数字摄影测量总结

第九章1、数字微分纠正的概念根据有关的参数与数字地面模型，利用相应的构像方程式，或者按一定的数学模型，将原始构像的非正射投影的数字影像变换为正射投影的数字影像，这个过程是将影像化为很多微小的区域逐一进行的，且使用的是数字处理方式，故称为数字微分纠正或者数字纠正。

2、框幅式中心投影影像的数字微分纠正的方法和流程反解法流程：1）计算地面点坐标。

根据正射影像左下角图框点地面坐标与正射影像的的比例尺分母计算出P 点对应的地面坐标；2）计算像点坐标坐标。

利用共线方程以及DEM 内插的高程计算出相应的像点坐标；3）灰度内插。

4）灰度赋值。

3、如给定RPC 模型，会进行卫星影像的数字微分纠正第八章1、数字高程模型的概念数字高程模型DEM 或DHM 是表示区域D 上地形的三维向量有限序列。

2、数字高程模型的内插方法一、移动曲面拟合法a 建立局部坐标。

对DEM 的每一个格网点，将坐标原点移动到该DEM 格网点P ；b 选取邻近数据点。

c 列出误差方程式（有6个参数，所以至少要选取6个数据点，但实际计算时，为了提高精度一般选择的数据点个数都大于6个，然后建立误差方程式）局部函数d 数据点的权值计算（反映改点与待定点之间的相关程度。

应该和改点与待定点之间的距离成反比。

） e 法化求解二、多面函数法DEM 内插A 写出核函数。

B 建立误差方程C 法化求解D 任意一点的高程E 多面函数法解算三、有限元法DEM 内插用大量的有限面积单元来趋近曲面a 一次样条有限元DEM 内插。

方法类似于双线性插值。

b 断裂线的处理1） 做线性内插。

为了突出断裂线所显示的特征，可在原始采集的数据点的基础上进行线性内插，加密断裂线点；2） 将计算单元按照断裂线划分成子区域； RY X d i i i <+=22FEy Dx Cy Bxy Ax Z +++++=22F E Y D X C Y B Y X A X v i i i i i i i +++++=223）分子区内插原则：不属于该区的数据点不参与该区的平差计算。

确定是否属于该区的方法：跌落法（过数据点P做垂直线，判断该线与边界线相交的次数。

奇数则在该区域内）、符号判断法（将X\Y带入边界的直线方程，在子区中的数据点具有相同的符号）。

4）分子区进行内插计算。

3、等高线跟踪方法和流程方法：对每条等高线边内插边排序；对同一高程的等高线先内插出所有等高线点，再逐一排列每条等高线的点。

流程：1）确定等高线高程。

根据DEM中的最低点高程和最高点高程计算最低等高线高程和最高等高线高程。

则每条等高线为。

2）设置状态矩阵。

设置两个矩阵，分别记录已跟踪的同一等高线通过DEM格网水平边和竖直边的情况。

1为有等高线通过；3）等高线起点终点的处理。

与边界相交的等高线为开曲线，未相交的为闭曲线。

先跟踪开曲线再跟踪闭曲线。

在跟踪等高线时，按照右高左低或者左高右低的方向跟踪；4）内插等高线点。

利用DEM的格网点的高程内插出相应的等高线点的高程；5）搜索下一个等高线点。

4、三角网建立方法角度判别法建立TIN1）将原始数据分块。

以便快速检索所处理的三角形的邻近点，而不必检索所有的点；2）确定第一个三角形。

任取一点A,选取距离A最近的B，在A\B附近选取C。

计算每个C 角的角余弦。

取最大的角所对应的点C；3）三角形的扩展。

三角形P1P2P3中沿P1P2边向外扩展时，选取点P应该与P3位于P1P2的不同侧。

<0则作为备选点，再计算角余弦，选取顶点。

有重复时，则删除该三角形，交叉时从备选点中删除该顶点。

第七章1、特征匹配一般步骤1）特征提取。

用于匹配的特征应该有确定的属性，使得能够方便地从多张影像中提出这些特征。

将这些特征相互独立地从被匹配的多张影像中提取出来；2）候选特征的确定。

对所提出的特征的属性进行比较，将属性相似的特征分为一类，作为左影像上待配准特征的候选特征；3）变换参数估计或最终特征对应。

从初始的特征匹配候选列表中确定真正的对应特征，同时估计两影像间的几何变换参数。

通过对一定窗口内的所有特征进行一致的几何变换，消除初始特征对应表中的不确定性。

2、SIFT特征提取和匹配的流程1）尺度空间的极值探测；2）关键字的精确定位。

通过拟合三维二次函数以精确确定关键点的位置（达到子像素精度）；3）确定关键点的主方向。

利用关键点的局部影像特征（梯度）为每一个关键点指定一个主方向（梯度最大的方向）；4）关键点的描述；5）寻找最邻近点。

采用关键点特征向量的欧式距离作为两幅影像中关键点的相似性判定度量。

距离最小的两个点对即为匹配点。

第六章1、相关系数法匹配的特点相关系数法是众多匹配方法中最简单、速度最快也是最成熟的算法，它对于中小比例尺的连续地形影像来说，80%以上的区域都能得到较好的匹配；其缺点是无法处理影像遮挡、地形断裂以及较严重的匹配实体几何畸变的情形。

2、一般匹配的流程1）在主影像上以待匹配点为中心选取一定大小的影像片，称为模板窗口或目标窗口；2）根据先验知识和约束条件，估计改点的同名点在辅助影像上的可能存在的范围，称为搜索区域；3）以搜索区域中的每一点为中心开取同样大小的窗口，称为搜索窗口；4）计算模板窗口和每一个搜索窗口之间的相似性测度，以相似性测度值最大的那个搜索窗口为模板窗口的配准窗口，配准窗口的中心为模板窗口中心的同名像素。

3、VLL法的流程和步骤1）给定地面点的平面坐标（X,Y）与近似最低高程Zmin，高程搜索步长可由所要求的精度确定；2）由地面点的平面坐标（X,Y）与可能的高程Zi=Zmin+i*步长，按共线方程计算左右影像上的像点坐标；3）分别以。

和。

为中心在左右影像上开区影像窗口，计算两窗口影像的相似性测度，如相关系数；4）将i的值加1，重复2）3），得到。

相关系数，并取其最大值，其对应高程被认为是地面A的高程；5）利用相关系数及其相邻的几个相关系数拟合一条抛物线，以其极值对应的高程作为A点的高程，从而进一步提高精度。

（或用更小的步长）4、最小二乘匹配的原理和流程原理：在影像匹配中引入几何畸变和辐射畸变参数，同时按照最小二乘原则解求这些参数。

流程：1）赋初值；2）几何变形改正。

根据目前几何变形参数值，对中心化搜索窗口内的行列坐标进行几何变形纠正；3）灰度内插。

4）辐射畸变改正。

5）计算模板窗口与经过几何、辐射改正的搜索影像窗口内灰度函数的相关系数，判断是否需要继续迭代；6）求解各参数改正值；7）计算新的各参数值；8）重复2—7；9）计算最佳配准点位置。

5、提高影像匹配正确率的策略1）建立金字塔影像进行匹配，缩小搜索范围；2）采用核线约束，将二维变化转换为一维变化；3）采用双向匹配的策略。

在辅助影像上进行反向匹配；4）用多张影像进行多次匹配，提高精度5）先提取特征点，再在特征点上进行匹配。

第五章1、数字影像匹配基本概念共轭实体：目标空间特征的影像，包括点、线、面及其他空间目标对象。

匹配实体：一定的要素，通过要素比较确定对应的共轭实体。

相似性测度：说明实体之间相似程度的一种定量度量指标。

匹配方法：计算或者实现匹配实体相似性测度的方法，匹配方法一般由匹配实体命名。

数字影像匹配：在两幅（或多幅）具有一定重叠度的数字影像上自动建立对应关系。

基于灰度的影像匹配：以影像局部范围内的灰度及其分布作为匹配实体，通过计算匹配实体之间的相似性测度来寻找共轭实体的影像匹配方法。

特征匹配：是指从影像中提取的特征作为共轭实体，二而将所提特征属性或描述参数作为匹配实体，通过计算匹配实体之间的相似性测度以实现共轭实体配准的影像匹配方法。

2、金字塔影像的概念，以及金字塔影像相关的特点和作用。

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，将这些影像重叠起来颇像一座金字塔，称为金字塔影像结构。

特点：由粗到精的匹配作用：缩小搜索空间第四章1、核线相关的定义核面：通过摄影基线与地面所做的平面。

核线：核面与影像面的交线。

核线影像：对原始倾斜影像沿每一条核线进行重采样，形成一幅核线方向与离散数字影像的行方向一致的影像。

2、基于影像几何纠正的核线解折关系共线方程为基础（x,y)与（u,v)之间有特定的映射关系，V相同的则为同名核线。

间接法核线影像生成流程：1）确定范围。

根据共线方程确定的映射关系得到转换后的四个角点的坐标，求出核线影像的范围；2）采用原始影像的间隔细分核线影像的范围；3）投影。

计算新的核线影像上每一小单元中心坐标在原始影像上的对应坐标；4）灰度内插。

对新的核线影像的坐标进行灰度重采样，赋予相应的灰度值。

3、基于共面条件的同名核线几何关系4、核线的重排列（重采样）直接在倾斜影像上生成核线影像1）计算核线方程，计算核线影像范围。

通过共面条件得到核线方程，带入边界的x得到角点坐标计算影像范围；2）逐条核线计算并采样。

（交点是与列的中心求交所得）3）排列成核线影像。

第三章1、特征的定义和分类影像特征：影像特征是指影像上表现为特定结构的像素或者经过影像处理（主要是初级运算（low level））以后用于影像解译的纹理、色彩等方面的特征。

特定结构往往表现为面状、线状各种影像现象。

点特征：主要指影像上具有确定的、明显表现（或特殊性质）的像点。

2、点特征提取的流程，以及Moravec与Harris的区别流程：1）计算各像素的兴趣值。

取不同方向中最小的值作为该像素的兴趣值；2）给定一定经验阈值，将兴趣值大于阈值的点作为候选点；3）选取候选点中兴趣值极大的点作为特征点。

区别：1)只对特定的4个方向的灰度变化起作用,Harris算子采用了具有旋转不变性的角点响应算子；2)对噪声敏感，Harris算子采用了高斯滤波处理，可以减小噪声的影响；3)对边缘响应也比较敏感，Harris算子加入了自相关矩阵。

3、基于灰度曲面拟合的点特征定位4、Hough变换的思想和流程思想：将影响空间中的曲线（包括直线）变换到参数空间中，通过检测参数空间的极值点，确定该曲线的变换参数，从而提取影像中的规则曲线。

流程：1）提取特征并计算其梯度方向.角2）设置累计矩阵H( 肉i，C它 j).3）边缘细化。

计算所提取边缘的梯度摸，如果该梯度模在梯度方向达到局部极大，则为边缘点。

否则舍去；4）设置一小区间。

对每一边缘点，以之前算出的梯度方向角为中心，设置。

小区间，以。

为步长，计算相应的肉值，并将所对应的累计矩阵元素加1；5）将大于阈值的点作为备选点.；6）取累计矩阵中备选点中的极大值点为所需的峰值点.。

第二章1、数字影像表达形式2、数字影像插值方法(注意在格网高程内插中的应用)。