數(shù)字?jǐn)z影測量學(xué)復(fù)習(xí)

1、數(shù)字?jǐn)z影測量學(xué)緒論兩個(gè)根本關(guān)系：幾何關(guān)系、對(duì)應(yīng)性關(guān)系 劃分?jǐn)z影測量開展階段的根本依據(jù)是他們處理兩種關(guān)系的方式數(shù)據(jù)獲取技術(shù)開展航空數(shù)碼成像；衛(wèi)星成像；POS;LiDAR;SAR低空攝影測量；移動(dòng)測量系統(tǒng) 理論開展 滅點(diǎn)理論；廣義點(diǎn)理論；多基線立體；影像匹配理論開展；目標(biāo)自動(dòng)識(shí)別應(yīng)用開展 滅點(diǎn)應(yīng)用實(shí)踐；廣義點(diǎn)攝影測量的應(yīng)用；數(shù)碼城市建模；數(shù)據(jù)處理新算法數(shù)字影像獲取與處理 4-9 節(jié)2.4 、數(shù)字航攝儀線陣： ADS40、ADS80、TLS、JAS面陣： DMC、UCD、A3、SWDC、POSPOS=GPS+IMU用于在無地面控制或少量地面控制情況下航空遙感對(duì)地定位和影像獲取差分GPS獲取高精度位置

2、測量數(shù)據(jù)INS 輸出高采樣率的位置數(shù)據(jù)，高精度的姿態(tài)數(shù)據(jù)2.6 、LiDAR快速獲取精確的高分辨率DSM以及地面物體的三維坐標(biāo)2.7 、航天數(shù)字影像獲取系統(tǒng)及特點(diǎn)特點(diǎn)：高分辨率，線陣式CCD采用有理函數(shù)模型、立體成像、定位精度高提供高分辨率的全色、多光譜、高動(dòng)態(tài)范圍和高信噪比的影像、多景影像主要問題：云量和雪量問題；獲得與傳統(tǒng)航片一樣的制圖精度比擬困難2.8 、 SAR一般是側(cè)視成像，是一種高分辨率相干成像系統(tǒng)；斜距投影 主要存在斑點(diǎn)噪聲、斜距影像的近距離壓縮、透視收縮、疊掩、陰影及地形 起伏引起的像點(diǎn)位移等幾方面的問題、傾斜攝影測量特點(diǎn)：反映地物周邊真實(shí)情況、可實(shí)現(xiàn)單張影像量測、建筑物側(cè)面紋

3、理可采集、數(shù)據(jù)量小易于網(wǎng)絡(luò)發(fā)布三、攝影測量解析方法 1-6 節(jié) 背景：近景攝影測量中，常常采用大角度大重疊度的攝影方式，外方位元素 中存在大的旋轉(zhuǎn)角，相鄰攝站點(diǎn)之間存在較大的位置差異，初值很難獲取。 經(jīng)典歐拉角方法不再適用。需要不依賴位置與姿態(tài)初始值的解析方法。、空間前方交會(huì)在前方交會(huì)中， 有效可靠地描述兩坐標(biāo)系之間的旋轉(zhuǎn)關(guān)系是解決問題的關(guān)鍵。 描述旋轉(zhuǎn)的常用形式：歐拉角、正交旋轉(zhuǎn)矩陣、四元數(shù)歐拉角：能明確表示旋轉(zhuǎn)矩陣R的幾何意義，但需要較好的位置和姿態(tài)初值。方向余弦法方案：將9個(gè)方向余弦值作為待求參數(shù)，參與平差解算。 R中只有3個(gè)獨(dú)立 元素，其余 6 個(gè)參數(shù)可以根據(jù) 6 個(gè)正交條件推得。因此

4、可根據(jù) 6個(gè)正交條件 建立 6 個(gè)條件方程，按附有條件的間接平差直接解算未知參數(shù)。優(yōu)點(diǎn)：不要求初值，防止了三角函數(shù)的計(jì)算和歐拉角方法中因旋轉(zhuǎn)角定義不 同而導(dǎo)致的公式不同所帶來的不便，收斂速度快。四元數(shù)幾何意義：代表了一個(gè)轉(zhuǎn)動(dòng)，可同時(shí)確定剛體的位置和姿態(tài)。方案: 旋轉(zhuǎn)矩陣用四元數(shù)表示， 只有一個(gè)約束條件， 同樣據(jù)此可建立附有限制 條件的間接平常模型解求未知參數(shù)優(yōu)點(diǎn)：和方向余弦法一致 缺點(diǎn)：較差的初值，收斂情況不如方向余弦法；都能正確收斂時(shí)，收斂次數(shù) 相當(dāng)，而方向余弦法計(jì)算結(jié)果更接近于經(jīng)典歐拉角方法。Givens 變換：用正交變換解最小二乘問題， 數(shù)值穩(wěn)定性和解的精度往往優(yōu)于 組成法方程組的方法。

5、當(dāng)法方程組病態(tài)時(shí)尤其如此。3.2 、相對(duì)定向原理：共面方程 完成標(biāo)志：上下視差為 0。連續(xù)法相對(duì)定向元素：以左像空間坐標(biāo)系為根底，右像片相對(duì)于左像片的相 對(duì)方位元素稱為 。單獨(dú)法相對(duì)定向兀素：在以左攝影中心為原點(diǎn)、左主核面為XZ平面、攝影基 線為X軸的右手空間直角坐標(biāo)系中，左右像片的相對(duì)方位元素稱為。大角度相對(duì)定向：經(jīng)典方法卩、v的假設(shè)不合理；迭代難以收斂。 基于方向余弦和四元數(shù)的連續(xù)相對(duì)定向均需考慮基線長度的約束條件。相對(duì)定向迭代解法： 一般是在影像的內(nèi)方位和姿態(tài)的近似值為時(shí)被應(yīng)用。 相對(duì)定向直接解法：當(dāng)內(nèi)方位、姿態(tài)均為未知時(shí)采用。原理：展開共面方程，將所有未知元素合并用系數(shù) L表示。利用8

6、對(duì)以上同 名點(diǎn)，解算其中8個(gè)未知數(shù)。再由這8個(gè)系數(shù)求得連續(xù)像對(duì)的相對(duì)定向元素。注：反求過程首先假定BX；檢驗(yàn)| © |< n 12 , | 3 |< n 12以舍去不符合的解。3.3、核線幾何關(guān)系解析與核線排列確定同名核線的兩種方法：基于數(shù)字影像的幾何糾正；基于共面條件極線幾何：描述兩張像片之間的內(nèi)部投影幾何關(guān)系 由根本矩陣來表達(dá)，與 場景結(jié)構(gòu)無關(guān)，由攝像機(jī)內(nèi)方位元素和像對(duì)的相對(duì)姿態(tài)唯一確定。極線幾何實(shí)質(zhì)：以攝影基線為軸的平面束與像平面的交線構(gòu)成的幾何關(guān)系 根本矩陣應(yīng)用：立體匹配時(shí)尋找同名點(diǎn)；粗差點(diǎn)剔除。說明匹配點(diǎn)應(yīng)遵循的核線約束方程，反過來，也可以通過兩幅圖像之間的 匹

7、配點(diǎn)恢復(fù)出根底矩陣F。利用相對(duì)定向直接解法進(jìn)行核線排列核線的重排列：直接在傾斜像片上獲取核線影像；在水平像片獲取核線影像3.4數(shù)碼相機(jī)檢校相機(jī)檢校：影像進(jìn)行高精度量測前，相機(jī)進(jìn)行畸變差的測定和補(bǔ)償，同時(shí)測 定出相機(jī)主距和像主點(diǎn)坐標(biāo)等參數(shù)的過程。光學(xué)畸變差：相機(jī)物鏡系統(tǒng)設(shè)計(jì)、制作和裝配所引起的像點(diǎn)偏離其理想位置 的點(diǎn)位誤差。分為徑向畸變、偏心畸變、薄棱鏡畸變檢校方法：光束法平差、張正友平面網(wǎng)格法、二維 DLT3.5、直線攝影測量 以線狀特征為觀測值，列立共面條件方程。 在統(tǒng)一坐標(biāo)系下像方、物方建立條件平差模型。 不要求點(diǎn)與點(diǎn)之間嚴(yán)格對(duì)應(yīng)，只要求點(diǎn)集對(duì)應(yīng)。適用于框幅式中心投影。每條控制直線列兩個(gè)獨(dú)

8、立條件方程，求解外方位元素至少需三條非退化直線。 為了保持觀測值精度，應(yīng)選擇直線上相距較遠(yuǎn)的兩點(diǎn)或兩個(gè)端點(diǎn)最根本成像條件是：在統(tǒng)一的坐標(biāo)系下，地面上的直線地物與影像上對(duì)應(yīng)的 直線特征共面，而且該平面通過成像瞬間的投影中心 S。優(yōu)點(diǎn)：在物方空間，線特征提取相對(duì)較容易，并且大量的矢量地圖和移動(dòng)測圖系統(tǒng) 也提供了越來越多線狀特征；增加線特征將增加平差計(jì)算的觀測值冗余度和幾何約束條件，直線攝影測量可以取得和常規(guī)攝影測量同樣高的精度和可靠性，甚至?xí)?，且為觀測值的自動(dòng)量測提供了方向；同名直線上的點(diǎn)不要求一一對(duì)應(yīng)，不要求同名線段，只要求同名直線；直線特征與物方特征的關(guān)系十分密切；在處理帶有遮掩和不確定信

9、息的情況下，直線特征具有點(diǎn)特征所沒有的優(yōu)點(diǎn)3.6、廣義點(diǎn)攝影測量根本思想：從對(duì)物理意義上的點(diǎn)列共線條件方程，變成對(duì)數(shù)學(xué)意義上的點(diǎn)列 共線條件方程，區(qū)別在于特征線上的點(diǎn)數(shù)學(xué)意義根據(jù)方向只列一個(gè)關(guān)于 x或y的條件方程?？蓪⒏鞣N特征的條件方程變?yōu)榻y(tǒng)一的形式：共線方程， 進(jìn)而統(tǒng)一的平差。優(yōu)點(diǎn)：各種特征統(tǒng)一平差，適用于各種遙感影像包括線陣 CCD?；谥本€：將像方直線上的點(diǎn)到物方直線投影到像方的直線的距離作為殘差。 像點(diǎn)坐標(biāo)由物方直線上一點(diǎn)投影到像方的坐標(biāo)和像方直線共同確定實(shí)際上根據(jù)直線方向選擇殘差形式 x或y基于曲線：未知物方曲線函數(shù)參數(shù)，可與外方位元素同時(shí)求解；情況， 可將曲線方程代入共線方程求解基

10、于復(fù)雜曲線：折線代替曲線；首先用本次迭代的外方位元素的初值計(jì)算對(duì) 應(yīng)的影像坐標(biāo)，然后在像方標(biāo)號(hào)對(duì)應(yīng)線段及其前后幾個(gè)線段中遍歷，找出距 離該投影點(diǎn)最近的一個(gè)線段，以此作為對(duì)應(yīng)像方線段，按照前面表達(dá)的直線 的誤差方程式列出該地面點(diǎn)的誤差方程式。一個(gè)點(diǎn)列一個(gè)誤差方程，一條直線列兩個(gè)，一個(gè)圓列n個(gè)四、影像特征量測定義：利用一定的算法對(duì)影像上的點(diǎn)、線等特征進(jìn)行識(shí)別、提取并精確量測 其坐標(biāo)的過程。4.1、影像特征與信息量影像特征：由于景物的物理與幾何特性使影像中局部區(qū)域的灰度產(chǎn)生明顯變 化而形成。影像的熵：影像信息量的度量四種熵：Shannon-Wiener熵、條件熵、平方熵與立方熵11Shannon-W

11、iener 熵：'-對(duì)于均勻分布的灰度其熵最大；熵可用于影像編碼；局部熵反映影像的特征 是否存在，具有輻射失真不變性，對(duì)噪聲不敏感。可以用局部熵來檢測特征，或用各種梯度或差分算子提取特征4.2、點(diǎn)特征提取點(diǎn)特征：主要指影像上的明顯點(diǎn)，如圓點(diǎn)、角點(diǎn)等Moravec 算子： 在四個(gè)主要方向上，選擇具有最大最小灰度方差的點(diǎn)作為特征點(diǎn) 過程：計(jì)算興趣值 -> 選擇候選點(diǎn) -> 抑制局部非最大 缺點(diǎn)：差分近似偏導(dǎo)數(shù)只考慮極小值，易受噪聲影響。Harris 算子： 圖像中某一像素點(diǎn)的自相關(guān)矩陣，其特征值是自相關(guān)函數(shù)的一階曲率，如果 X、丫兩個(gè)方向上的曲率值都高，那么就認(rèn)為該點(diǎn)是角點(diǎn)。過

12、程：計(jì)算梯度-> 高斯濾波-> 計(jì)算M響應(yīng)值-> 非極大值抑制 增大k值，將減小角點(diǎn)響應(yīng)值 R,降低角點(diǎn)檢測的靈敏度，減小被檢測角點(diǎn) 的數(shù)量； 優(yōu)缺點(diǎn)：只用到一階導(dǎo)數(shù)，不涉及閾值，計(jì)算簡單，自動(dòng)化程度高，提取的 點(diǎn)特征均勻、合理而且穩(wěn)定。但影像尺度改變其特征也會(huì)跟著改變。F o rstner 算子：計(jì)算各像素的Robert' s梯度和像素c, r為中心的一個(gè)窗口的灰度協(xié)方 差矩陣，在影像中尋找具有盡可能小而接近圓的誤差橢圓的點(diǎn)作為特征點(diǎn)。 過程：計(jì)算Robert' s梯度->灰度協(xié)方差陣->q誤差橢圓圓度、w權(quán)值 -> 確定待選點(diǎn) ->

13、 選擇極值點(diǎn) 可首先用一簡單的差分算子提取初選點(diǎn)，然后采用 Fo rstner 算子在 3*3 窗 口計(jì)算興趣值，并選擇備選點(diǎn)最后提取的極值點(diǎn)為特征點(diǎn)。優(yōu)點(diǎn)：能給出特征點(diǎn)的類型且精度較高， 同時(shí)對(duì)影像亮度和比照度變化敏感； 復(fù)雜性：Moravec算子< Harris 算子< FO rstner算子SUSAI算子：提取角點(diǎn)及邊緣特征同化核同值區(qū)：在圖像上設(shè)置一個(gè)移動(dòng)的圓形模板，假設(shè)模板內(nèi)的像素灰度 與模板中心的像素差值小于給定的閾值，那么認(rèn)為該點(diǎn)與中心點(diǎn)是同值的，由 滿足這樣條件的像素組成的區(qū)域叫做 。在一幅圖像中搜索圖像角點(diǎn)或邊緣點(diǎn)，就是搜索SUSAN最小小于一定值的點(diǎn)，即搜索最小

14、化同化核同值區(qū)。閾值越小，可從比照度越低的圖像中提取特征。 過程：確定掩膜核->掩膜2維遍歷->形成角點(diǎn)強(qiáng)度圖像 ->去除偽點(diǎn)->抑制局 部非最大優(yōu)點(diǎn)：無需梯度運(yùn)算，具有積分特征、良好的定位能力 在紋理信息豐富的區(qū)域，SUSAN算子對(duì)明顯角點(diǎn)提取的能力較強(qiáng)；在紋理相 近處， Harris 算子提取角點(diǎn)的能力較強(qiáng)。4.3 、線特征提取線特征：影像的“邊緣與“線邊緣： 影像局部區(qū)域特征不相同的那些區(qū)域間的分界線線： 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(duì) 距離很小的一對(duì)邊緣構(gòu)成一條線 ; 線特征提取算子通常也稱邊緣檢測算子 一階差分算子中假設(shè)卷積值大于閾值，二階

15、差分算子假設(shè)卷積值過零點(diǎn) 那么模板中心點(diǎn)對(duì)應(yīng)像素就是邊緣點(diǎn)LSD算子根本思想：首先利用高斯模板對(duì)原始圖像進(jìn)行去噪處理，然后計(jì)算每個(gè)像素 的梯度幅值和梯度方向，并對(duì)梯度幅值進(jìn)行排序，按照梯度幅值的順序，通 過迭代方法將具有梯度方向相似性的像素劃分為具有同一梯度方向的像素 區(qū)域，最后利用矩形結(jié)構(gòu)逼近這些相同梯度方向的區(qū)域，取矩形結(jié)構(gòu)的中心 線作為該區(qū)域線段特征。過程：梯度幅值和梯度方向估計(jì)-直線支撐區(qū)域生成-矩形逼近直線支撐區(qū) 域- 直線檢測優(yōu)點(diǎn)：實(shí)時(shí)性、準(zhǔn)確性、魯棒性，計(jì)算效率高，不需過多設(shè)置參數(shù)，能控制 虛假直線、面特征提取影像分割是提取面特征的主要手段圖像分割算法大致分為三類基于閾值：計(jì)算量

16、小、易于實(shí)現(xiàn)，但未考慮空間特征，抗噪性差；基于邊緣：抗噪性和檢測精度難以兼顧基于區(qū)域：區(qū)域生長、分裂合并、分水嶺分割、空間自相關(guān)遙感影像分割的難點(diǎn)：數(shù)據(jù)量明顯增加；同物異譜；尺度依賴性強(qiáng)4.5、圓點(diǎn)特征定位Wong-Trinder圓點(diǎn)定位算子根本思想：利用二值圖像重心對(duì)圓點(diǎn)進(jìn)行定位。首先將窗口中的影像二值化， 再計(jì)算目標(biāo)重心坐標(biāo)x, y與圓度r.當(dāng)r小于閾值時(shí)，目標(biāo)不是圓；否 那么圓心為x,y。閾值取最小灰度值與平均灰度值和的一半。受二值化影響，誤差可達(dá)素。用原始圖像灰度作為權(quán)進(jìn)行改進(jìn)，理想情況下，定位精度可達(dá)。橢圓擬合法根本思想：首先用邊緣檢測算子對(duì)橢圓邊緣進(jìn)行粗定位，然后剔除粗差，再 對(duì)像

17、素級(jí)邊緣點(diǎn)進(jìn)行亞像素邊緣檢測得到亞像素精度的邊緣點(diǎn)，最后對(duì)提取的標(biāo)志邊緣點(diǎn)進(jìn)行橢圓最小二乘擬合，從而確定標(biāo)志中心的精確位置。定位精度約為像素、角點(diǎn)特征定位F o rstner定位算子特點(diǎn)：速度快、精度較高 步驟：最正確窗口選擇 -> 在最正確窗口內(nèi)加權(quán)重心化 以原點(diǎn)到窗口內(nèi)邊緣直線的距離為觀測值，梯度模之平方為權(quán) , 列誤差方程高精度角點(diǎn)與直線定位算子 一維理想邊緣的成像為刀刃曲線 ; 梯度與系統(tǒng)的線擴(kuò)散函數(shù)成正比。 平差模型采用梯度的模為觀測值。 因?yàn)樘荻确较虼嬷本€方向存在不容無視 的誤差，Hough變換等使用梯度方向的方法不可能到達(dá)很高的精度。 過程：確定窗口粗定位 -> 列

18、誤差方程梯度模為觀測值 -> 確定直線參 數(shù)初值Hough變換-> 剔除粗差選權(quán)迭代->計(jì)算角點(diǎn)-> 評(píng)估精度五、基于灰度的影像匹配概述， 3、 4 節(jié) 匹配：在不同數(shù)據(jù)集合之間建立對(duì)應(yīng)或相關(guān)關(guān)系 影像匹配：在影像間建立對(duì)應(yīng)關(guān)系 , 實(shí)質(zhì) : 在兩幅或多幅影像之間識(shí)別同名點(diǎn) 配準(zhǔn) : 在遙感影像和地圖間建立對(duì)應(yīng)關(guān)系 數(shù)字影像匹配：在兩張或多張數(shù)字影像的要素之間自動(dòng)建立對(duì)應(yīng)關(guān)系，這些 影像是或至少局部是對(duì)同一場景在不同位置或不同時(shí)刻的成像。 要素：是數(shù)字影像中的點(diǎn)即像素 ，也可以是數(shù)字影像中提取的其它特征、數(shù)字影像匹配根底 理論根底：相關(guān)函數(shù) 四類遙感影像配準(zhǔn)：不同主點(diǎn)、

19、不同時(shí)期、不同傳感器、場景到模型 需考慮：幾何變形類型、輻射變形類型、噪音干擾、匹配精度、應(yīng)用類型等5.2 、基于灰度影像匹配 定義：以影像上局部范圍內(nèi)的灰度值及其分布作為匹配實(shí)體 或比擬要素， 通過計(jì)算匹配實(shí)體之間的相似性測度尋找共軛實(shí)體的影像匹配方法 相似性測度代價(jià)函數(shù) 距離型：差平方和、差絕對(duì)值 方向型：相關(guān)函數(shù)、協(xié)方差函數(shù)中心化 夾角型：相關(guān)系數(shù)標(biāo)準(zhǔn)化局限性：窗口形狀、窗口影像內(nèi)容、影像強(qiáng)度的變化5.3、VLL法定義：直接確定物體外表點(diǎn)空間三維坐標(biāo)的影像匹配方法鉛垂線軌跡法影像匹配 過程：給定地面點(diǎn)的平面坐標(biāo)，與近似最低高程。從最低高程出發(fā)，計(jì)算像 點(diǎn)坐標(biāo)、相關(guān)系數(shù)，按步長搜索 乙使相

20、關(guān)系數(shù)最大。可用拋物線擬合法或減小步長增加精度基于物方的多視影像匹配過程 : 確定過目標(biāo)點(diǎn)的光線 S0p0, 根據(jù)目標(biāo)點(diǎn)初始高程和誤差， 確定高程搜索 范圍，根據(jù)精度要求確定步長。計(jì)算物方坐標(biāo)，像點(diǎn)坐標(biāo)， n 幅待匹配影像 窗口與目標(biāo)影像窗口的相關(guān)系數(shù) , 按步長搜索 Z 使相關(guān)系數(shù)和最大。5.4 、最小二乘影像匹配 根本思想：依據(jù)目標(biāo)窗口影像的灰度值分布，以搜索窗口的中心位置和形狀 作為待定參數(shù)， 通過極小化目標(biāo)窗口與搜索窗口的影像灰度值差的平方和來 估計(jì)待定參數(shù)值，從而確定同名點(diǎn)。特點(diǎn)：考慮輻射畸變、幾何畸變，搜索窗口的形狀是不斷變化的優(yōu)點(diǎn)：模型化幾何變換、精度高、符合誤差傳播定律 不僅可

21、以被用于一般的數(shù)字地面模型獲取、正射影像生成，而且可以用于控 制點(diǎn)的加密空中三角測量及工業(yè)上的高精度測量 可以引入各種參數(shù)和條件，進(jìn)行整體平差；可以引入粗差檢測 可以求單點(diǎn)視差、空間坐標(biāo)，同時(shí)求待定點(diǎn)坐標(biāo)與影像的方位元素 還可以解決多點(diǎn)、多片影像匹配缺點(diǎn)：要求相對(duì)精確的初值單點(diǎn)最小二乘： 過程：迭代進(jìn)行匹配，計(jì)算改正值、變形參數(shù)，幾何畸變改正、重采樣，輻 射畸變改正，計(jì)算相關(guān)系數(shù) 帶有共線條件的多片影像匹配 根本思想：將共線條件作為制約條件，最小二乘影像匹配與共線方程兩類誤 差方程聯(lián)合組成法方程式誤差方程式個(gè)數(shù)nx mix m+2n 未知數(shù)個(gè)數(shù)6X n+3VLL方式的最小二乘解物方空間點(diǎn)的平面

22、位置是固定的，當(dāng)高程改變時(shí)，目標(biāo)窗口和搜索窗口影像 都會(huì)改變。誤差方程式個(gè)數(shù) mxm 未知數(shù)個(gè)數(shù) 8 引入共線條件：誤差方程式個(gè)數(shù) mxm+4 未知數(shù)個(gè)數(shù) 8+1 多片影像匹配：誤差方程式個(gè)數(shù) nx mx m+2n+2未知數(shù)個(gè)數(shù)2+6X n+3 位置偏移向量a。、bo的估計(jì)精度由3個(gè)參數(shù)所決定：影像噪聲方差、窗口內(nèi)像素?cái)?shù)量 N、梯度圖像的方差和協(xié)方差六、基于特征的影像匹配 1-3 節(jié)、特征匹配概述特征匹配： 通過計(jì)算從影像中提取的特征屬性或描述參數(shù)之間的相似性測度 來實(shí)現(xiàn)配準(zhǔn)的影像匹配方法。具有整像素定位精度步驟：特征提取 -候選特征確實(shí)定 -變換參數(shù)估計(jì)或最終的特征對(duì)應(yīng)影像匹配策略 建立金字

23、塔多層數(shù)據(jù)結(jié)構(gòu)：先驗(yàn)視差未知，兩種情況確定層數(shù) 特征提?。悍旨?jí)，提取方式與目的相適應(yīng)，點(diǎn)的兩種分布方式 特征點(diǎn)的匹配：二維與一維匹配；匹配的備選點(diǎn)選擇方法；提取與匹配的順 序；匹配的準(zhǔn)那么；粗差的剔除、跨接法影像匹配 先進(jìn)行幾何改正再進(jìn)行特征匹配特征參數(shù)：三個(gè)特征點(diǎn)灰度梯度最大點(diǎn)、兩個(gè)突出點(diǎn)的像素號(hào)與 g過程：特征提取 ->構(gòu)成跨接法匹配窗口兩個(gè)特征連接 -> 跨接法影像匹配 計(jì)算目標(biāo)窗口與重采樣的匹配窗口的相關(guān)系數(shù)， 按最大相關(guān)系數(shù)的準(zhǔn)那么確定 同名特征。相對(duì)幾何變形改正并不要求重采樣后的搜索窗口的形狀與目標(biāo)窗口的形狀 完全相同。只要求長度相同、 SIFT 影像匹配 基于尺度空間

24、的、對(duì)圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的特征匹配 適用于具有幾何畸變、輻射畸變、空間分辨率不一致的影像優(yōu)點(diǎn)：1. SIFT特征是圖像的局部特征，對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性, 對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。2. 獨(dú)特性好，信息量豐富，可在海量特征數(shù)據(jù)庫中進(jìn)行快速、準(zhǔn)確的匹配3. 多量性，即使少數(shù)的幾個(gè)物體也可以產(chǎn)生大量 SIFT特征向量。4. 可擴(kuò)展性，可以很方便的與其它形式的特征向量進(jìn)行聯(lián)合。缺點(diǎn)：實(shí)時(shí)性不高、有時(shí)特征點(diǎn)少、對(duì)邊緣模糊的目標(biāo)無法準(zhǔn)確提取特征點(diǎn)SIFT特征提取1尺度空間的極值探測；高斯核是實(shí)現(xiàn)尺度變換的唯一線性變換核； 一幅二維圖像， 在不同尺度

25、下 的尺度空間表示可由圖像與高斯核卷積得到； 尺度空間因子越小：圖像被平滑的越少，相應(yīng)的尺度也就越小DOGT子：兩個(gè)不同尺度的高斯核的差分；LOG算子的近似2關(guān)鍵點(diǎn)的精確定位；通過擬合三維二次函數(shù)以精確確定關(guān)鍵點(diǎn)的位置； 目的：進(jìn)一步精化極值點(diǎn)在圖像尺度空間的位置 方法：對(duì)尺度空間函數(shù)進(jìn)行泰勒展開，求取函數(shù)極值進(jìn)行位置修正 同時(shí)去除低比照度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)3確定關(guān)鍵點(diǎn)的主方向；使SIFT算子具有旋轉(zhuǎn)不變性一個(gè)關(guān)鍵點(diǎn)可能會(huì)被指定具有多個(gè)方向4) 關(guān)鍵點(diǎn)的描述。對(duì)每個(gè)關(guān)鍵點(diǎn)使用4X4共16個(gè)種子點(diǎn)來描述；每個(gè)種子點(diǎn)有 8個(gè)方向 向量信息；這樣對(duì)于一個(gè)關(guān)鍵點(diǎn)就可以產(chǎn)生 128維的SIFT

26、特征向量。 長度歸一化可去除光照的影像SIFT特征匹配當(dāng)兩幅影像的 SIFT 特征向量生成后，采用關(guān)鍵點(diǎn)特征向量的歐式距離作為 兩幅影像中關(guān)鍵點(diǎn)的相似性判定度量。在目標(biāo)圖像中取出某個(gè)關(guān)鍵點(diǎn)， 并通過遍歷找出其與右影像中歐式距離最近 的前兩個(gè)關(guān)鍵點(diǎn)。 如果最近的距離與次近的距離比值少于某個(gè)閾值 經(jīng)驗(yàn)值， 那么接受這一對(duì)匹配點(diǎn)。降低閾值，可增加匹配點(diǎn)的正確率，但匹配點(diǎn)數(shù)同時(shí) 會(huì)減少。優(yōu)化： 尺度空間的層數(shù) 約束條件：唯一性約束、核線約束、視差范圍約束、互對(duì)應(yīng)約束 核線上特征點(diǎn)的快速查找：將影像劃分為格網(wǎng)，并記錄每一格網(wǎng)中的特征點(diǎn) 高維空間搜索的優(yōu)化算法：BBF算法、哈希表查找粗差剔除：RANSA算

27、法6.4、RANSA估計(jì) 思想：盡量用比擬少的點(diǎn)估計(jì)出模型，再用剩余點(diǎn)來檢驗(yàn)?zāi)Ｐ?。減輕了存在 嚴(yán)重錯(cuò)誤點(diǎn)時(shí)異常數(shù)據(jù)對(duì)模型參數(shù)估計(jì)的影響。根本假設(shè)：數(shù)據(jù)集中含有噪聲；給定一組正確的數(shù)據(jù)，存在可以計(jì)算出符合 這些數(shù)據(jù)的模型參數(shù)的方法基于RANSA算法的直線估計(jì) 隨機(jī)選擇兩點(diǎn)確定一條直線 l; 根據(jù)閾值 t ，確定與直線 l 的幾何距離小于 t 的數(shù)據(jù)點(diǎn)集 S(l) ，并稱它為直線 l 的一致集；重復(fù)假設(shè)干次隨機(jī)選擇，得到 n 條直線和相應(yīng)的一致集； 使用幾何距離，求最大一致集的最正確擬合直線，作為數(shù)據(jù)點(diǎn)的最正確匹配 直線。RANSA用于誤匹配剔除自動(dòng)提取兩幅圖像的特征點(diǎn)集，建立初始“匹配對(duì)集RAN

28、SA去除錯(cuò)誤匹配對(duì)由最大一致集即正確匹配對(duì)重新估計(jì)根本矩陣七、整體影像匹配 1-2 節(jié)整體影像匹配：考慮相容性、一致性、整體協(xié)調(diào)性，可以糾正或防止錯(cuò)誤的 結(jié)果，從而可以提高影像匹配的可靠性。算法：多點(diǎn)最小二乘影像匹配、松弛法影像匹配、動(dòng)態(tài)規(guī)劃影像匹配、人工神經(jīng)網(wǎng)絡(luò)影像匹配、半全局影像匹配等7.1 多點(diǎn)最小二乘影像匹配 定義：將有限元內(nèi)插法與最小二乘影像匹配相結(jié)合，直接解求規(guī)那么分布格網(wǎng) 上的視差或高程的整體影像匹配方法有限元法： 為解算一個(gè)函數(shù)， 有時(shí)需要把它分成為許多適當(dāng)大小的 “單元， 在每一個(gè)單元中用一個(gè)簡單的函數(shù)來近似的代表它。 對(duì)于曲面也可以用大量 的有限面積單元來趨近它，這就是 任

29、意一點(diǎn)的視差值可用其所在格網(wǎng)的 4 個(gè)頂點(diǎn)的視差值作雙線性內(nèi)插求得。 以視差為參數(shù)展開誤差方程； 與起起視差外表平滑作用的虛擬誤差方程式聯(lián)合求解 優(yōu)點(diǎn)：不僅可以基于像方，也可基于物方；可同時(shí)確定地形特征線。缺點(diǎn)：即使采用多級(jí)數(shù)據(jù)結(jié)構(gòu)，收斂速度也很慢。7.2 、松弛法影像匹配 并行算法：對(duì)每個(gè)象素的處理是獨(dú)立的，不依賴于其他象素的處理結(jié)果； 效率高，但可能產(chǎn)生與鄰近的結(jié)果不協(xié)調(diào)和不合理的現(xiàn)象 串行算法：在處理某個(gè)像元時(shí)，須要考慮先前已處理過的鄰近點(diǎn)的結(jié)果； 在相關(guān)算法中引入了預(yù)測，減小了搜索范圍，減少了運(yùn)算工作量；在某種意 義上，還可以減少相關(guān)的粗差。但先前結(jié)果出錯(cuò)會(huì)影響后面的處理結(jié)果。松弛算法

30、：是一種并行和迭代的算法，在每一次迭代過程中，在每一點(diǎn)上的 處理是并行的，但是在下一次迭代過程，它將根據(jù)上次迭代過程中周圍點(diǎn)上 的處理結(jié)果來調(diào)整期結(jié)果。根本思想：在松弛法的每一次迭代計(jì)算過程中，它并不進(jìn)行絕對(duì)的分類，只是確定概率，每次迭代過程中求得 Pij 的增量，增量由相容系數(shù)決定 基于松弛法的整體影像匹配 影像匹配的實(shí)質(zhì)是確定左或右影像中某個(gè)目標(biāo)或像點(diǎn) j 在另一張影 像上的共軛目標(biāo)或像點(diǎn) i 的問題。假設(shè)將目標(biāo)點(diǎn) j 視為類別，而共軛備 選點(diǎn) i 的集合視為目標(biāo)，那么影像匹配問題可用松弛法來解決整體影像匹配過程 局部匹配：根據(jù)匹配窗口的影像信息，計(jì)算其相似性測度，給出候選匹配點(diǎn) 整體挑選

31、：根據(jù)挑選規(guī)那么從候選匹配點(diǎn)中選出最終的匹配結(jié)果 整體最正確：通過鄰域內(nèi)匹配點(diǎn)的兼容性來實(shí)現(xiàn)。好的匹配點(diǎn)獲得的鄰域支持強(qiáng)度較大， 壞的匹配點(diǎn)獲得的鄰域支持強(qiáng)度較小Q 1務(wù)wq的初始概率為硝=各削=i7f旬妁觀島A與M勺覘杜相容系數(shù)：通過鄰域內(nèi)匹配點(diǎn)的視差變化的一致性來確定數(shù)字微分糾正2-4節(jié)根本任務(wù)：實(shí)現(xiàn)兩個(gè)二維圖像之間的幾何變換定義：根據(jù)有關(guān)的參數(shù)與數(shù)字地面模型，利用相應(yīng)的構(gòu)像方程式，或按一定 的數(shù)學(xué)模型用控制點(diǎn)解算，從原始非正射數(shù)字影像獲取正射影像，將影像化 為很多微小的區(qū)域逐一進(jìn)行，且使用數(shù)字方式處理的過程 直接法：由原始像點(diǎn)求糾正后的相應(yīng)點(diǎn)坐標(biāo) 間接法：由糾正后的像素坐標(biāo)反求原始像點(diǎn) 框幅式中心投影影像的數(shù)字微分糾正間接法特點(diǎn)：糾正圖像上所得的點(diǎn)規(guī)那么排列，在規(guī)那么排列的灰度量測值中進(jìn) 行灰度內(nèi)插，適合于制作正射影像圖直接法特點(diǎn)：是一個(gè)迭代運(yùn)算過程；糾正圖像上所得的點(diǎn)非規(guī)那么排列，有的 像元可能“空白無像點(diǎn)，有的可能重復(fù)多個(gè)像點(diǎn)，難以實(shí)現(xiàn)灰度內(nèi) 插并獲得規(guī)那么排列的糾正數(shù)字影像處理過程1. 根據(jù)圖像的成像方式確定影像坐標(biāo)和地面坐標(biāo)之間的數(shù)學(xué)模型；2. 根據(jù)所采用的數(shù)學(xué)模型確定糾正公式；3. 根據(jù)地面控制點(diǎn)