數(shù)字攝影測量學復習_第1頁
數(shù)字攝影測量學復習_第2頁
數(shù)字攝影測量學復習_第3頁
已閱讀5頁,還剩7頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)字攝影測量學緒論兩個根本關(guān)系:幾何關(guān)系、對應性關(guān)系 劃分攝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;移動測量系統(tǒng) 理論開展 滅點理論;廣義點理論;多基線立體;影像匹配理論開展;目標自動識別應用開展 滅點應用實踐;廣義點攝影測量的應用;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2.7 、航天數(shù)字影像獲取系統(tǒng)及特點特點: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 起伏引起的像點位移等幾方面的問題、傾斜攝影測量特點:反映地物周邊真實情況、可實現(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。、空間前方交會在前方交會中, 有效可靠地描述兩坐標系之間的旋轉(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個方向余弦值作為待求參數(shù),參與平差解算。 R中只有3個獨立 元素,其余 6 個參數(shù)可以根據(jù) 6 個正交條件推得。因此

4、可根據(jù) 6個正交條件 建立 6 個條件方程,按附有條件的間接平差直接解算未知參數(shù)。優(yōu)點:不要求初值,防止了三角函數(shù)的計算和歐拉角方法中因旋轉(zhuǎn)角定義不 同而導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:代表了一個轉(zhuǎn)動,可同時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:和方向余弦法一致 缺點:較差的初值,收斂情況不如方向余弦法;都能正確收斂時,收斂次數(shù) 相當,而方向余弦法計算結(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、當法方程組病態(tài)時尤其如此。3.2 、相對定向原理:共面方程 完成標志:上下視差為 0。連續(xù)法相對定向元素:以左像空間坐標系為根底,右像片相對于左像片的相 對方位元素稱為 。單獨法相對定向兀素:在以左攝影中心為原點、左主核面為XZ平面、攝影基 線為X軸的右手空間直角坐標系中,左右像片的相對方位元素稱為。大角度相對定向:經(jīng)典方法卩、v的假設不合理;迭代難以收斂。 基于方向余弦和四元數(shù)的連續(xù)相對定向均需考慮基線長度的約束條件。相對定向迭代解法: 一般是在影像的內(nèi)方位和姿態(tài)的近似值為時被應用。 相對定向直接解法:當內(nèi)方位、姿態(tài)均為未知時采用。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、對以上同 名點,解算其中8個未知數(shù)。再由這8個系數(shù)求得連續(xù)像對的相對定向元素。注:反求過程首先假定BX;檢驗| © |< 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,與 場景結(jié)構(gòu)無關(guān),由攝像機內(nèi)方位元素和像對的相對姿態(tài)唯一確定。極線幾何實質(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 根本矩陣應用:立體匹配時尋找同名點;粗差點剔除。說明匹配點應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、配點恢復出根底矩陣F。利用相對定向直接解法進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)碼相機檢校相機檢校:影像進行高精度量測前,相機進行畸變差的測定和補償,同時測 定出相機主距和像主點坐標等參數(shù)的過程。光學畸變差:相機物鏡系統(tǒng)設計、制作和裝配所引起的像點偏離其理想位置 的點位誤差。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)一坐標系下像方、物方建立條件平差模型。 不要求點與點之間嚴格對應,只要求點集對應。適用于框幅式中心投影。每條控制直線列兩個獨

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,應選擇直線上相距較遠的兩點或兩個端點最根本成像條件是:在統(tǒng)一的坐標系下,地面上的直線地物與影像上對應的 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:在物方空間,線特征提取相對較容易,并且大量的矢量地圖和移動測圖系統(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,甚至會更好,且為觀測值的自動量測提供了方向;同名直線上的點不要求一一對應,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,直線特征具有點特征所沒有的優(yōu)點3.6、廣義點攝影測量根本思想:從對物理意義上的點列共線條件方程,變成對數(shù)學意義上的點列 共線條件方程,區(qū)別在于特征線上的點數(shù)學意義根據(jù)方向只列一個關(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, 進而統(tǒng)一的平差。優(yōu)點: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€:將像方直線上的點到物方直線投影到像方的直線的距離作為殘差。 像點坐標由物方直線上一點投影到像方的坐標和像方直線共同確定實際上根據(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求解;情況, 可將曲線方程代入共線方程求解基

10、于復雜曲線:折線代替曲線;首先用本次迭代的外方位元素的初值計算對 應的影像坐標,然后在像方標號對應線段及其前后幾個線段中遍歷,找出距 離該投影點最近的一個線段,以此作為對應像方線段,按照前面表達的直線 的誤差方程式列出該地面點的誤差方程式。一個點列一個誤差方程,一條直線列兩個,一個圓列n個四、影像特征量測定義:利用一定的算法對影像上的點、線等特征進行識別、提取并精確量測 其坐標的過程。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,對噪聲不敏感??梢杂镁植快貋頇z測特征,或用各種梯度或差分算子提取特征4.2、點特征提取點特征:主要指影像上的明顯點,如圓點、角點等Moravec 算子: 在四個主要方向上,選擇具有最大最小灰度方差的點作為特征點 過程:計算興趣值 -> 選擇候選點 -> 抑制局部非最大 缺點:差分近似偏導數(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、丫兩個方向上的曲率值都高,那么就認為該點是角點。過

12、程:計算梯度-> 高斯濾波-> 計算M響應值-> 非極大值抑制 增大k值,將減小角點響應值 R,降低角點檢測的靈敏度,減小被檢測角點 的數(shù)量; 優(yōu)缺點:只用到一階導數(shù),不涉及閾值,計算簡單,自動化程度高,提取的 點特征均勻、合理而且穩(wěn)定。但影像尺度改變其特征也會跟著改變。F o rstner 算子:計算各像素的Robert' s梯度和像素c, r為中心的一個窗口的灰度協(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作為特征點。 過程:計算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 ->

13、 選擇極值點 可首先用一簡單的差分算子提取初選點,然后采用 Fo rstner 算子在 3*3 窗 口計算興趣值,并選擇備選點最后提取的極值點為特征點。優(yōu)點:能給出特征點的類型且精度較高, 同時對影像亮度和比照度變化敏感; 復雜性:Moravec算子< Harris 算子< FO rstner算子SUSAI算子:提取角點及邊緣特征同化核同值區(qū):在圖像上設置一個移動的圓形模板,假設模板內(nèi)的像素灰度 與模板中心的像素差值小于給定的閾值,那么認為該點與中心點是同值的,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或邊緣點,就是搜索SUSAN最小小于一定值的點,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->形成角點強度圖像 ->去除偽點->抑制局 部非最大優(yōu)點:無需梯度運算,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算子對明顯角點提取的能力較強;在紋理相 近處, Harris 算子提取角點的能力較強。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 距離很小的一對邊緣構(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卷積值大于閾值,二階

15、差分算子假設卷積值過零點 那么模板中心點對應像素就是邊緣點LSD算子根本思想:首先利用高斯模板對原始圖像進行去噪處理,然后計算每個像素 的梯度幅值和梯度方向,并對梯度幅值進行排序,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-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:實時性、準確性、魯棒性,計算效率高,不需過多設置參數(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:計算量

16、小、易于實現(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:數(shù)據(jù)量明顯增加;同物異譜;尺度依賴性強4.5、圓點特征定位Wong-Trinder圓點定位算子根本思想:利用二值圖像重心對圓點進行定位。首先將窗口中的影像二值化, 再計算目標重心坐標x, y與圓度r.當r小于閾值時,目標不是圓;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,誤差可達素。用原始圖像灰度作為權(quán)進行改進,理想情況下,定位精度可達。橢圓擬合法根本思想:首先用邊緣檢測算子對橢圓邊緣進行粗定位,然后剔除粗差,再 對像

17、素級邊緣點進行亞像素邊緣檢測得到亞像素精度的邊緣點,最后對提取的標志邊緣點進行橢圓最小二乘擬合,從而確定標志中心的精確位置。定位精度約為像素、角點特征定位F o rstner定位算子特點: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)的線擴散函數(shù)成正比。 平差模型采用梯度的模為觀測值。 因為梯度方向代替直線方向存在不容無視 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->計算角點-> 評估精度五、基于灰度的影像匹配概述, 3、 4 節(jié) 匹配:在不同數(shù)據(jù)集合之間建立對應或相關(guān)關(guān)系 影像匹配:在影像間建立對應關(guān)系 , 實質(zhì) : 在兩幅或多幅影像之間識別同名點 配準 : 在遙感影像和地圖間建立對應關(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或不同時刻的成像。 要素: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:不同主點、

19、不同時期、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體 或比擬要素, 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 相似性測度代價函數(shù) 距離型:差平方和、差絕對值 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)標準化局限性:窗口形狀、窗口影像內(nèi)容、影像強度的變化5.3、VLL法定義:直接確定物體外表點空間三維坐標的影像匹配方法鉛垂線軌跡法影像匹配 過程:給定地面點的平面坐標,與近似最低高程。從最低高程出發(fā),計算像 點坐標、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 : 確定過目標點的光線 S0p0, 根據(jù)目標點初始高程和誤差, 確定高程搜索 范圍,根據(jù)精度要求確定步長。計算物方坐標,像點坐標, n 幅待匹配影像 窗口與目標影像窗口的相關(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), 通過極小化目標窗口與搜索窗口的影像灰度值差的平方和來 估計待定參數(shù)值,從而確定同名點。特點: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: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,進行整體平差;可以引入粗差檢測 可以求單點視差、空間坐標,同時求待定點坐標與影像的方位元素 還可以解決多點、多片影像匹配缺點:要求相對精確的初值單點最小二乘: 過程:迭代進行匹配,計算改正值、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數(shù)nx mix m+2n 未知數(shù)個數(shù)6X n+3VLL方式的最小二乘解物方空間點的平面

22、位置是固定的,當高程改變時,目標窗口和搜索窗口影像 都會改變。誤差方程式個數(shù) mxm 未知數(shù)個數(shù) 8 引入共線條件:誤差方程式個數(shù) mxm+4 未知數(shù)個數(shù) 8+1 多片影像匹配:誤差方程式個數(shù) nx mx m+2n+2未知數(shù)個數(shù)2+6X n+3 位置偏移向量a。、bo的估計精度由3個參數(shù)所決定:影像噪聲方差、窗口內(nèi)像素數(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 來實現(xiàn)配準的影像匹配方法。具有整像素定位精度步驟:特征提取 -候選特征確實定 -變換參數(shù)估計或最終的特征對應影像匹配策略 建立金字

23、塔多層數(shù)據(jù)結(jié)構(gòu):先驗視差未知,兩種情況確定層數(shù) 特征提?。悍旨墸崛》绞脚c目的相適應,點的兩種分布方式 特征點的匹配:二維與一維匹配;匹配的備選點選擇方法;提取與匹配的順 序;匹配的準那么;粗差的剔除、跨接法影像匹配 先進行幾何改正再進行特征匹配特征參數(shù):三個特征點灰度梯度最大點、兩個突出點的像素號與 g過程:特征提取 ->構(gòu)成跨接法匹配窗口兩個特征連接 -> 跨接法影像匹配 計算目標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)的準那么確定 同名特征。相對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:1. SIFT特征是圖像的局部特征,對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性, 對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。2. 獨特性好,信息量豐富,可在海量特征數(shù)據(jù)庫中進行快速、準確的匹配3. 多量性,即使少數(shù)的幾個物體也可以產(chǎn)生大量 SIFT特征向量。4. 可擴展性,可以很方便的與其它形式的特征向量進行聯(lián)合。缺點:實時性不高、有時特征點少、對邊緣模糊的目標無法準確提取特征點SIFT特征提取1尺度空間的極值探測;高斯核是實現(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?。簣D像被平滑的越少,相應的尺度也就越小DOGT子:兩個不同尺度的高斯核的差分;LOG算子的近似2關(guān)鍵點的精確定位;通過擬合三維二次函數(shù)以精確確定關(guān)鍵點的位置; 目的:進一步精化極值點在圖像尺度空間的位置 方法:對尺度空間函數(shù)進行泰勒展開,求取函數(shù)極值進行位置修正 同時去除低比照度的關(guān)鍵點和不穩(wěn)定的邊緣響應點3確定關(guān)鍵點的主方向;使SIFT算子具有旋轉(zhuǎn)不變性一個關(guān)鍵點可能會被指定具有多個方向4) 關(guān)鍵點的描述。對每個關(guān)鍵點使用4X4共16個種子點來描述;每個種子點有 8個方向 向量信息;這樣對于一個關(guān)鍵點就可以產(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特征匹配當兩幅影像的 SIFT 特征向量生成后,采用關(guān)鍵點特征向量的歐式距離作為 兩幅影像中關(guān)鍵點的相似性判定度量。在目標圖像中取出某個關(guān)鍵點, 并通過遍歷找出其與右影像中歐式距離最近 的前兩個關(guān)鍵點。 如果最近的距離與次近的距離比值少于某個閾值 經(jīng)驗值, 那么接受這一對匹配點。降低閾值,可增加匹配點的正確率,但匹配點數(shù)同時 會減少。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、互對應約束 核線上特征點的快速查找:將影像劃分為格網(wǎng),并記錄每一格網(wǎng)中的特征點 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 思想:盡量用比擬少的點估計出模型,再用剩余點來檢驗模型。減輕了存在 嚴重錯誤點時異常數(shù)據(jù)對模型參數(shù)估計的影響。根本假設: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 隨機選擇兩點確定一條直線 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)點集 S(l) ,并稱它為直線 l 的一致集;重復假設干次隨機選擇,得到 n 條直線和相應的一致集; 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)點的最正確匹配 直線。RANSA用于誤匹配剔除自動提取兩幅圖像的特征點集,建立初始“匹配對集RAN

28、SA去除錯誤匹配對由最大一致集即正確匹配對重新估計根本矩陣七、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,可以糾正或防止錯誤的 結(jié)果,從而可以提高影像匹配的可靠性。算法:多點最小二乘影像匹配、松弛法影像匹配、動態(tài)規(guī)劃影像匹配、人工神經(jīng)網(wǎng)絡影像匹配、半全局影像匹配等7.1 多點最小二乘影像匹配 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: 為解算一個函數(shù), 有時需要把它分成為許多適當大小的 “單元, 在每一個單元中用一個簡單的函數(shù)來近似的代表它。 對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、意一點的視差值可用其所在格網(wǎng)的 4 個頂點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:不僅可以基于像方,也可基于物方;可同時確定地形特征線。缺點:即使采用多級數(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:對每個象素的處理是獨立的,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:在處理某個像元時,須要考慮先前已處理過的鄰近點的結(jié)果; 在相關(guān)算法中引入了預測,減小了搜索范圍,減少了運算工作量;在某種意 義上,還可以減少相關(guān)的粗差。但先前結(jié)果出錯會影響后面的處理結(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算過程中,它并不進行絕對的分類,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 影像匹配的實質(zhì)是確定左或右影像中某個目標或像點 j 在另一張影 像上的共軛目標或像點 i 的問題。假設將目標點 j 視為類別,而共軛備 選點 i 的集合視為目標,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,計算其相似性測度,給出候選匹配點 整體挑選

31、:根據(jù)挑選規(guī)那么從候選匹配點中選出最終的匹配結(jié)果 整體最正確:通過鄰域內(nèi)匹配點的兼容性來實現(xiàn)。好的匹配點獲得的鄰域支持強度較大, 壞的匹配點獲得的鄰域支持強度較小Q 1務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:實現(xiàn)兩個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,利用相應的構(gòu)像方程式,或按一定 的數(shù)學模型用控制點解算,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)域逐一進行,且使用數(shù)字方式處理的過程 直接法:由原始像點求糾正后的相應點坐標 間接法:由糾正后的像素坐標反求原始像點 框幅式中心投影影像的數(shù)字微分糾正間接法特點:糾正圖像上所得的點規(guī)那么排列,在規(guī)那么排列的灰度量測值中進 行灰度內(nèi)插,適合于制作正射影像圖直接法特點:是一個迭代運算過程;糾正圖像上所得的點非規(guī)那么排列,有的 像元可能“空白無像點,有的可能重復多個像點,難以實現(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和地面坐標之間的數(shù)學模型;2. 根據(jù)所采用的數(shù)學模型確定糾正公式;3. 根據(jù)地面控制點

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論