摄影测量原理考试复习资料小抄.doc

影像重采样 当欲知不位于矩阵（采样）点上的原始函数g(x,y)的数值时就需要内插，此时称为重采样。常用在影像的旋转、核线排列、数字纠正和最小二乘匹配。 常用重采样方法： 1 双线性插值法 双线性插值法的卷积核是一个三角函数，表达式为 W(x)=1-(x)，0≤|x|≤1 2 双三次卷积 3 最近邻像元法 直接取与P(x,y)点位置最近像元N的灰度值为核点的灰度作为采样值，即 I(P)=I(N) , N为最邻近点，其影像坐标值为 xN=INT(x+0.5) Yn= INT(y+0.5) 以上三种重采样方法以最邻近像元法最简单，它计算速度快且不破坏原始影像的灰度信息。但其几何精度较差，最大可达到0.5像元。前两种方法几何精度较好，但计算时间较长，特别是双三次卷积法较费时，在一般情况下用双线性插值法较宜。 点特征提取算法 1 Moravec 算子，其步骤为： 1）计算各像元的兴趣值IV。在以像素（c,r）为中心的w×w的影像窗口中，计算该像素四个方向相邻像素灰度差的平方和，取其中最小者作为该像素（c,r）的兴趣值。 2）给定一经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。 3）选取候选点中的极值点作为特征点。 2 Forstner 算子，其步骤为： 1）计算各像素的Robert梯度。gu=gi+1,j+1－gi,j ， gv=gi,j+1－gi+1,j 2) 计算L×L窗口中灰度的协方差矩阵。Q=N^(-1)= 3) 计算兴趣值q与w。w=1/trQ=DetN/trN ，q=4 DetN/(trN) 2 4）确定待选点。 如果兴趣值大于给定的阈值，则该像元为待选点。阈值为经验值，可参考下列值： Tq=0.5~0.75 Tw=﹛fw(f=0.5~1.5) cwc(c=5)﹜ 当qTq,且wTw时，该像元为待选点。 5) 选取极值点。 以权值w为依据选择极值点，即在一个适当窗口中选择最大的待选点，而去掉其余的点。 线特征提取算子 线特征是指影像的“边缘”与“线”。“边缘”可以定义为影像局部区域特征不相同的那些区域间的分界线，而“线”则可以认为是具有很小宽度的其中其中间区域具有相同的影像特征的边缘对，也就是距离很小的一对边缘构成一条线。 可用于线特征提取的梯度算子： 1 微分算子：梯度算子 Roberts算子 Sobel算子 2 二阶差分算子：方向二阶差分算子 拉普拉斯算子 高斯-拉普拉斯算子（LOG算子） Hough变换 其基本原理是将影像空间中的曲线（包括直线）变换到参数空间中，通过检测参数空间中的极值点，确定出该曲线的描述参数，从而提取影像中的规则曲线。 直线Hough变换通常采用的直线模型为=xcos+ysin 其步骤为： 1）对影像进行预处理，提取特征并计算其梯度方向I； 2）将（,）参数平面量化，设置二维累计矩阵H(i，j)； 3）边缘细化，即在边缘点的梯度方向上保留极值点而剔除那些非极值点； 4）对每一边缘点，以其梯度方向ψ为中心，设置一小区间，其中。为经验值，一般可取5°~10°，在此小区间上以△为步长，按=xcos+ysin对每个区间中的量化值计算相应的值，并给相应的累计矩阵元素增加一个单位值； 5）对累计矩阵进行阈值检测，将大于阈值的点作为备选点； 6）取累计矩阵（即参数空间）中备选点中的极大值点位所需的峰值点，这些点所对应的参数空间的坐标即所检测直线的参数。 四 基于物方的影像匹配（VLL法） 能够直接确定物体表面点空间三维坐标的基于物方的影像匹配方法，也被称为“地面元影像匹配”。此时待定点地面坐标（X,Y）是已知的，只需要确定其高程Z。其步骤为： 1）给定地面点的平面坐标（X,Y）与近似最低高程Zmin，高程搜索步距△Z可由所要求的高程精度确定。 2）由地面点平面坐标（X,Y）与可能的高程Zi=Zmin+i·△Z(i=0,1,2, …),利用共线方程的正解形式计算左、右像坐标（xi’,yi’）与(xi’’,yi’’)。 3）分别以（xi’,yi’）与(xi’’,yi’’)为中心在左右影像上取影像窗口，计算其匹配测度，如相关系数ρi（也可以利用其他测度）。 4）将i的值增加1，重复（2）（3）两步，得到0，1，2，…，n，取其最大者k：k=max﹛0，1，2，…，n﹜其对应高程为Zk=Zmin+k·△Z，则认为地面点A高程Z=Zk。 5）还可以利用k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，以进一步提高精度，或以更小的高程步距在一小范围内重复以上过程。 五 单点最小二乘影像匹配，其具体步骤为： 1）几何变形改正。根据几何变形改正参数a0,a1,a2,b0,b1,b2,将左方影像窗口的影像坐标（像素的行列号）变换至右方影像阵列：x2=a0+a1x+a2y