数字摄影测量学复习

数字摄影测量学绪论两个基本关系：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μ、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个系数求得连续像对的相对定向元素。

注：反求过程首先假定B x;检验| φ|<π/2，|ω|<π/2 以舍去不符合的解。

3.3、核线几何关系解析与核线排列确定同名核线的两种方法：基于数字影像的几何纠正；基于共面条件极线几何：描述两张像片之间的内部投影几何关系（由基本矩阵来表达），与场景结构无关，由摄像机内方位元素和像对的相对姿态唯一确定。

极线几何实质：以摄影基线为轴的平面束与像平面的交线构成的几何关系基本矩阵应用：立体匹配时寻找同名点；粗差点剔除。

表明匹配点应遵循的核线约束方程，反过来，也可以通过两幅图像之间的匹配点恢复出基础矩阵F。

利用相对定向直接解法进行核线排列核线的重排列：直接在倾斜像片上获取核线影像；在水平像片获取核线影像3.4数码相机检校相机检校：影像进行高精度量测前，相机进行畸变差的测定和补偿，同时测定出相机主距和像主点坐标等参数的过程。

光学畸变差：相机物镜系统设计、制作和装配所引起的像点偏离其理想位置的点位误差。

分为径向畸变、偏心畸变、薄棱镜畸变检校方法：光束法平差、张正友平面网格法、二维DLT3.5、直线摄影测量以线状特征为观测值，列立共面条件方程。

在统一坐标系下（像方、物方）建立条件平差模型。

不要求点与点之间严格对应，只要求点集对应。

适用于框幅式中心投影。

每条控制直线列两个独立条件方程，求解外方位元素至少需三条非退化直线。

为了保持观测值精度，应选择直线上相距较远的两点或两个端点最基本成像条件是: 在统一的坐标系下，地面上的直线地物与影像上对应的直线特征共面，而且该平面通过成像瞬间的投影中心S。

优点：在物方空间，线特征提取相对较容易，并且大量的矢量地图和移动测图系统也提供了越来越多线状特征;增加线特征将增加平差计算的观测值冗余度和几何约束条件，直线摄影测量可以取得和常规摄影测量同样高的精度和可靠性，甚至会更好，且为观测值的自动量测提供了方向; 同名直线上的点不要求一一对应，不要求同名线段，只要求同名直线；直线特征与物方特征的关系十分密切；在处理带有遮掩和不确定信息的情况下，直线特征具有点特征所没有的优点3.6、广义点摄影测量基本思想：从对物理意义上的点列共线条件方程，变成对数学意义上的点列共线条件方程，区别在于特征线上的点（数学意义）根据方向只列一个关于x 或y 的条件方程。

可将各种特征的条件方程变为统一的形式：共线方程，进而统一的平差。

优点：各种特征统一平差，适用于各种遥感影像（包括线阵CCD）。

基于直线：将像方直线上的点到物方直线投影到像方的直线的距离作为残差。

像点坐标由物方直线上一点投影到像方的坐标和像方直线共同确定（实际上根据直线方向选择残差形式x 或y）基于曲线：未知物方曲线函数参数，可与外方位元素同时求解；已知情况，可将曲线方程代入共线方程求解基于复杂曲线：折线代替曲线；首先用本次迭代的外方位元素的初值计算对应的影像坐标，然后在像方标号对应线段及其前后几个线段中遍历，找出距离该投影点最近的一个线段，以此作为对应像方线段，按照前面叙述的直线的误差方程式列出该地面点的误差方程式。

一个点列一个误差方程，一条直线列两个，一个圆列n 个四、影像特征量测定义：利用一定的算法对影像上的点、线等特征进行识别、提取并精确量测其坐标的过程。

4.1、影像特征与信息量影像特征：由于景物的物理与几何特性使影像中局部区域的灰度产生明显变化而形成。

影像的熵：影像信息量的度量四种熵：Shannon-Wiener 熵、条件熵、平方熵与立方熵Shannon-Wiener 熵：对于均匀分布的灰度其熵最大; 熵可用于影像编码；局部熵反映影像的特征是否存在，具有辐射失真不变性，对噪声不敏感。

可以用局部熵来检测特征，或用各种梯度或差分算子提取特征4.2、点特征提取点特征：主要指影像上的明显点，如圆点、角点等Moravec 算子：在四个主要方向上，选择具有最大最小灰度方差的点作为特征点。

过程：计算兴趣值-＞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。

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

过程：计算Robert' s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Fǒrstner 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＜Fǒrstner 算子SUSAN算子: 提取角点及边缘特征同化核同值区：在图像上设置一个移动的圆形模板，若模板内的像素灰度与模板中心的像素差值小于给定的阈值，则认为该点与中心点是同值的，由满足这样条件的像素组成的区域叫做~。

在一幅图像中搜索图像角点或边缘点，就是搜索SUSAN最小（小于一定值）的点，即搜索最小化同化核同值区。

阈值越小，可从对比度越低的图像中提取特征。

过程：确定掩膜核-＞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，Harris 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。