第八章 全数字摄影测量基础.pptVIP

核线重排列 v u 2、基于共面条件的同名核线几何关系 §8-5 数字摄影测量系统 一、DPW的组成 1、硬件组成：计算机及其外部设备 外部设备：① 立体观测及操作控制设备。 ② 输入输出设备 一、数字摄影测量系统的概念 二、主要功能及硬件设备 1、硬件组成：计算机及其外部设备 外部设备：① 立体观测及操作控制设备。 ② 输入输出设备 2、软件组成：数字影像处理、模式识别、解析摄影测量、辅助功能软件 数字影像处理软件 影像旋转 影像滤波 特征提取 影像增强 模式识别软件 特征识别与定位 （包括框标的识别 与定位） 影像匹配 目标识别 * Harris算子 (k – empirical constant, k = 0.04-0.06) 0 0 0 0 1 0 0 0 8 8 2 0 0 0 0 1 1 3 7 6 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 2 0 8 3 2 1 0 0 2 3 2 2 0 0 0.5 0.5 0 0 0.5 -3 -1.5 3 1 x y -0.5 0.5 -3.5 -1 -0.5 0.5 -0.5 -1.5 -1 -1 3、最小二乘影像相关 2450013 2450001 2464142 2464026 2450001 2465015 2449087 2449087 2465015 2450013 2464142 2464026 -70.600 4192.539 6505.100 2226.192 6434.500 6418.731 2450013 -60.167 4122.722 9553.167 1752.278 9493.000 5875.000 2464142 -89.300 4309.591 2062.300 1004.409 1973.000 5314.000 2464026 上下视差 (y1-y2) 左右视差 (x1-x2) y2 x2 y1 x1 同名点号 x y x y A a1 a2 S1 S2 问题的提出：在前述的影像匹配方法中没有考虑到影像灰度的系统变形情况，LSM就是在影像匹配的数字模型中引入系统变形参数，按最小二乘原则解求变形参数。充分利用了影像窗口内的信息进行平差计算，使影像匹配可以达到1/10甚至1/100像素的高精度。（也称为高精度影像匹配或高精度影像相关） 最小二乘影像匹配 德国Ackermann教授提出了一种新的影像匹配方法——最小二乘影像匹配（Least Squares Image Matching） 影像匹配可以达到1/10甚至1/100像素的高精度 优点如下 最小二乘影像匹配中可以非常灵活地引入各种已知参数和条件，从而可以进行整体平差。 同时解决“多点”影像匹配或“多片”影像匹配 引入“粗差检测”，从而大大地提高影像匹配的可靠性 最小二乘影像匹配原理 影像灰度的系统变形：产生影像灰度分布之间的差异。 （1）辐射畸变：大气辐射的影响及影像数字化误差等。 （2）几何畸变：影像的各种畸变及地形高差的影响等。 “灰度差的平方和最小” 仅仅认为影像灰度只存在偶然误差 最小二乘影像匹配的数学模型 按?vv＝min原则进行影像匹配的数字模型。若在此系统中引入系统变形的参数，按 ?vv＝min的原则，解求变形参数，就构成了最小二乘影像匹配系统。 灵活,可靠和高精度是优点, 缺点是，如当初始值不太准时，系统的收敛性等问题有待解决。 影像灰度的系统变形：产生影像灰度分布之间的差异。 辐射畸变： 几何畸变： 0 4 0 0 0 0 6 4 2 0 0 10 0 2 0 0 8 6 4 0 2 0 0 0 0 x1 y1 2 8 7 3 0 4 5 5 2 0 7 9 1 0 4 9 8 7 4 5 5 11 1 2 8 x2 y2 y x y x xa1=80，ya1=2190；xa2=83，ya2=1020（单位：pixel）。 初次迭代初始值: h0=0,h1=1,a0=0,a1=1,a2=0，b0=0,b1=0,b2=1 0 4 0 0 0 0 6 4 2 0 0 10 0 2 0 0 8 6 4 0 2 0 0 0 0 x1 y1 2 8 7 3 0 4 5 5 2 0 7 9 1 0 4 9 8 7 4 5 5 11 1 2 8 y2 y x y x x2 2 8 7 3 0 4 5.56 4.81 2.03 0 7 9.84 0.67 1.64 4 9 8.12