性能下降。

Forstner算子步驟：

（l）計算各像素的Robert’s梯度

（2）計算l?l（如5?5或更大）窗口中灰度的協(xié)方差矩陣（3）計算興趣值q與w（4）確定待選點（5）選取極值點

各類角點算子提取方法比較（1）Moravec算子

①Moravec是一個相對簡單的算子，僅僅考慮8個方向，因此最顯著的優(yōu)點是實現(xiàn)簡單快速。

②Moravec不能保持旋轉(zhuǎn)不變性，由于沒有高斯平滑過程，所以對噪聲敏感。③它對強邊緣比較敏感，這是由于僅僅考慮了IV(自相關(guān)的響應值)的最小值。（2）Harris算子

Harris是一種高效的特征點提取算法，較好的穩(wěn)定性，對平移、旋轉(zhuǎn)、噪聲可處理，能夠提取出比較均勻的特征點，并且該算法對于灰度的變化圖不敏感。缺點是無法適應圖像的尺寸變化，計算量大，這是因為采取了多次濾波所致。（3）Forstner

計算速度快是Forstner算法最顯著的優(yōu)點，具有一定的抗噪性。同時，對比度、灰度受Forstner算法閾值變化的影響很大。如果在圖像匹配中應用Forstner算法，為提高其適應性應根據(jù)圖像對比度，自適應的設置初選閾值，并對處理的圖像采取預處理去噪，以充分發(fā)揮其優(yōu)勢。（4）SUSAN算法的優(yōu)點：

①對特征點的檢測比對邊緣檢測的效果要好，適用于基于特征點的圖像匹配。②不用求導，速度快，有一定的抗噪能力，噪聲強度不大時，基本不受影響。③提取的特征點分布均勻，對特征明顯的圖像提取能力強。SUSAN算法的缺點也很明顯： ①沒有對邊緣檢測的過濾。

②相似比較能力差且函數(shù)復雜，有時候存在誤判。這是由于USAN設定的三種情況是理想情況，對圖像和背景亮度的對比度的設定在實際情況中相差較遠。③圖像中不同區(qū)域處目標與背景的對比程度不一樣，取固定閾值不符合實際情況。

邊緣分類可分為兩類：階躍變化，屋頂變化。Canny邊緣檢測步驟

(1)用高斯濾波器平滑圖像．

(2)用一階偏導有限差分計算梯度幅值和方向(3)對梯度幅值應用非極大值抑制 ．(4)用雙閾值算法檢測和連接邊緣． Canny算子檢測方法的優(yōu)點：

①低誤碼率，很少把邊緣點誤認為非邊緣點；

②高定位精度，即精確地把邊緣點定位在灰度變化最大的像素上；③抑制虛假邊緣。

Hough變換的基本原理是將影像空間中的曲線變換到參數(shù)空間中，通過檢測參數(shù)空間中的極值點，確定出該曲線的描述參數(shù)，從而提取影像中的規(guī)則曲線。

Hough變換：優(yōu)點：由于它利用了圖像全局特性，所以受噪聲和邊界間斷的影響較小，比較魯棒。

不足：1）計算量大，占用內(nèi)存大2）檢測精度受參數(shù)離散間隔制約3）只能指出圖像中某條直線的存在，不能給出直線段的完整描述(端點坐標和長度信息等)

數(shù)字影像匹配就是在兩張或多張數(shù)字影像的要素之間自動建立對應關(guān)系，這些影像是（或至少局部是）對同一場景在不同位置和不同時刻的成像，而要素可以是數(shù)字影像中的點（即像素），也可以是數(shù)字影像中提取的其他特征。共軛實體 共軛實體是指目標空間特征的影像，包括點、線、面及其他目標空間對象等。概略地說，共軛實體是在立體像對間建立對應關(guān)系過程中人們關(guān)注的對象。

匹配實體匹配實體是指一定的要素，正是通過對這些要素的比較以確定對應（或同名）的共軛實體。

相似性測度 相似性測度是刻畫或說明匹配實體之間相似性程度的一種定量度量指標。一般說來，相似性程度是通過代價函數(shù)來計算的。在基于灰度的影像匹配中，常用的相似性測度包括相關(guān)系數(shù)測度、差平方和測度及差絕對和測度等。

匹配策略：匹配策略一般指求解匹配問題的概念或總體方案，主要包括匹配環(huán)境分析、匹配方法選擇及匹配質(zhì)量評價等?；镜挠跋衿ヅ溥^程可描述為：

1）在一幅影像上選定待配準實體；2）確定匹配實體；

3）在另一張影像上尋找該待配準實體的共軛實體；4）計算配準實體在目標空間的3維位置；5）平價匹配質(zhì)量。

產(chǎn)生幾何畸變的主要原因有以下幾種：1）方位參數(shù)引起的幾何畸變

2）兩影像間的不同旋轉(zhuǎn)角引起幾何畸變3）地面傾斜引起的幾何畸變4）地面起伏引起的幾何畸變

核線是對共軛實體的有效約束，核面定義為兩投影中心C’、C’’和目標點P所決定的平面，核線e’、e’’就是核面與兩像面的交線。核面包含共軛點，且這些共軛點必定位于相應核線上。

金字塔多級匹配策略：即使通過上述核線幾何條件可以大大減小搜索空間，但仍然沒有達到開始匹配所需要的非常接近的近似值。還可以考慮的減小搜索空間的方法就是增大像素尺寸。用這種增大像素尺寸來明顯減小搜索空間并改善近似值的解決方法：就是先在較粗分辨率的影像上開始匹配，然后將結(jié)果投影（傳導）到較精細分辨率的影像上，直至到最高分辨率影像（原始影像）。這可以通過對立體像對形成影像金字塔來實現(xiàn)。

基于灰度的影像匹配：以影像上局部范圍內(nèi)的灰度值及其分布作為匹配實體（或比較要素），通過計算匹配實體之間的相似性測度尋找共軛實體的影像匹配方法，稱為基于灰度的影像匹配?；叶绕ヅ渲谐Ｓ玫南嗨菩詼y度：（1）相關(guān)函數(shù)測度（2）協(xié)方差函數(shù)測度（3）相關(guān)系數(shù)測度（4）差平方和測度（5）差絕對值和

相關(guān)系數(shù)測度的性質(zhì)：

性質(zhì)一：相關(guān)系數(shù)是灰度線性變換的不變量。

性質(zhì)二：相關(guān)系數(shù)極大等價于左右窗口灰度之間線性擬合的殘差極小。

最小二乘影像匹配基本思想是：以局部范圍內(nèi)影像的灰度值及其分布作為匹配實體，以搜索窗口的中心位置和形狀作為待定參數(shù)，通過極小化模板窗口與搜索窗口內(nèi)影像灰度值差的平方和估計待定參數(shù)值，從而確定共軛實體。也就是說，搜索窗口的中心位置及形狀是不斷變化的，直至變形窗口和模板窗口（不變）內(nèi)的灰度差達到極小值。

第二篇：攝影測量重點

第一章攝影測量學定義：

攝影測量是從非接觸成像系統(tǒng)，通過記錄、量測、分析與表達等處理，獲取地球及其環(huán)境和其他物體幾何、屬性等可靠信息的工藝、科學和技術(shù)。2 攝影測量分類：

按距離遠近：航空、航天、近景、顯微攝影測量； 按用途：地形、非地形攝影測量；

按處理手段：模擬、解析、數(shù)字攝影測量。

攝影機平臺 ：航天攝影測量，航空攝影測量，地面攝影測量，水下攝影測量。3 攝影測量任務：

地形測量領(lǐng)域：各種比例尺的地形圖、各部門專題圖，建立地形數(shù)據(jù)庫，提供地理信息系統(tǒng)所需要的基礎(chǔ)數(shù)據(jù)；

非地形測量領(lǐng)域：生物、醫(yī)學、公安偵破、考古、建筑物變形監(jiān)測。物理投影：光學的、機械的或光學-機械的模擬投影。數(shù)字投影：利用計算機實時地進行投影光線（共線方程）的解算，從而交會被攝物體的位置。第二章基礎(chǔ)知識： 幾何糾正的核線解析關(guān)系：

設傾斜影像坐標系為x，y；水平影像坐標系為u，v。由共線方程??

在“水平”影像上獲取核線影像：v=某常數(shù)即表示某一核線，u=k采樣間隔??核線的重排列（重采樣）??

同名核線的確定：同名核線的v坐標值相等，v'=c代入右影像共線方程，即能獲得右影像上的同名核線。實質(zhì)：是一個數(shù)字糾正，將傾斜影像上的核線投影（糾正）到水平影像對上，求得水平影像對上的同名核線。3 空間前方交會：有兩種方法：利用點投影系數(shù)的空間前方交會法，利用共線方程的嚴格解法。點投影系數(shù)P64：N和N'表示將左像點和右像點投影到地面上的點投影系數(shù)。P64 4 絕對定向： 絕對定向元素：描述立體像對在攝影瞬間的絕對位置和姿態(tài)的參數(shù)。λ,x0,y0,z0,Φ,Ω,Κ。.已知數(shù)據(jù)：量測2個平高和1個高程以上的控制點。解算過程P70：

（1）獲取控制點的兩套坐標Xp , Yp , Zp , Xtp , Ytp , Ztp

（2）給定絕對定向元素的初值 λ＝1,Φ＝Ω＝Κ＝0, 數(shù)據(jù)。廣泛應用于各種高精度的解析空中三角測量和點

位測定實際生產(chǎn)中。相較于前兩種方法的缺點：1）共線方程所描述的像點坐標與各未知參數(shù)的關(guān)系是非線性的；2）光束法區(qū)域網(wǎng)平差未知數(shù)多、計算量大，計算速度相對較慢；3）不可平高分開處理，只能是三維網(wǎng)平差。區(qū)域網(wǎng)平差的精度分布規(guī)律P92：

1）區(qū)域網(wǎng)空中三角測量的精度最弱點位于區(qū)域四周，不在區(qū)域的中央。平面控制點應布設在區(qū)域四周。2）密集周邊布點時，區(qū)域網(wǎng)的理論精度對航帶法而言小于一條航帶的測點精度；獨立模型法則相當于一個單元模型的測點精度；光束法，理論精度不隨區(qū)域大小而改變，是一常數(shù)。

3）控制點稀疏分布，區(qū)域網(wǎng)的理論精度隨著區(qū)域的增大而降低。但若增大旁向重疊，則可提高區(qū)域網(wǎng)平面坐標的理論精度。

4）區(qū)域網(wǎng)平差的高程理論精度取決于控制點間的跨度而與區(qū)域大小無關(guān)。理論上，光束法平差最符合最小二乘法原理，精度最好。但如果系統(tǒng)誤差沒有得到很好的補償，光束法的優(yōu)點無法反映，三種方法的精度則沒有顯著差異。9 系統(tǒng)誤差的特性：

（2）最小二乘影像匹配中可以非常靈活地引入各種已

知參數(shù)和條件，從而可以進行整體平差。

（3）解決“單點”的影像匹配問題，以求其“視差”；也可以直接解求其空間坐標。

（4）同時解求待定點的坐標與影像的外方位元素。（5）同時解決“多點”影像匹配或“多片”影像匹配。（6）引入“粗差檢測”，從而大大地提高影像匹配的可靠性。

靈活，可靠和高精度是優(yōu)點，缺點是，如當初始值不太準時，系統(tǒng)的收斂性等問題有待解決。影像匹配迭代過程的具體步驟：（1）幾何變形改正。（2）重采樣。

（3）輻射畸變改正。

（4）判斷是否需要繼續(xù)迭代。若相關(guān)系數(shù)小于前一次迭代后所求得的相關(guān)系數(shù)，則可認為迭代結(jié)束。也可以根據(jù)幾何變形參數(shù)是否小于某個預定的閾值。

（5）采用最小二乘影像匹配，解求變形參數(shù)的改正值dh0,dh1, da0,?。

（6）計算變形參數(shù)。

（7）計算最佳匹配的點位?？捎锰荻鹊钠椒綖闄?quán)，在左方影像窗口內(nèi)對坐標作加權(quán)平均。攝影機主距：航空攝影機物鏡中心至底片面的距離是固定值，稱為航空攝影機主距（f），也叫像片主距，與物鏡焦距基本一致。2 框標：設置在攝影機焦平面上位置固定的光學機械標志，用于在焦平面（即像片）上建立像方坐標系。3 攝影比例尺：航攝影像上線段l與相應地面線段L的水平距之比。1/m=l/L=f/H航高：攝影飛機在攝影瞬間相對某一水準面的高度。分為相對和絕對，用H表示。豎直攝影：攝影瞬間攝影機的主光軸近似與地面垂直，偏離鉛垂線的夾角小于3°，夾角為像片傾角。6 航向重疊：同一條航線內(nèi)相鄰像片之間的影像重疊。Px%=px/lx*100%要求60% 最小53%旁向重疊：相鄰航線間的影像重疊。Py%=py/ly*100%要求30%最小15%

飛行航線一般為東西方向，要求航線相鄰兩張像片應有60%左右的航向重疊度，相鄰航線的像片應有30%左右的旁向重疊度。7 攝影基線：航向相鄰兩個攝影站間的距離（兩次曝光的時間間隔內(nèi)飛機飛過的距離）。8 航線彎曲：把一條航線的航攝像片根據(jù)地物影像拼接起來，各張像片的主點連線不在一條直線上，而呈現(xiàn)為彎彎曲曲的折線，稱為航線彎曲。9 像片旋角：一張像片上相鄰主點連線與同方向框標連線間的夾角，要求不得大于6°。像對：航向相鄰兩張像片組成一個像對。2 透視變換中重要點線P21 特征：

底點的特性：鉛垂線在像面上的構(gòu)像位于以點n為輻射中心的相應輻射線上。

等角點的特性：在傾斜像片和水平地面上，由等角點c和C所引出的一對透視對應線無方向偏差，保持著方向角相等。等比線的特性：等比線的構(gòu)像比例尺等于水平像片上的攝影比例尺，不受像片傾斜影像。3 共線方程：P26

坐標系6個：像平面坐標系(p-xy)，像空間坐標系(S-xyz)，像空間輔助坐標系(S-XYZ)，攝影測量坐標系(p-XpYpZp)，地面測量坐標系(t-XtYtZt)，地面攝影測量坐標系(A-XtpYtpZtp)。內(nèi)方位元素：攝影機的物鏡中心與像片之間相互位置的參數(shù)。3個參數(shù)，主距像主點在框標坐標系中坐標（x0，y0）外方位元素：已建立的攝影光束，確定像片攝影瞬間在地面直角坐標系中空間位置和姿態(tài)的參數(shù)。三個直線元素，描述攝影中心在地面空間直角坐標系中的坐標值(Xs、Ys、Zs)。三個角元素(φ、ω、κ)，表示攝影光束空間姿態(tài)(像片在攝影瞬間空間姿態(tài)的要素）公式、字母意義P30 應用：求像底點坐標，單像空間后方交會和多像空間前方交會，攝影測量中的數(shù)字投影基礎(chǔ)，航空影像模擬，光束法平差的基本數(shù)學模型，利用DEM制作數(shù)字正射影像圖，利用DEM進行單張像片測圖。4 像點位移的規(guī)律P33-34 詳見作業(yè)本 5 內(nèi)定向：傳統(tǒng)攝影測量中：利用平面相似變換等公式，將所量測的影像架坐標或儀器坐標（像點坐標）變換為以影像上像主點為原點的像坐標系中的坐標，該變換為影像內(nèi)定向。數(shù)字化影像：由于在影像掃描數(shù)字化過程中，影像在掃描儀上的位置通常也是任意放置的，因此所量測的像點坐標也存在著從掃描坐標到像坐標的轉(zhuǎn)換。

共線方程的主要應用p30 6 后方交會：根據(jù)影像覆蓋范圍內(nèi)一定數(shù)量的分布合理的地面控制點（已知其像點和地面點的坐標），利用共線條件方程求解像片外方位元素，這種方法叫做后方交會。

后方交會計算過程P41：

（1）獲取已知數(shù)據(jù)m, x0 , y0 , f , Xt, Yt, Zt

（2）量測控制點像點坐標并進行必要的誤差改正x,y（3）確定未知數(shù)初值Xs0，Ys0，Zs0，φ0，ω0，κ0

（4）計算旋轉(zhuǎn)矩陣R

（5）逐點計算像點坐標近似值。利用未知數(shù)的近似值按共線方程計算控制點像點坐標的近似值

（6）逐點計算誤差方程式的系數(shù)和常數(shù)項，組成誤差方程式

（7）計算法方程的系數(shù)陣與常數(shù)項，組成法方程式（8）解求外方位元素改正數(shù)（9）檢查迭代是否收斂 第三章相對定向元素：用于描述兩張像片相對位置和姿態(tài)關(guān)系的參數(shù)。

元素和觀測值具體P54。觀測值：量測6個定向點像點坐標。核線與核面：

通過攝影基線與地面所作的平面稱為核面。核面與影像面交線稱為核線。同名像點必定在同名核線上。

怎樣找同名核線（第一種方法）P61-62：基于數(shù)字影像

X0=Y0=Z0=0

（3）計算重心化坐標

（4）計算誤差方程式的系數(shù)和常數(shù)項（5）解法方程，求絕對定向元素改正數(shù)（6）計算絕對定向元素的新值（7）判斷迭代是否收斂 5 三種解法的比較：后交前交解法，相對定向絕對定向解法，一步定向法。

（1）空間后方交會-前方交會方法：先用后方交會求出像片外方位元素，再用前方交會求出像點對應地面點坐標。

（2）相對定向-絕對定向法：先進行立體像對的相對定向，求出模型點的攝影測量坐標，再用地面控制點將模型納入測量坐標系求出地面點坐標。（3）立體影像對光束法嚴密解法（一步定向法）：以共線方程為基礎(chǔ)，未知點、控制點同時列誤差方程，將像片外方位元素和待定點坐標在平差過程中整體解求。第四章：解析空中三角測量：

分類：按數(shù)學模型：航帶法，獨立模型法，光線束法。按平差范圍：單模型法，航帶法，區(qū)域網(wǎng)法。所必需的信息：攝影測量信息：像片上量測的像點坐標，立體模型上量測的模型坐標。

非攝影測量信息：大地測量觀測值，像片外方位元素，相對控制條件。影像連接點類型有哪些：人工轉(zhuǎn)刺點，儀器轉(zhuǎn)刺點，標志點，明顯地物點，數(shù)字影像相關(guān)轉(zhuǎn)點。3 像點坐標量測與系統(tǒng)誤差預改正有哪些：像點坐標量測，攝影材料變形改正，攝影機物鏡畸變差改正，大氣折光差改正，地球曲率改正。4 航帶法空三測量： 工作流程：

（1）像點坐標量測與系統(tǒng)誤差預改正（2）立體像對相對定向

（3）模型連接構(gòu)建自由航帶網(wǎng)（4）航帶模型絕對定向（5）航帶模型非線性改正（6）加密點坐標計算

模型連接的實質(zhì)：求出相鄰模型間的比例尺規(guī)劃系數(shù)k。

計算過程：建立自由比例尺的航帶網(wǎng)，建立松散的區(qū)域網(wǎng)，區(qū)域網(wǎng)整體平差。獨立模型法區(qū)域網(wǎng)空三測量： 主要內(nèi)容：

（1）求出各單元模型中模型點的坐標；

（2）利用公共點和控制點，對每個模型進行空間相似變換，列出誤差方程及法方程式；

（3）建立改化法方程式，按循環(huán)分塊法，求得每個模型的7個參數(shù)；

（4）計算每個模型中待定點平差后的坐標。若為相鄰模型的公共點，則取其平均值作為最后結(jié)果。6 光束法區(qū)域網(wǎng)空三測量： 基本內(nèi)容（流程）：

（1）像片外方位元素和地面點坐標近似值的確定（2）逐點建立誤差方程式

（3）逐點法化并建立改化法方程式，循環(huán)分塊法解求改化法方程式，通常先求外方位元素。（4）加密點坐標計算三種區(qū)域網(wǎng)平差方法比較P90、作業(yè)：（1）航帶法

數(shù)學模型：航帶坐標的非線性多項式改正公式； 觀測值：自由航帶中各點的攝影測量坐標；平差單元：航帶；

整體平差未知數(shù)：各航帶的多項式改正系數(shù)。

特點：未知數(shù)少，解算方便和快速，但精度不高。所謂的觀測值，自由航帶坐標并不是真正的觀測值，彼此不獨立，所以不是嚴密的平差方法。主要用于為嚴密平差提供初始值和小比例尺低精度點位加密。（2）獨立模型法

數(shù)學模型：單元模型的空間相似變換公式； 觀測值：計算的或量測的模型坐標；平差單元：獨立模型；平差未知數(shù)：各模型空間相似變換的7個參數(shù)、加密點的地面坐標。特點：整個區(qū)域的未知數(shù)比航帶法區(qū)域網(wǎng)平差多，但若采用平高分求，解算所占用的內(nèi)存和計算時間比光束法區(qū)域網(wǎng)平差少。相當嚴密的平差方法。若顧及到模型坐標間的相關(guān)特性，理論上與光束法同樣嚴密。（3）光束法

數(shù)學模型：共線條件方程； 觀測值：每幅影像的像點坐標；平差單元：單個光束；平差未知數(shù)：各影像的外方位元素和所有待求點地面坐標。特點：最嚴密的一步解法，誤差方程式直接對原始觀測值列出，能最方便地顧及影像系統(tǒng)誤差的影響，最便于引入非攝影測量附加觀測值（導航數(shù)據(jù)和地面測量觀測值），可嚴密地處理非常規(guī)攝影以及非量測相機的影像系統(tǒng)誤差既具有系統(tǒng)特性，同時也有隨機性（隨著外界條件的變化，像點坐標系統(tǒng)誤差存在著隨機變化的特性（1）許多影像系統(tǒng)誤差是在實驗室中測定的，是在靜止狀態(tài)下進行的。（2）實際數(shù)據(jù)獲取過程是一個動態(tài)過程。補償系統(tǒng)誤差的方法：試驗場檢校法，驗后補償法，自檢校法，自抵消法。利用附加參數(shù)的自檢校法：利用若干附加參數(shù)來描述系統(tǒng)誤差模型，在區(qū)域網(wǎng)平差的同時解求這些附加參數(shù)，以自動測定和消除系統(tǒng)誤差。聯(lián)合平差：所謂的攝影測量與非攝影測量觀測值的聯(lián)合平差，指的是在攝影測量平差中使用了更一般的原始的非攝影測量觀測值或條件。GPS輔助空三測量：利用安裝于飛機上與航攝儀相連接的和設在地面一個或多個基準站上的至少兩臺GPS信號接收機同步而連續(xù)地觀測GPS衛(wèi)星信號、同時獲取航空攝影瞬間航攝儀快門開啟脈沖，經(jīng)過GPS載波相位測量差分定位技術(shù)的離線數(shù)據(jù)后處理獲取航攝儀曝光時刻攝站的三維坐標，然后將其視為附加觀測值引入攝影測量區(qū)域網(wǎng)平差中，以取代地面控制，經(jīng)采用統(tǒng)一的數(shù)學模型和算法來整體確定目標點位和像片方位元素，并對其質(zhì)量進行評定的理論、技術(shù)和方法。14 POS：是基于GPS和IMU（慣性測量裝置）的直接測定影像外方位元素的現(xiàn)代航空攝影導航系統(tǒng)，可用于在無地面控制或僅有少量地面控制點情況下的航空遙感對地定位和影像獲取。第五章采樣：對實際連續(xù)函數(shù)模型離散化的量測過程。采樣定理：公式P122，當采樣間隔能使在函數(shù)g(x)中存在的最高頻率中每周期取有兩個樣本時，則根據(jù)采樣數(shù)據(jù)可以完全恢復原函數(shù)g(x)。2 點特征提取算法 Moravec算子步驟：（1）計算各像元的興趣值 IV（2）給定一經(jīng)驗閾值，將興趣值大于閾值的點作為候選點。

（3）選取候選點中的極值點作為特征點。語言描述公式P128 3 線特征提取算子 線和邊緣有何區(qū)別：“邊緣”可定義為影像局部區(qū)域特征不相同的那些區(qū)域間的分界線，而“線”則可以認為是具有很小寬度的其中間區(qū)域具有相同的影像特征的邊緣對。

常用算子有哪些：常用方法有：差分算子、拉普拉斯算子、LOG算子等。

特征分割法有哪些參數(shù)：影像段有三個特征點組成：一個灰度梯度最大點和兩個突出點。三個特征點的像素號與兩突出點的灰度差為描述此特征的四個特征參數(shù)。第六章影響相關(guān)：是利用互相關(guān)函數(shù)，評價兩塊影像的相似性以確定同名點。維納-辛欽定理：隨機信號的相關(guān)函數(shù)與其功率譜是一傅立葉變換對，即相關(guān)函數(shù)的傅立葉變換即功率譜，而功率譜的逆傅立葉變換即相關(guān)函數(shù)：金字塔影像結(jié)構(gòu)：對于二維影像逐次進行低通濾波，并增大采樣間隔，得到一個像元素總數(shù)逐漸變小的影像序列，將這些影像疊置起來頗像一座金字塔，因而稱之為金字塔影像結(jié)構(gòu)。

金字塔影像的層數(shù)確定方法P152：

（1）由影像匹配窗口w大小確定金字塔影像層數(shù)。當影像的先驗視差未知時，可建立較完整金字塔，最上層的像元素個數(shù)在列方向上介于匹配窗口像素列數(shù)的1與L倍之間。層數(shù)k：w＜INT（n/Lk＋0.5）＜l·w。（2）由先驗視差確定金字塔影像層數(shù)。若已知影像最大視差為P，可人工量測一個點算出視差并估計其最大左右視差。影像匹配：影像匹配實質(zhì)上是在兩幅（或多幅）影像之間識別同名點。同名點確定以匹配精度為基礎(chǔ)。影像匹配五種基本算法：相關(guān)函數(shù)，協(xié)方差函數(shù)，相關(guān)系數(shù)，差平方和，差絕對值和。前三種優(yōu)缺點：P153-156鉛垂線軌跡法VLL步驟P158：（1）給定地面點的平面坐標（X，Y）與近似最低高程Zmin。

（2）Zi＝Zmin＋i·ΔZ高程搜索步距ΔZ可由所要求的高程精度確定

（3）計算左右像坐標（xi′, yi′）與（xi〞，yi〞）（4）分別以（xi′, yi′）與（xi〞，yi〞）為中心在左右影像上取影像窗口，計算其匹配測度，如相關(guān)系數(shù)pi。

（5）將i的值增加1，重復2，3兩步，得到ρ0，ρ1，ρ2，ρn取其最大者ρk＝ max{ρ0，ρ1，ρ2，ρn}（6）還可以利用ρk及其相鄰的幾個相關(guān)系數(shù)擬合一拋物線，以其極值對應的高程作為A點的高程。6 最小二乘影像匹配 優(yōu)點：

（1）影像匹配可以達到1/10甚至1/100像素的高精度。

影像匹配的精度與相關(guān)系數(shù)和信噪比的關(guān)系：影像匹配的精度與相關(guān)系數(shù)有關(guān)，相關(guān)系數(shù)愈大則精度愈高。它與影像窗口的“信噪比”有關(guān)，信噪比愈大，則匹配的精度愈高。影像匹配的精度還與影像的紋理結(jié)構(gòu)有關(guān)，越大精度越高。特征匹配：步驟分為三步：①特征提取；②利用一組參數(shù)對特征作描述；③利用參數(shù)進行特征匹配。特征提?。焊鶕?jù)各特征點的興趣值將特征點分成幾個等級。

特征點的分布方式：

（1）隨機分布。按順序進行特征提取，但控制特征的密度。選取的點集中在信息豐富區(qū)域。

（2）均勻分布。將影像劃分成規(guī)則矩形格網(wǎng)，每一格網(wǎng)內(nèi)提取一個或若干個特征點。匹配的備選點選擇方法：

對右影像也進行相應特征提取，挑選預測區(qū)內(nèi)的特征點作為可能的匹配點； 右影像不進行特征提取，將預測區(qū)內(nèi)的每一點都作為可能的匹配點；

右影像不進行特征提取，但也不將所有的點作為可能的匹配點，而用爬山法搜索，動態(tài)地確定各選點?？缃臃ㄓ跋衿ヅ洳襟E（過程）：1.特征提取 2.構(gòu)成跨接法匹配窗口 3.跨接法影像匹配 特征點的匹配p169

跨接法原理與過程圖 p171 第八章數(shù)字糾正：將影像化為很多微小的區(qū)域逐一糾正，且使用數(shù)字方式處理，從原始非正射投影的數(shù)字影像獲取正射影像的過程。分類：依據(jù)被糾正最小單元分為：點元素糾正和線元素糾正。面元素糾正實質(zhì)是點元素糾正。

方法：反解法（間接）數(shù)字微分糾正步驟P213：計算地面點坐標，計算像點坐標，灰度內(nèi)插，灰度賦值。正解法（直接）數(shù)字微分糾正。2 立體正射影像對的制作方法：斜平行投影法和對數(shù)投影法。P224

立體正射影像對的高程量測精度與DEM精度的關(guān)系：立體正射影像對的高程量測精度通常要高于用來制作正射影像和立體匹配片的數(shù)字高程模型DEM精度。高3倍左右。

立體正攝影象對量測碎步高度存在的問題p226 3 真正射影像：

概念：所謂真正射影像，就是在數(shù)字微分糾正過程中，要以數(shù)字表面模型DSM為基礎(chǔ)進行數(shù)字微分糾正。4 正射影像幾何精度檢查方法：正射影像的精度檢查主要是指幾何精度檢查。方法：（1）利用已知點檢測：用于檢查正射影像絕對精度。

（2）與等高線圖或線畫地圖套合后進行目視檢查。（3）對每個立體相對分別由左影像和右影像制作同一地區(qū)的兩幅正射影像，然后量測兩幅正射影像上同名點的視差進行檢查。

第三篇：攝影測量重點[最終版]

名稱解釋

攝影測量學 數(shù)字攝影測量 中心投影 像主點 攝影基線 同名像點 核面 空間前方交會 核線 影像匹配

填空題問答題

攝影測量的任務和特點

攝影測量分類：按距離、按用途和按技術(shù)手段

攝影測量坐標系：物方坐標和像方坐標系。

共線方程的具體推導過程，意義以及在攝影測量中作用。單像空間后方交會和雙像空間后方交會目的及計算流程。

相對定向有哪幾種方法，每種方法的定向元素是那些，以及計算流程？絕對定向的目的、定向元素和流程。

空中三角測量都有那些方法，每種方法的目的及意義。

攝影測量對影像有那些要求？重疊度，航線，航高等。

正射影像糾正都有那些方法，其特點是什么。

相關(guān)系數(shù)法匹配同名點的原理與過程

核線相關(guān)的目的，方法。

第四篇：數(shù)字攝影測量實習報告

數(shù)字攝影測量實習報告書

學 號：20111000684 班級序號： 113112-05 姓 名： 舒 超 指導老師： 宋 妍 成 績：

中國地質(zhì)大學（武漢）信息工程學院遙感科學技術(shù)系

2014年6月

目錄

實習一：Moravec算子點特征提取........................................................................................3 1.1 實習目的：....................................................................................................................3 1.2 實習原理：....................................................................................................................3 1.3 實習步驟以及代碼分析：............................................................................................3 1.4 結(jié)果分析：....................................................................................................................7 實習二：邊緣提取算法...........................................................................................................9 2.1 實習目的：....................................................................................................................9 2.2 實習原理：....................................................................................................................9 2.3 實習步驟以及代碼：....................................................................................................9 2.4 結(jié)果分析：..................................................................................................................11 實習總結(jié).................................................................................................................................12

實習一：Moravec算子點特征提取

1.1 實習目的：

用程序設計語言（VisualC++或者C語言）編寫一個完整的提取點特征的程序，通過對提供的圖像數(shù)據(jù)進行特征點提取，輸出提取出的點特征坐標。本實驗的目的在于讓學生深入理解Moravec算子原理。通過上機調(diào)試程序加強動手能力的培養(yǎng)，通過對實驗結(jié)果的分析，增強學生綜合運用所學知識解決實際問題的能力。

1.2 實習原理：

Moravec角點檢測算法是最早的角點檢測算法之一。該算法將角點定義為具有低“自相關(guān)性”的點。算法會檢測圖像的每一個像素，將像素周邊的一個鄰域作為一個patch，并檢測這個patch和周圍其他patch的相關(guān)性。這種相關(guān)性通過兩個patch間的平方差之和(SSD)來衡量，SSD值越小則相似性越高。

如果像素位于平滑圖像區(qū)域內(nèi)，周圍的patch都會非常相似。如果像素在邊緣上，則周圍的patch在與邊緣正交的方向上會有很大差異，在與邊緣平行的方向上則較為相似。而如果像素是各個方向上都有變化的特征點，則周圍所有的patch都不會很相似。

Moravec會計算每個像素patch和周圍patch的SSD最小值作為強度值，取局部強度最大的點作為特征點。

1.3 實習步驟以及代碼分析：

步驟流程圖如下：

程序?qū)崿F(xiàn)以及相關(guān)關(guān)鍵代碼：

voidCMy2010302590183cylView::OnMoravec()//讀取圖像以及相關(guān)算法 { //TODO:Addyourcommandhandlercodehere CMmoravecDlgdlg;dlg.DoModal();CMy2010302590183cylDoc*pDoc=GetDocument();LPSTRm_pDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->hdib);//得到句柄內(nèi)存起始地址存放位圖數(shù)據(jù)hdib句柄變量存放BMP位圖 ::GlobalUnlock((HGLOBAL)pDoc->hdib);LPBITMAPINFOm_pBMP;//指向BITMAPINFO結(jié)構(gòu)的指針

m_pBMP=(LPBITMAPINFO)::GlobalLock(pDoc->hdib);//獲取指向BITMAPINFO結(jié)構(gòu)的指針

::GlobalUnlock((HGLOBAL)pDoc->hdib);intBitCount=m_pBMP->bmiHeader.biBitCount;DWORDWidth=::DIBWidth(m_pDIB);//獲取位圖寬 DWORDHeight=::DIBHeight(m_pDIB);//獲取位圖高

LPBYTElpData=(LPBYTE)::FindDIBBits(m_pDIB);//定義字符指針變量,原位圖指針

intWidthBytes=WIDTHBYTES(Width*BitCount);//獲取字節(jié) DWORDpixelCount=WidthBytes*Height;

intck1=dlg.c1;intck2=dlg.c2;doubleyz=dlg.m_yuzhi;DWORDr,c;INTh;double*xx=newdouble[Width*Height];intk;k=INT(ck1/2);for(r=ck1/2;r

for(c=ck1/2;c

{

doublemin,v[4]={0.0};

for(h=0;h<=ck1-1;h++)

{

v[0]+=pow((double)(*((BYTE*)(lpData+r*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r)*WidthBytes+(c-k+1+h)))),2);//0°方向

v[1]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c+k-h)))-*((BYTE*)(lpData+(r-k+h+1)*WidthBytes+(c+k-h-1)))),2);//45°方向

v[2]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c)))),2);//90°方向

v[3]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c-k+h+1)))),2);//135°方向

}

min=min(min(min(v[0],v[1]),v[2]),v[3]);//求出v1,v2,v3,v4中的最小值

if(min>yz)

xx[r*Width+c]=min;

} bool*bMatrix=newbool[Width*Height];memset(bMatrix,0,Width*Height*sizeof(bool));DWORDx,y;doublemax2;boolb=false;inttempX(0),tempY(0);for(x=ck2/2;x

for(y=ck2/2;y

{

max2=0;

for(DWORDm=(x-ck2/2);m<(x+ck2/2);m++)

{

for(DWORDn=(y-ck2/2);n<(y+ck2/2);n++)

if(xx[m*Width+n]>max2)

{

max2=xx[m*Width+n];

tempY=m;

tempX=n;

b=true;

}

}

if(b)

{ bMatrix[tempY*Width+tempX]=1;}

} }

intsum=0;//特征點總數(shù)

for(DWORDi=0;i

for(DWORDj=0;j

{

if(bMatrix[i*Width+j])

{

*((BYTE*)(lpData+i*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+1))=0;

*((BYTE*)(lpData+i*WidthBytes+j-1))=0;

*((BYTE*)(lpData+(i+1)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-1)*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+2))=0;

*((BYTE*)(lpData+i*WidthBytes+j-2))=0;

*((BYTE*)(lpData+(i+2)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-2)*WidthBytes+j))=0;

sum++;

}

} if(sum<4000)

{

CStringstrInfo;

strInfo.Format(“特征點數(shù)%dn”,sum);

MessageBox(strInfo,“提示”,MB_OK);

}

else

{

CStringstrInfo;

strInfo.Format(“特征點數(shù)較多，請設置合理參數(shù)”);

MessageBox(strInfo,“提示”,MB_OK);

}

Invalidate();} 1.4 結(jié)果分析：

按照提示，對老師所給數(shù)據(jù)進行分析，當窗口大小設置為5*5,，閾值設置為5000的時候，對右核線影像進行分析，得到特征點43個，同時圖像分析，得出如下結(jié)果：

調(diào)整閾值和窗口大小，程序能夠正常運行，且經(jīng)過測試，結(jié)果精確度有較好的保證。

實習二：邊緣提取算法

2.1 實習目的：

熟悉Matlab環(huán)境下的編程，熟悉邊緣提取算法。

2.2 實習原理：

Sobel算子實現(xiàn)思路如下：對輸入圖像分別使用水平和垂直模板做卷積計算，對得到的兩個處理結(jié)果求平方和，該平方和與閾值的平方比較。只有當某點的兩種卷積的平方大于閾值的平方，且水平占優(yōu)（水平模板卷積結(jié)果大于垂直模板卷積的結(jié)果，且該點的卷積平方大于其左右兩點的卷積平方和）或者垂直占優(yōu)（垂直模板卷積的結(jié)果大于水平模板卷積的結(jié)果，且該點的卷積平方和大于其上下兩點的卷積平方和）時，該點的輸出結(jié)果為255，否則為0。輸出的結(jié)果為二值圖像。第一行和最后一行本來就是圖像邊界，不包括可用信息，因此相應的輸出為0，按照這個思路課題編寫了相應的Sobel算子實現(xiàn)程序

2.3 實習步驟以及代碼：

2.4 結(jié)果分析：

原圖像 sobel邊緣提取

實習總結(jié)

本次實習過程中，根據(jù)自身實際情況，我選擇使用vc環(huán)境下的編程完成實習，而沒有采用Matlab環(huán)境下的編程。在實習過程中，我熟悉了sobel算法以及Moravec算子，在程序調(diào)試的過程中，我認識到任何算法都有其局限性，比如說本次實習過程中，sobel算子的邊緣提取就將許多的噪音提取了出來，導致邊緣特征提取的不準確性。本次實習讓我認識到了編程能力的重要性，學會編寫基本的代碼來實現(xiàn)基本的算法，能讓我們擺脫軟件已有算法的束縛，更多的按照需要來實現(xiàn)一些步驟。

總體來說，本次實習還是很成功的，讓我認識到，在以后的學習生活中,我認識到,應該把理論和實踐結(jié)合起來,多鍛煉自己的動手能力,好好把握住每一次實習的機會.

第五篇：數(shù)字攝影測量實習報告

實習報 告

實習名稱： 班 姓 級: 名: 數(shù)字攝影測量實習09 測繪一班 劉勝 實驗室 x5504 實習地點：

實習指導教師: 龔濤 實習時間： XX.9XX.10 西南交大地學學院

： 一 lps 簡述

lps 工程管理器是一個基于 windows 的綜合數(shù)字攝影測量軟件包，可 以對來 自不同類型的航空遙感相機及衛(wèi)星傳感器的圖像進行快速和精確地 三角測量和 正射校正，與傳統(tǒng)的三角測量和正射校正相比，可以極大的減少費用 和時間可 以處理各種各樣的圖像數(shù)據(jù)，諸如來自不同的攝影相機、不同的衛(wèi)星 傳感器、不同的航空 gps 數(shù)據(jù)等，處理過程涉及很多不同類型的幾何模型。

二、數(shù)字攝影測量處理過程 1 創(chuàng)建 lps 工程文件 2 向 lps 工程加載圖像 3 刺點 自動量測圖像同名點 5 執(zhí)行航空三角測量 dtm+等高線 dtm+等高線 6 圖像正攝校正處理 處理前 處理后 控制點坐標

三、lps 數(shù)字攝影測量系統(tǒng)的應用 leica photogrammetry suitelps 是徠卡公司最新推出的數(shù)字攝影測量及遙 感處理軟件系列。lps 為影像處理及攝影測量提供了高精度及高效能的生產(chǎn)工 具、它可以處理各種航天(最常用的包括衛(wèi)星影像 quickbird、ikonos、spot5 及 landsat 等等)及航空(掃描航片、ads40 數(shù)字影像)的各類傳感器影像定向 及空三加密，處理各種數(shù)字影像格式，黑/白、彩色、多光譜及高光譜等各類數(shù)

字影像。lps 的應用還包括矢量數(shù)據(jù)采集、數(shù)字地模生成、正射影像鑲嵌及遙感 處理，它是第一套集遙感與攝影測量在單一工作平臺的軟件系列。lps 制作 dom 的全過程如下： lps 數(shù)字攝影測量系統(tǒng)制作 dom 具體制作過程如下： 首先創(chuàng)建工程文件，選擇相機類型，設置投影參數(shù)，輸入相片參數(shù)，創(chuàng)建相 機參數(shù)，導入外方為元素;其次數(shù)據(jù)處理，內(nèi)定向，人工選擇一個點后，自動完 成內(nèi)定向。建立金字塔影像，加載控制點文件，并在圖上刺出相應的點!一般說 來，選擇 6 個均勻分布的點作為控制點，其他的設為檢查點。同名點自動匹配，三角測量，直接進行空三解算，再接著生成 tin 數(shù)據(jù);最后制作正攝影像，正 射影像拼接。拼接結(jié)束后，一般還要對影像進行勻光，消除接邊縫隙等操作!1)、創(chuàng)建 lps 工程文件 2)、向 lps 工程加載圖像 3)、定義數(shù)碼相機幾何模型 4)、自動量測圖像同名點、執(zhí)行航空三角測量 5)6)、圖像正射校正處理

四、實習基本情況 1)、erdas imagine 9.2 遙感圖像處理系統(tǒng)和數(shù)字攝影工作站上操作 2)、實習時間：第二教學周到第五教學周、上機時間：周一下午第二講課 3：50-6：15 3)4)、上機地點：x5504 地理信息系

統(tǒng)實驗室 由于我們在航空攝影測量時采用的是 canno d450 數(shù)碼相機，所以在圖像處 理的時候稍不同于攝影圖像。而且，因為在課程設計的前期階段，由于測控制點 的小組還沒有完成控制點的量測和刺點工作，還有編程小組也還沒有編程計算出 像片的內(nèi)方位元素和外方位元素，所以我們 lps 圖像處理小組暫時也還不能用 我們的實驗數(shù)據(jù)進行處理。所以我們目前只是用 erdas imagine 自帶的練習數(shù)據(jù)進行練習，然后將練習數(shù)據(jù)相片的信息給編程小組的成員檢驗他們的程序是 否正確。并且在整個課程設計的過程中，我們圖像處理小組要根據(jù)使用練習數(shù)據(jù) 得到的信息指導整個小組的工作。

五、實習體會

經(jīng)過一個月的實習對我來講收獲是非常大的，也產(chǎn)生了非常多的體會。內(nèi)業(yè)數(shù)據(jù)處理是一種重復性的勞動，需要耐心，仔細，這樣才能做好!通過實習，對以后的工作有了一定感性的認識，基本清楚了將來的工作內(nèi)容，認識到現(xiàn)在應 該充分利用空余時間，多接觸專業(yè)軟件，方便以后工作。這次實習給我最大的體 會是測繪產(chǎn)品的生產(chǎn)是一項非常繁瑣而細致的工作，作為一名測繪工作者，不僅 應該有嫻熟的操作技能，而且應該有著負責而平和的心態(tài)，立志于將畢身精力獻 給國家的測繪事業(yè)。我覺得要想成為一名優(yōu)秀的測繪工作者，不僅要把測繪當成 一門學科來學習，更要把它當成一種技能來熟悉掌握。同時本次實習對我本人的 動手能力也有很大提高。本次實習還讓我第一次感受了測繪部門的生產(chǎn)環(huán)境，這 對我也是一種激勵，它促使我以后要更加認真地學習專業(yè)知識，掌握各種技能。要想在任何一個行業(yè)里面有所作為的話都必須付出辛勤的勞動和汗水。只有能過 努力學習才能成為一名好的測繪工作者。一份耕耘一分收獲!，這應該成為我 們今后工作的座右銘。大學即將要結(jié)束了，我們也將步入新的人生崗位中在此，對在本次實習當中對我們進行細致輔導的老師表示極大的感謝和敬意，是你們耐 心的教誨和和善的態(tài)度讓我們親身感受并學會了攝影測量的過程，這對我們以后 的工作以及人生將會產(chǎn)生深遠的影響。總而言之，這次實習對我學習數(shù)字攝影測量有很大幫助，可以說對我以后 工作也有很大幫助，這次實習在一次次失敗后經(jīng)過總結(jié)與堅持后成功的，可謂累 并快樂著，讓我記憶深刻，對外受益匪淺。希望以后能進行更多類似方面的實習。