《数字摄影测量学复习》由会员分享，可在线阅读，更多相关《数字摄影测量学复习（13页珍藏版）》请在金锄头文库上搜索。
1、数字摄影测量学一、 绪论两个基本关系：几何关系、对应性关系划分摄影测量发展阶段的根本依据是他们处理两种关系的方式数据获取技术发展航空数码成像；卫星成像；POS;LiDAR;SAR;低空摄影测量；移动测量系统理论发展灭点理论；广义点理论；多基线立体；影像匹配理论发展；目标自动识别应用发展灭点应用实践；广义点摄影测量的应用；数码城市建模；数据处理新算法二、 数字影像获取与处理（4-9节）2.4、数字航摄仪线阵：ADS40、ADS80、TLS、JAS面阵：DMC、UCD、A3、SWDC2.5、POSPOS=GPS+IMU用于在无地面控制或少量地面控制情况下航空遥感对地定位和影像获取差分GPS获取高精
2、度位置测量数据INS输出高采样率的位置数据，高精度的姿态数据2.6、LiDAR快速获取精确的高分辨率DSM以及地面物体的三维坐标2.7、航天数字影像获取系统及特点特点：高分辨率，线阵式CCD、采用有理函数模型、立体成像、定位精度高提供高分辨率的全色、多光谱、高动态范围和高信噪比的影像、多景影像主要问题：云量和雪量问题；获得与传统航片一样的制图精度比较困难2.8、SAR一般是侧视成像，是一种高分辨率相干成像系统；斜距投影主要存在斑点噪声、斜距影像的近距离压缩、透视收缩、叠掩、阴影及地形起伏引起的像点位移等几方面的问题2.9、倾斜摄影测量特点：反映地物周边真实情况、可实现单张影像量测、建筑物侧面纹
3、理可采集、数据量小易于网络发布三、 摄影测量解析方法（1-6节）背景：近景摄影测量中，常常采用大角度大重叠度的摄影方式，外方位元素中存在大的旋转角，相邻摄站点之间存在较大的位置差异，初值很难获取。经典欧拉角方法不再适用。需要不依赖位置与姿态初始值的解析方法。3.1、空间后方交会在后方交会中，有效可靠地描述两坐标系之间的旋转关系是解决问题的关键。描述旋转的常用形式：欧拉角、正交旋转矩阵、四元数欧拉角：能明确表示旋转矩阵R的几何意义，但需要较好的位置和姿态初值。方向余弦法方案：将9个方向余弦值作为待求参数，参与平差解算。R中只有3个独立元素，其余6个参数可以根据6个正交条件推得。因此可根据6个正交
4、条件建立6个条件方程，按附有条件的间接平差直接解算未知参数。优点：不要求初值，避免了三角函数的计算和欧拉角方法中因旋转角定义不同而导致的公式不同所带来的不便，收敛速度快。四元数几何意义：代表了一个转动，可同时确定刚体的位置和姿态。方案:旋转矩阵用四元数表示，只有一个约束条件，同样据此可建立附有限制条件的间接平常模型解求未知参数优点：和方向余弦法一致缺点：较差的初值，收敛情况不如方向余弦法；都能正确收敛时，收敛次数相当，而方向余弦法计算结果更接近于经典欧拉角方法。Givens变换：用正交变换解最小二乘问题，数值稳定性和解的精度往往优于组成法方程组的方法。当法方程组病态时尤其如此。3.2、相对定向
5、原理：共面方程 完成标志：上下视差为0。连续法相对定向元素：以左像空间坐标系为基础，右像片相对于左像片的相对方位元素称为。单独法相对定向元素：在以左摄影中心为原点、左主核面为XZ平面、摄影基线为X轴的右手空间直角坐标系中，左右像片的相对方位元素称为。大角度相对定向：经典方法、v 的假设不合理；迭代难以收敛。基于方向余弦和四元数的连续相对定向均需考虑基线长度的约束条件。相对定向迭代解法：一般是在影像的内方位和姿态的近似值为已知时被应用。相对定向直接解法：当内方位、姿态均为未知时采用。原理：展开共面方程，将所有未知元素合并用系数L表示。利用8对以上同名点，解算其中8个未知数。再由这8个系数求得连续
6、像对的相对定向元素。注：反求过程首先假定Bx;检验|/2，|选择候选点-抑制局部非最大缺点：差分近似偏导数只考虑极小值，易受噪声影响。Harris算子：图像中某一像素点的自相关矩阵，其特征值是自相关函数的一阶曲率，如果X、Y两个方向上的曲率值都高，那么就认为该点是角点。过程：计算梯度-高斯滤波-计算M、响应值-非极大值抑制增大k值，将减小角点响应值R，降低角点检测的灵敏度，减小被检测角点的数量；优缺点：只用到一阶导数，不涉及阈值，计算简单，自动化程度高，提取的点特征均匀、合理而且稳定。但影像尺度改变其特征也会跟着改变。Frstner算子：计算各像素的Roberts梯度和像素（c，r）为中心的一
7、个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。过程：计算Roberts梯度-灰度协方差阵-q(误差椭圆圆度)、w（权值）-确定待选点-选择极值点可首先用一简单的差分算子提取初选点，然后采用Frstner算子在3*3窗口计算兴趣值，并选择备选点最后提取的极值点为特征点。优点：能给出特征点的类型且精度较高，同时对影像亮度和对比度变化敏感；复杂性：Moravec算子 Harris算子掩膜2维遍历-形成角点强度图像-去除伪点-抑制局部非最大优点：无需梯度运算，具有积分特征、良好的定位能力在纹理信息丰富的区域，SUSAN算子对明显角点提取的能力较强；在纹理相近处，Ha
8、rris算子提取角点的能力较强。4.3、线特征提取线特征：影像的“边缘”与“线”边缘: 影像局部区域特征不相同的那些区域间的分界线线: 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距离很小的一对边缘构成一条线; 线特征提取算子通常也称边缘检测算子一阶差分算子中若卷积值大于阈值，二阶差分算子若卷积值过零点则模板中心点对应像素就是边缘点LSD算子基本思想：首先利用高斯模板对原始图像进行去噪处理，然后计算每个像素的梯度幅值和梯度方向，并对梯度幅值进行排序，按照梯度幅值的顺序，通过迭代方法将具有梯度方向相似性的像素划分为具有同一梯度方向的像素区域，最后利用矩形结构逼近这些相同梯度方向的区域，取矩
9、形结构的中心线作为该区域线段特征。过程：梯度幅值和梯度方向估计-直线支撑区域生成-矩形逼近直线支撑区域-直线检测优点：实时性、准确性、鲁棒性，计算效率高，不需过多设置参数，能控制虚假直线4.4、面特征提取影像分割是提取面特征的主要手段图像分割算法大致分为三类基于阈值：计算量小、易于实现，但未考虑空间特征，抗噪性差；基于边缘：抗噪性和检测精度难以兼顾基于区域：区域生长、分裂合并、分水岭分割、空间自相关遥感影像分割的难点：数据量明显增加；同物异谱；尺度依赖性强4.5、圆点特征定位Wong-Trinder圆点定位算子基本思想：利用二值图像重心对圆点进行定位。首先将窗口中的影像二值化，再计算目标重心坐标（x，y）与圆度r. 当r小于阈值时，目标不是圆；否则圆心为（x,y）。阈值取最小灰度值与平均灰度值和的一半。受二值化影响，误差可达0.5像素。用原始图像灰度作为权进行改进，理想情况下，定位精度可达0.01像素。椭圆拟
