第八章 数字摄影测量基础PDF.pdf

对准同名点量测同名像点第八章 全数字摄影测量基础自动观测？像点坐标观测 :在人眼的立体观察下，对准同名像点进行量测第八章 全数字摄影测量基础§ 8－ 1 概述模拟、解析：在人眼的立体观察下，对准同名像点进行量测，目视判别属性数字摄影测量：利用数字灰度信号（数字影像），采用数字相关技术量测同名像点，在此基础上通过解析计算，进行相对定向和绝对定向，建立数字立体模型，从而建立数字地面模型、绘制等高线、制作正射影像图以及为地理信息系统提供基础信息等是摄影测量自动化的必然产物数字摄影测量：自动识别同名像点，自动量测，自动提取与识别属性摄影测量自动化？™ 发展历程：9 1950年由美国工程兵研究发展实验室与Gausch and omb 光学仪器公司合作研制了第一台自动测图仪，利用电子相关技术实现自动量测9 60年代初开始利用数字相关技术， 80年代数字相关占统治地位9 88年，数字摄影测量系统处概念阶段9 92年，数字摄影测量系统步入生产阶段9 目前，已成为主流的摄影测量作业方法（半自动化）特点：„自动量测„处理的数据量大，依赖于计算机的发展„速度快„精度：子像素级相当于 2 µm （立体坐标量测仪 1～ 20µm）„影像解译：自动提取与识别 (物理属性）„自动化程度：自动化（内定向、相对定向、 DEM、DOM)地物：全部人工交互；道路、房屋：半自动§ 8－ 2 数字影像与影像重采样数字摄影测量基本特点： 用数字影像替代光学－胶片的影像‹灰度：光学密度，影像的灰度值反映了像片的透光能力0FF00FTFFOF==投射在底片上的光通量透过底片的光通量人眼对明暗程度的感觉是按阻光率的对数关系变化的TOD1loglog ==灰度：一、影像灰度透过率：不透过率（阻光率）：数字影像？二、数字影像及获取方法数字影像是一个灰度矩阵 g：0,0 0,1 0, 11,0 1,1 1, 11,0 1,1 1, 1nmm mngg ggg gggg g−−− −−⎡ ⎤⎢ ⎥⎢ ⎥=⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦""## #"n－每个元素称为一个像元素 (对应着实体的一个微小区域 ),j ig每个像元素 是一个灰度值A = imread('e:\matlabtest\gray','bmp')39 0 40 127 255 255 159 9840 40 66 127 255 255 158 9439 39 40 127 255 251 127 950 0 39 127 251 251 127 9439 0 40 159 251 212 158 12739 40 66 159 251 252 159 127™采样：每隔一个间隔 获取一个点的灰度值 。

对实际连续函数模型离散化的量测过程™样点被量测的 “点 ”是小的区域，通常是矩形或正方形的的微小影块 ----像素™采样间隔矩形的长与宽通常称为像素的大小9 精度要求9 影像分辨率9 数据量Δ数字影像的获取：9采样9 量化Δ™ 量化：将各点的灰度值转换为整数 ， 将透明底片有可能出现的最大灰度变化范围进行等分，分为若干灰度等级，一般都取为 ， 时得到 256个灰度级，其级数是介于 0到255之间的一个整数， 0为黑， 255为白，每个像元素的灰度值占8bit，即一个字节2m8m=灰度值如果用实数表示，一幅数字影像的存储空间将非常大，为解决这一问题，实际应用时需要进行量化处理数字影像的获取：数字图像的表示xxyyxyg灰度是坐标的函数一个数字影像可用一个函数表示: g(x，y)00(0,1,2,,1)(0,1,2,1):xxi xi nyy j y j mxy=+•Δ = −=+•Δ = −ΔΔ""＝ 采样间隔像元素的点位坐标（扫描坐标）0 40 127 255 25540 66 127 255 25539 40 127 255 2510 39 127 251 251三、数字影像的内定向：ykxkkyyhxhhx210210++=++=210210kkkhhh ，，，，，问题的提出：经典的摄影测量已经建立了一整套像点坐标与对应的物点坐标间的关系，只要确定扫描坐标系与像平面坐标系之间的关系（内定向）就能利用原有理论™ 内定向的目的：确定扫描坐标系和像片坐标系之间的关系内定向参数，利用四个框标点平差解算两种坐标之间存在仿射变换数字化的扫描方向数字化的步进方向xyoOxy影像重采样理论• • • • •• • • • •• • • • •• • • • •• • • • ••非采样点的灰度？五、数字影像重采样™ 问题的提出：数字影像只记录采样点的灰度级值，当所求像点不落在原始像片上像元素的中心（非采样点），要获取非采样点的灰度值，就要在原采样的基础上再一次采样，即重采样（resampling ） （内插）™ 方法：最邻近像元法、双线性插值法、双三次卷积法)()( NIPI =N为最近点，其像素坐标值为 :)5.0()5.0(+=+=yINTyxINTxNN缺点：最大误差可达± 0.5像元 ,几何精度较差非采样点P 的灰度优点：最简单，计算速度快且不破坏原始影像的灰度信息„最邻近像元法：直接取与非采样点位置最近像元的灰度值(, )x y123422211211)1()1()1)(1()( yIxIyxyIxIyxPI ΔΔ+Δ−Δ+ΔΔ−+Δ−Δ−=2y1yxy1x2x△ x△yP111221 22„双线性插值法设非采样点 P邻近的 4个原始像元的灰度为22211211IIII 、、、特点：计算较费时，精度较好P点的灰度重采样值为：„双三次卷积法（三次样条函数）特点：算法最严密，最费时机器代替人眼识别同名点是摄影测量自动化的关键之一?x1y1XYZ观测量未知量x2y2§ 8-3 基于灰度的影像相关影像匹配 ---同名点寻找§ 8-3 基于灰度的影像相关（Area Based Image Matching）⎩⎨⎧影像特征为匹配基础）基于特征的影像匹配（为匹配基础）小区域内影像灰度分布基于灰度的影像匹配匹配方法(全数字化摄影测量的核心问题：如何在两幅（或多幅）影像之间自动识别同名像点（影像相关）匹配点确定的基础：匹配测度。

基于不同的理论可以定义各种不同的匹配测度，因而形成了各种影像匹配方法⎧⎪⎨⎪⎩"相关系数法协方差法最小二乘相关数字影像相关：利用计算机对数字影像进行数值计算的方式完成影像的相关（匹配）„ 一、相关系数法 :目标区： 以左片目标点为中心选取 个像素的灰度阵列nn搜索区： 估计出右片上同名点可能出现的范围，建立一个个像素的灰度阵列×), nmnlml ;;（×nm目标区搜索区l计算相关系数值：nnn׋依次在搜索区内取出 个 像素的灰度阵列，计算其与目标区的相似性测度相关系数 ，可求出(l-n+1)*(m-n+1)个相关系数,,1122,,,11 11,211,,211()( )()( )11ggkhgg g gnnij ikjhijnn nnij ikjh khij ijnnijijnnikjhkhijggg ggg g gggnggnσρσσ′′′++==++== ====++====′′−−′′−−=′′=∑∑∑∑ ∑∑∑∑∑∑结果：目标区相对于搜索区不断移动一个整像素，当相关系数最大时，对应窗口的中心点即是目标点的同名像点特点：‡搜索的结果均以整像素为单位‡相关系数是标准化协方差函数，目标影像的灰度与搜索影像的灰度之间存性畸变时，仍能较好地评价它们之间的相似性程度‡目标区和搜索区都是一个二维的影像窗口，二维相关二、协方差法⎪⎪⎭⎪⎪⎬⎫∑∑=∑∑=++====hjkinjnikhijnjnignggng,112112'1'1nnm目标区搜索区khhjkiijnjniggggggnhk '1),(',112'−∑∑=++==σ‹可求出(l-n+1)*(m-n+1)个协方差值，当协方差值为最大时，对应的相关窗口的中点就是待定点的同名像点。

l差平方和测度nnm搜索区目标区2',112)(),(hjkiijnjnigghkS++==−∑∑=‹可求出(l-n+1)*(m-n+1)个S2值，当S2为最小时，对应的相关窗口的中点就是待定点的同名像点灰度差的平方和最小l差绝对值和测度nnm搜索区目标区',11),(hjkiijnjnigghkS++==−∑∑=‹可求出(l-n+1)*(m-n+1)个S值，当S为最小时，对应的相关窗口的中点就是待定点的同名像点灰度差的绝对值最小l„ 三、高精度最小二乘影像匹配问题的引出：匹配怎样达到子像素精度？在相关运算中引入变形参数，补偿两相关窗口之间的„辐射畸变„几何畸变引入的变换参数作为待定值，一同纳入到最小二乘解算中，使匹配可达到 1/10甚至 1/100像素的高精度（子像素精度）由德国 Stuttgart大学 Ackermann教授与 Pertl提出影像灰度的系统变形„辐射畸变（产生的原因）9照明及被摄物体辐射面的方向9摄影处理条件的差异9影像数字化过程中产生的误差等„几何畸变 ： 产生了影像灰度分布之间的差异（ 相对移位、图形变化 ）9摄影方位不同所产生的影像畸变9由于地形坡度所产生的影像畸变等仅考虑影像相对位移的一维最小二乘匹配△ x222122122122222()()() () [ () ()] ()2() ()() ()) min/iigx gxvx g x x g x g x g xgx gx gvvvgnx nxxg gggx+Δ− −Δ=•Δ−− =ΔΔ−Δ==•−=•ΔΔ−ΔΔ=∑∑∑∑为采样间隔，令 ＝按最小二乘原则： （误差方程：左、右像片灰度函数分别为12(), ()gxgx解得△ x后，对 g2进行重采样 ，反复迭代解求，必须已知初匹配的结果xΔ12((nx nx）, ）„g2(x)相对于 g1(x)仅有相对位移„仅考虑偶然误差（随机躁声）分别为11 2 21221() () ( ) ()() () ()() ( ) ()gx nx gx x nxvx n x n xvx g x x g x+ =+Δ+=−=+Δ令则－取一个小窗口，窗口内每个元素列一个误差方程线性化二维最小二乘影像匹配两个二维影像之间的几何变形相对移位图形变化),(),(),(),(22102102111yxnybxbbyaxaaghhyxnyxgo++++++=+x2y2„灰度畸变（线性畸变） +几何变形（一次畸变）„几何变形 （一次畸变）ybxbbyyaxaax21022102++=++=„经线性化后误差方程式gdbcdbcdbcdacdacdacdhcdhcvoΔ−+++++++=281706251403121„dh。

dh1， da0， ···,db2是待定参数的改正值，它们之初值分别为h0= 0； h1= 1； a0= 0； a1= 1； a2= 0；b0= 0； b1= 0； b2= 1)()( LCXCCTT=LCXV −=( )01012012,, ,, ,,,Xhhaaabbb=未知数：最小二乘影像匹配的精度相关系数法：相关系数越大，匹配质量越好但是无法获得其精度指标最小二乘匹配算法：根据法方程式系数矩阵的逆矩阵，同时求得其精度指标2221ˆgvxnσσσ ⋅=vgSNRσσ=22221ˆ()gxgnSNRσσσ= ⋅⋅。