第一篇：数字摄影测量系统实验报告
数字摄影测量系统实验报告
专业：测绘工程
姓名：刘吉羽
学号：20083108011
2一．实验目的：
体会数字摄影测量系统进行立体测图的主要功能及主要作业步骤。从像对的内定向,相对定向,绝对定向到自动绘等高线,绘地形图等。
二．理论基础：
1．摄影测量系统的主要功能:
数字摄影测量系统是用来实现数字影像自动测图的系统。它除了可以胜任解析测图仪可完成的一切任务外，尚具有许多新的功能，如影相位移的去除，任意方式的纠正，反差的扩展，多幅影像的比较分析，图像识别，影像数字相关以及数据库的管理等等；通过显示器还可观察数字图像以及框标，控制点，DEM及其他所需特征；在空中三角测量中通过附加参数由自检校确定的系统误差的改正数可直接赋给图像，从而最终改善结果的精度；可转换成透视图像；可进行立体显示；可对图像自动进行所需要的特征提取，生成数字正射影像，数字高程模型或直接为机器人视觉系统服务等等。
2．VirtuoZo软件概况：
Virtuozo是武汉测绘科技大学全数字化自动测图系统WuDAMS的商品化名称，是国际同类五大著名软件系统之一。其核心技术处于国际领先水平。其主要功能为从输入的数字地面模型制作带高线的正射影像图与三维立体模型与交叉式全自动地物量测，可用于摄影测量、遥感与地理信息系统的数据采集与更新、测图与地图修测等。
三．实验步骤
1． 数字摄影测量数据准备
相机参数：应该提供相机主点理论坐标X0、Y0，相机焦距f0，框标距或框标点标 控制资料：外业控制点成果及相对应的控制点位图
航片扫描数据：符合VirtuoZo图像格式及成图要求扫描分辨率的扫描影像数据。VirtuoZo可接受多种图像格式：如TIFF、BMP、JPG等。一般选TIFF格式。
2． 建立测区与模型的参数设置
要建立测区与模型，VirtuoZo系统要设置很多参数，这些参数需要在参数设置界面上逐一设置。如测区（Block）参数、模型参数、影像参数、相机参数、控制点参数、地面高程模型(DEM)参数、正射影像参数和等高线参数等。其中有些参数在VirtuoZo系统中有其固有的数据格式，需要按照VirtuoZo规定的格式进行填写，如相机参数、控制点参数等。
3． 航片的内定向、相对定向与绝对定向
内定向：建立影像扫描坐标与像点坐标的转换关系，求取转换参数；VirtuoZo可自动识别框标点，自动完成扫描坐标系与相片坐标系间变换参数的计算，自动完成相片内定向，并提供人机交互处理功能，方便人工调整光标切准框标。
相对定向：通过量取模型的同名像点，解算两相邻影像的相对位置关系；VituoZo利用二维相关，自动识别左、右像片上的同名点，一般可匹配数十至数百个同名点，自动进行相对定向。并可利用人机交互功能，人工对误差大的定向点进行删除或调整同名点点位，使之符合精度要求。
绝对定向：通过量取地面控制点或内业加密点对应的像点坐标，解算模型的外方位元素，将模型纳入到大地坐标系中；①人工定位控制点进行绝对定向。相对定向完成后（即自动匹配完成后），由人工在左、右像片上确定控制点点位，并用微调按钮进行精确定位，输入相应控制点点名。每个像对至少需要三个控制点，一般为六个。定位完本像对所有的控制点后，即可进行绝对定向。②利用加密成果进行绝对定向。VirtuoZo可利用加密成果直接进行绝对定向，将加密成果中控制点的像点坐标按照相对定向像点坐标的坐标格式拷贝到相对定向的坐标文件（*.pcf）中,执行绝对定向命令，完成绝对定向，恢复空间立体模型。
4． 同名核线影像的采集与匹配
非水平核线：非水平核重采样是基于模型相对定向结果，遵循核线原理对左右原始影像沿核线方向保持X不变在Y方向进行核线重采样
水平核线：水平核重采样使用了绝对定向结果，将核线置平
两种核线的区别：非水平核重采样所生成的核线影像保持了原始影像同样的信息量和属性，因此当原始影像发生倾斜时，核线影像也会发生同样的倾斜，而水平核线避免这个倾斜情况。两种不同的核线形式匹配结果是迥然不同的，在实际作业时，一定要保证每个作业步骤使用都是同一种核线影像。（建议一个测区都使用一种采样方式）
影像匹配：影像匹配是数字摄影测量系统的关键技术，是沿核线一维影像匹配，确定同名点。生成核线影像。完成了模型的相对定向后就可生成非水平核线影像，但是要生成水平核线影像必须先完成模型的绝对定向。核线影像的范围可由人工确定，也可由系统自动生成最大作业区。影像按同名核线影像进行重新排列，形成按核线方向排列的核线影像。以后的处理，如影像匹配、等高线编辑等，都将在核线影像上进行。
影像匹配。按照参数设置确定的匹配窗口大小和匹配间隔，沿核线进行影像匹配, 确定同名
点。计算机进行自动匹配的过程中，有些特殊地物或地形匹配可能会出现错误，比如：影像中大片纹理不清晰的区域或没有明显特征的区域。如：湖泊、沙漠和雪山等区域可能会出现大片匹配不好的点，需要对其进行手工编辑；由于影像被遮盖和阴影等原因，使得匹配点不在正确的位置上，需要对其进行手工编辑；城市中的人工建筑物，山区中的树林等影像，它们的匹配点不是地面上的点，而是地物表面上的点，需要对其进行手工编辑；大面积平地、沟渠和比较破碎的地貌等区域的影像，需要对其进行手工编辑。匹配结果会影响以后生成的DEM的质量，所以进行匹配结果编辑是很有必要的，实习过程如图17所示。
5． DEM、DOM与等高线等数字产品的生成数字地面高程模型（DEM）：数字地面（高程）模型(Digital Elevation Model)；数字正射影像（DOM）：数字正射影像模型(Digital Ortho-Image Model)；
VirtuoZo 系统根据影像匹配后产生的视差数据、定向处理后得到的结果参数以及用户为建立 DEM 所定义的参数等，自动建立 DEM。VirtuoZo提供两种生成数字地面高程模型的方法。
（1）直接利用编辑好的匹配结果生成地面高程模型，如图20所示。（2）进入DEMMaker模块，利用特征点、线、面构成三角网，内插生成DEM，如图21所示。
数字地面高程模型（DEM）是制作正射影像的基础。当DEM 建立后，既可自动内插生成相应的等高线影像。也可以进行正射影像（DOM）的生成，利用上面生成的单模型的DEM生成该模型的正射影像。
6． 基于立体影像的数字化测图（IGS数字测图）
交互式数字影像测图系统（Interactive Graphics System，IGS）是利用计算机代替解析测图仪、用数字影像代替模拟像片、用数字光标代替光学光标，直接在计算机上进行数字化测图的作业方法。在立体或正射影像上进行地物数据采集和编辑，生成数字测图文件（*.xyz），在匹配预处理中被叠加到了立体影像上，然后参与影像匹配，设置作业环境，就可进行地物量测和图素编辑等。
7．多个模型的拼接、成果图输出
一个测区不只有一个模型，它可能是有很多模型组成的，前六部分的处理均是单模型处理，我们可以得到每个模型的DEM、DOM、等高线等成果。要得到整个测区的成果数据，还需要进行拼接操作。
四．实验总结
总体来说，通过几次的上机实验，熟悉了VirtuoZo软件的基本功能，对于图象的内定向相对定向以及绝对定向有一个明确的认识，同时学会了立体测图的操作过程。经过实验和考核，意识到要较好的完成该实验，准备工作即控制到的采集和测量至关重要，因为控制点的数据
质量好坏直接决定相对定向的残差结果。上机操作过程中，操作步骤要明确并且不能随意颠倒，否则可能出错或者达不到想要的结果。在考核的时候也是做了很多次才成功，每次都是换了电脑就不行了。原因就是自己对于步骤的顺序不够仔细不够熟练，所以会出现许多未预料的错误。
第二篇：数字摄影测量实验报告
数字摄影测量实验报告
学院：资源与环境学院 专业：地理信息系统
姓名：王忠 学号：2012083039
实验一
一、实验目的
1、掌握Leica Photogrammetry Suite(LPS)模块的基本功能和使用方法
2、加深对摄影测量中内定向原理的理解 制作出DTM和DOM图像。
二、实验平台 ERDAS2013 数据说明
采用col90p1.img、col91p1.img 和col92p1.img 三张框幅摄影机像片和一幅参考DEM 数据（colspr_dem.img），这三张像片也都配有相关的摄影机文件。实验步骤
航测数字影像内定向 设置摄影机
（1）、先在ERDAS2013下打开LPS这个模块，再在LPS下新建一个工程文件。
（2）然后设置相应的摄影机参数。
(3)、点击Edt conera打开输入参数。
(4).定义相机模型，点击new Camera,弹出如下对话框，输入相机信息.然后输入各框标点的像点坐标（基准方向是向右x轴和y轴）如下
内定向操作完成后,加载三幅影像.然后点击后点击打开对话框，之后点击，弹出三个视窗。
。选中
按钮，然
绝对定向
在Frame Camera Frame Editor对话框中点击Exterior Information标签，输入六个外方外元素。
测量控制点
从Edit菜单下选择Point Measurement打开Point Measurement工具
添加点
点击Point Measurement 工具右上角的Add 按钮，在左下方参考坐标显示区将增加一行，在该行的Point ID 列输入1002，即第一个控制点点号设为1002，后面添加的控制点点号将依次增加。测量检查点
检查点的添加和测量方法与控制点相同，本实验使用两个检查点，点号为2001 和2002 检查点2001：
检查点2002：
连接点的自动生成
控制点和检查点均测量完成后，打开Point Measurement工具右上角点击采集按钮，打开相应的对话框，设置相应的参数。
二、空中三角测量
在Edit菜单下打开Triangulation Properties打开Aerial Triangulation 对话框，打开Point 标签，在GCP Type and Standard Deviations 部分点击Type 下拉菜单选择Same Weighted Values,点击Run 按钮运行空中三角测量程序。
数字地面模型建立 打开已有项目文件 加载影像数据
设置DTM提取工具
在 LPS 工具栏点击DTM Extraction 按钮，或者在选择DTM Extraction 打开DTM Extraction 对话框，如下图：
Process 菜单中
DTM提取的高级工具设置——影像对设置
DTM 提取的高级工具设置——区域选择
在主视窗中右击选择 Zoom Out By X 打开Reduction 对话框，将缩小倍数设置为5%。
点击按钮使光标处于箭头状，调整显示整张影像的视窗和矩形框的大小与位置，将矩形
框定位在主视窗的右上角，在Area Selection的工具栏中点击Create Polygon Region按钮，即可选择多边形区域。DTM 提取的高级工具设置——精度设置
查看生成的DEM图像
DTM提取的成果报告
正射影像图制作 影像重采样处理
浏览正射影像
在 LPS 项目管理器左边的树状列表中，点击Orthos 文件夹，在中间的影像显示区将显示三张相互重叠的影像块，如下图所示：
从 ERDAS IMAGINE 中打开一个影像视窗，点击文件打开按钮，进入已保存正射影像图的
文件夹，选择所有影像块的影像（如：orthocol90p1.img, othocol91p1.img 和orthocol92p1.img），如下图所示：
当正射影像图制作完成后，在LPS 项目管理器底部的影像状态列表中可以明显看到，仅有DTM列呈红色，即未提取DTM，在任何时候都可以打开项目查看或者提取DTM。如下图所示：
实验二
用LPS处理无人机数据
一、实验目的
1、掌握使用ERDAS的基本操作；
2、学习LPS处理数字照片的步骤；
3、制作出DTM和DOM图像。
二、实验平台
ERDAS2013。资料
采用dsc_0008.jpg dsc_0009.jpg、dsc_0010.jpg、dsc_0011.jpg、dsc_0012.jpg、dsc_0013.jpg、dsc_0014.jpg、dsc_0015.jpg、dsc_0016.jpg、dsc_0017.jpg 10张像片。
四、实验步骤
创建工程，模型选择，在ERDAS2013下打开LPS，然后新建工程。
然后设置相应的参数。
加载影像，设置内定向参数，飞行高度设置为800 坐标系统设置
点击EDTconera设置相机参数
五、导入影像
六、计算金字塔
七、内定向—定义相机参数 基本参数：焦距长，像主点偏移
八．输入像元大小：
九、导入外方位元素
十、影像图导入
十一、自动生成同名点，添加控制点。
十二、空中三角测量
在Edit菜单下点击Triangulation Properties按钮
十三、提取DEM DEM基本参数设置
影像对筛选
DEM成果图
数字正射影像的制作 图像的重采样
浏览正射影像
在 LPS 项目管理器左边的树状列表中，点击Orthos 文件夹，在中间的影像显示区将显示三张相互重叠的影像块，如下图所示：
在ERDAS中添加正摄影像最终结果如下：
结果出图：
第三篇：数字摄影测量实习报告
数字摄影测量实习报告书
学 号：20111000684 班级序号： 113112-05 姓 名： 舒 超 指导老师： 宋 妍 成 绩：
中国地质大学（武汉）信息工程学院遥感科学技术系
2014年6月
目录
实习一：Moravec算子点特征提取........................................................................................3 1.1 实习目的：....................................................................................................................3 1.2 实习原理：....................................................................................................................3 1.3 实习步骤以及代码分析：............................................................................................3 1.4 结果分析：....................................................................................................................7 实习二：边缘提取算法...........................................................................................................9 2.1 实习目的：....................................................................................................................9 2.2 实习原理：....................................................................................................................9 2.3 实习步骤以及代码：....................................................................................................9 2.4 结果分析：..................................................................................................................11 实习总结.................................................................................................................................12
实习一：Moravec算子点特征提取
1.1 实习目的：
用程序设计语言（VisualC++或者C语言）编写一个完整的提取点特征的程序，通过对提供的图像数据进行特征点提取，输出提取出的点特征坐标。本实验的目的在于让学生深入理解Moravec算子原理。通过上机调试程序加强动手能力的培养，通过对实验结果的分析，增强学生综合运用所学知识解决实际问题的能力。
1.2 实习原理：
Moravec角点检测算法是最早的角点检测算法之一。该算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。
如果像素位于平滑图像区域内，周围的patch都会非常相似。如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。
Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点。
1.3 实习步骤以及代码分析：
步骤流程图如下：
程序实现以及相关关键代码：
voidCMy2010302590183cylView::OnMoravec()//读取图像以及相关算法 { //TODO:Addyourcommandhandlercodehere CMmoravecDlgdlg;dlg.DoModal();CMy2010302590183cylDoc*pDoc=GetDocument();LPSTRm_pDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->hdib);//得到句柄内存起始地址存放位图数据hdib句柄变量存放BMP位图 ::GlobalUnlock((HGLOBAL)pDoc->hdib);LPBITMAPINFOm_pBMP;//指向BITMAPINFO结构的指针
m_pBMP=(LPBITMAPINFO)::GlobalLock(pDoc->hdib);//获取指向BITMAPINFO结构的指针
::GlobalUnlock((HGLOBAL)pDoc->hdib);intBitCount=m_pBMP->bmiHeader.biBitCount;DWORDWidth=::DIBWidth(m_pDIB);//获取位图宽 DWORDHeight=::DIBHeight(m_pDIB);//获取位图高
LPBYTElpData=(LPBYTE)::FindDIBBits(m_pDIB);//定义字符指针变量,原位图指针
intWidthBytes=WIDTHBYTES(Width*BitCount);//获取字节 DWORDpixelCount=WidthBytes*Height;
intck1=dlg.c1;intck2=dlg.c2;doubleyz=dlg.m_yuzhi;DWORDr,c;INTh;double*xx=newdouble[Width*Height];intk;k=INT(ck1/2);for(r=ck1/2;r for(c=ck1/2;c { doublemin,v[4]={0.0}; for(h=0;h<=ck1-1;h++) { v[0]+=pow((double)(*((BYTE*)(lpData+r*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r)*WidthBytes+(c-k+1+h)))),2);//0°方向 v[1]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c+k-h)))-*((BYTE*)(lpData+(r-k+h+1)*WidthBytes+(c+k-h-1)))),2);//45°方向 v[2]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c)))),2);//90°方向 v[3]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c-k+h+1)))),2);//135°方向 } min=min(min(min(v[0],v[1]),v[2]),v[3]);//求出v1,v2,v3,v4中的最小值 if(min>yz) xx[r*Width+c]=min; } bool*bMatrix=newbool[Width*Height];memset(bMatrix,0,Width*Height*sizeof(bool));DWORDx,y;doublemax2;boolb=false;inttempX(0),tempY(0);for(x=ck2/2;x for(y=ck2/2;y { max2=0; for(DWORDm=(x-ck2/2);m<(x+ck2/2);m++) { for(DWORDn=(y-ck2/2);n<(y+ck2/2);n++) if(xx[m*Width+n]>max2) { max2=xx[m*Width+n]; tempY=m; tempX=n; b=true; } } if(b) { bMatrix[tempY*Width+tempX]=1;} } } intsum=0;//特征点总数 for(DWORDi=0;i for(DWORDj=0;j { if(bMatrix[i*Width+j]) { *((BYTE*)(lpData+i*WidthBytes+j))=0; *((BYTE*)(lpData+i*WidthBytes+j+1))=0; *((BYTE*)(lpData+i*WidthBytes+j-1))=0; *((BYTE*)(lpData+(i+1)*WidthBytes+j))=0; *((BYTE*)(lpData+(i-1)*WidthBytes+j))=0; *((BYTE*)(lpData+i*WidthBytes+j+2))=0; *((BYTE*)(lpData+i*WidthBytes+j-2))=0; *((BYTE*)(lpData+(i+2)*WidthBytes+j))=0; *((BYTE*)(lpData+(i-2)*WidthBytes+j))=0; sum++; } } if(sum<4000) { CStringstrInfo; strInfo.Format(“特征点数%dn”,sum); MessageBox(strInfo,“提示”,MB_OK); } else { CStringstrInfo; strInfo.Format(“特征点数较多，请设置合理参数”); MessageBox(strInfo,“提示”,MB_OK); } Invalidate();} 1.4 结果分析： 按照提示，对老师所给数据进行分析，当窗口大小设置为5*5,，阈值设置为5000的时候，对右核线影像进行分析，得到特征点43个，同时图像分析，得出如下结果： 调整阈值和窗口大小，程序能够正常运行，且经过测试，结果精确度有较好的保证。 实习二：边缘提取算法 2.1 实习目的： 熟悉Matlab环境下的编程，熟悉边缘提取算法。 2.2 实习原理： Sobel算子实现思路如下：对输入图像分别使用水平和垂直模板做卷积计算，对得到的两个处理结果求平方和，该平方和与阈值的平方比较。只有当某点的两种卷积的平方大于阈值的平方，且水平占优（水平模板卷积结果大于垂直模板卷积的结果，且该点的卷积平方大于其左右两点的卷积平方和）或者垂直占优（垂直模板卷积的结果大于水平模板卷积的结果，且该点的卷积平方和大于其上下两点的卷积平方和）时，该点的输出结果为255，否则为0。输出的结果为二值图像。第一行和最后一行本来就是图像边界，不包括可用信息，因此相应的输出为0，按照这个思路课题编写了相应的Sobel算子实现程序 2.3 实习步骤以及代码： 2.4 结果分析： 原图像 sobel边缘提取 实习总结 本次实习过程中，根据自身实际情况，我选择使用vc环境下的编程完成实习，而没有采用Matlab环境下的编程。在实习过程中，我熟悉了sobel算法以及Moravec算子，在程序调试的过程中，我认识到任何算法都有其局限性，比如说本次实习过程中，sobel算子的边缘提取就将许多的噪音提取了出来，导致边缘特征提取的不准确性。本次实习让我认识到了编程能力的重要性，学会编写基本的代码来实现基本的算法，能让我们摆脱软件已有算法的束缚，更多的按照需要来实现一些步骤。 总体来说，本次实习还是很成功的，让我认识到，在以后的学习生活中,我认识到,应该把理论和实践结合起来,多锻炼自己的动手能力,好好把握住每一次实习的机会. 实习报 告 实习名称： 班 姓 级: 名: 数字摄影测量实习09 测绘一班 刘胜 实验室 x5504 实习地点： 实习指导教师: 龚涛 实习时间： XX.9XX.10 西南交大地学学院 ： 一 lps 简述 lps 工程管理器是一个基于 windows 的综合数字摄影测量软件包，可 以对来 自不同类型的航空遥感相机及卫星传感器的图像进行快速和精确地 三角测量和 正射校正，与传统的三角测量和正射校正相比，可以极大的减少费用 和时间可 以处理各种各样的图像数据，诸如来自不同的摄影相机、不同的卫星 传感器、不同的航空 gps 数据等，处理过程涉及很多不同类型的几何模型。 二、数字摄影测量处理过程 1 创建 lps 工程文件 2 向 lps 工程加载图像 3 刺点 自动量测图像同名点 5 执行航空三角测量 dtm+等高线 dtm+等高线 6 图像正摄校正处理 处理前 处理后 控制点坐标 三、lps 数字摄影测量系统的应用 leica photogrammetry suitelps 是徕卡公司最新推出的数字摄影测量及遥 感处理软件系列。lps 为影像处理及摄影测量提供了高精度及高效能的生产工 具、它可以处理各种航天(最常用的包括卫星影像 quickbird、ikonos、spot5 及 landsat 等等)及航空(扫描航片、ads40 数字影像)的各类传感器影像定向 及空三加密，处理各种数字影像格式，黑/白、彩色、多光谱及高光谱等各类数 字影像。lps 的应用还包括矢量数据采集、数字地模生成、正射影像镶嵌及遥感 处理，它是第一套集遥感与摄影测量在单一工作平台的软件系列。lps 制作 dom 的全过程如下： lps 数字摄影测量系统制作 dom 具体制作过程如下： 首先创建工程文件，选择相机类型，设置投影参数，输入相片参数，创建相 机参数，导入外方为元素;其次数据处理，内定向，人工选择一个点后，自动完 成内定向。建立金字塔影像，加载控制点文件，并在图上刺出相应的点!一般说 来，选择 6 个均匀分布的点作为控制点，其他的设为检查点。同名点自动匹配，三角测量，直接进行空三解算，再接着生成 tin 数据;最后制作正摄影像，正 射影像拼接。拼接结束后，一般还要对影像进行匀光，消除接边缝隙等操作!1)、创建 lps 工程文件 2)、向 lps 工程加载图像 3)、定义数码相机几何模型 4)、自动量测图像同名点、执行航空三角测量 5)6)、图像正射校正处理 四、实习基本情况 1)、erdas imagine 9.2 遥感图像处理系统和数字摄影工作站上操作 2)、实习时间：第二教学周到第五教学周、上机时间：周一下午第二讲课 3：50-6：15 3)4)、上机地点：x5504 地理信息系 统实验室 由于我们在航空摄影测量时采用的是 canno d450 数码相机，所以在图像处 理的时候稍不同于摄影图像。而且，因为在课程设计的前期阶段，由于测控制点 的小组还没有完成控制点的量测和刺点工作，还有编程小组也还没有编程计算出 像片的内方位元素和外方位元素，所以我们 lps 图像处理小组暂时也还不能用 我们的实验数据进行处理。所以我们目前只是用 erdas imagine 自带的练习数据进行练习，然后将练习数据相片的信息给编程小组的成员检验他们的程序是 否正确。并且在整个课程设计的过程中，我们图像处理小组要根据使用练习数据 得到的信息指导整个小组的工作。 五、实习体会 经过一个月的实习对我来讲收获是非常大的，也产生了非常多的体会。内业数据处理是一种重复性的劳动，需要耐心，仔细，这样才能做好!通过实习，对以后的工作有了一定感性的认识，基本清楚了将来的工作内容，认识到现在应 该充分利用空余时间，多接触专业软件，方便以后工作。这次实习给我最大的体 会是测绘产品的生产是一项非常繁琐而细致的工作，作为一名测绘工作者，不仅 应该有娴熟的操作技能，而且应该有着负责而平和的心态，立志于将毕身精力献 给国家的测绘事业。我觉得要想成为一名优秀的测绘工作者，不仅要把测绘当成 一门学科来学习，更要把它当成一种技能来熟悉掌握。同时本次实习对我本人的 动手能力也有很大提高。本次实习还让我第一次感受了测绘部门的生产环境，这 对我也是一种激励，它促使我以后要更加认真地学习专业知识，掌握各种技能。要想在任何一个行业里面有所作为的话都必须付出辛勤的劳动和汗水。只有能过 努力学习才能成为一名好的测绘工作者。一份耕耘一分收获!，这应该成为我 们今后工作的座右铭。大学即将要结束了，我们也将步入新的人生岗位中在此，对在本次实习当中对我们进行细致辅导的老师表示极大的感谢和敬意，是你们耐 心的教诲和和善的态度让我们亲身感受并学会了摄影测量的过程，这对我们以后 的工作以及人生将会产生深远的影响。总而言之，这次实习对我学习数字摄影测量有很大帮助，可以说对我以后 工作也有很大帮助，这次实习在一次次失败后经过总结与坚持后成功的，可谓累 并快乐着，让我记忆深刻，对外受益匪浅。希望以后能进行更多类似方面的实习。 摄影测量的三个阶段：模拟测量、解析摄影测量、数字摄影测量。 数字摄影测量定义：以数字影像为数据源，根据摄影测量原理，通过计算机软件处理获取被摄物体的形状、大小、位置及其性质的技术。 数字影像获取方式主要有两种：模拟像片的数字化与数字相机直接获取数字影像。 数字化过程两个离散过程：采样、量化。 数字影像的均值与方差：均值反映了一幅影像的整体亮度，方差度量了影像的对比度。 信息熵:信息熵度量了随机变量集合的随机性程度，这种随机性程度说明了影像所包含的信息容量。将熵的概念应用于数字影像，它度量了灰度值的不确定性程度。 数字影像内插:根据已有的离散样本值确定不位于采样格点位置处影像函数值的过程。内插利用内插函数对离散信号样本进行平滑，从而重建原始信号在采样过程中丢失的信息。 数字影像的重采样:在已有离散样本值的基础上重建连续信号，然后再用不同的小单元对重建的连续信号进行新的细分，最后经量化得到重采样后新的样本值。这种采样格点的坐标变换和内插称为数字影像的重采样。插值与重采样的联系与区别： 插值：在已知坐标系统内，估计未知点的函数值，不涉及坐标变换； 重采样：先将已知坐标系统变换到另一坐标系统，然后估计函数在新坐标系统下的数值； 数字影像重采样两个步骤：影像重建和采样。 影像重建：将作为输入的离散数字影像样本重建为连续灰度表面。重采样方法有:最邻近内插法、双线性内插法、双三次卷积法。 点特征：就是影像曲面上具有确定的、明显表现（或特殊性质）的像点，如灰度值变化明显的点或亮度特别明显的小区域、边缘的交点及一些区域或轮廓的角点等。有时也称为兴趣点。 什么是好的角点检测算法？检测出图像中“真实的”角点；准确的定位性能；很高的重复检测率（稳定性好）；具有对噪声的鲁棒性；具有较高的计算效率。Moravec Operator算法流程 （1）以像素点(x,y)为中心的w×w窗口内，计算该像素在各个方向上的强度变化： （2）得出每个点的强度变化 （3）将所有C(x,y)低于阈值T的像素点的像素值置为0，大于阈值T的像素点为候选点； （4）运用“局部抑制非最大”求得局部最大值，即为角点。在一定大小的窗口内，将候选点中强度变化值不是最大者去掉，仅留下一个最大者，该像素即为角点。 Harris角点的性质：旋转不变性、对于图像灰度的仿射变化具有部分的不变性、对于图像几何尺度变化不具有不变性、随几何尺度变化，Harris角点检测的性能下降。 Forstner算子步骤： （l）计算各像素的Robert’s梯度 （2）计算ll（如55或更大）窗口中灰度的协方差矩阵（3）计算兴趣值q与w（4）确定待选点（5）选取极值点 各类角点算子提取方法比较（1）Moravec算子 ①Moravec是一个相对简单的算子，仅仅考虑8个方向，因此最显著的优点是实现简单快速。 ②Moravec不能保持旋转不变性，由于没有高斯平滑过程，所以对噪声敏感。③它对强边缘比较敏感，这是由于仅仅考虑了IV(自相关的响应值)的最小值。（2）Harris算子 Harris是一种高效的特征点提取算法，较好的稳定性，对平移、旋转、噪声可处理，能够提取出比较均匀的特征点，并且该算法对于灰度的变化图不敏感。缺点是无法适应图像的尺寸变化，计算量大，这是因为采取了多次滤波所致。（3）Forstner 计算速度快是Forstner算法最显著的优点，具有一定的抗噪性。同时，对比度、灰度受Forstner算法阈值变化的影响很大。如果在图像匹配中应用Forstner算法，为提高其适应性应根据图像对比度，自适应的设置初选阈值，并对处理的图像采取预处理去噪，以充分发挥其优势。（4）SUSAN算法的优点： ①对特征点的检测比对边缘检测的效果要好，适用于基于特征点的图像匹配。②不用求导，速度快，有一定的抗噪能力，噪声强度不大时，基本不受影响。③提取的特征点分布均匀，对特征明显的图像提取能力强。SUSAN算法的缺点也很明显： ①没有对边缘检测的过滤。 ②相似比较能力差且函数复杂，有时候存在误判。这是由于USAN设定的三种情况是理想情况，对图像和背景亮度的对比度的设定在实际情况中相差较远。③图像中不同区域处目标与背景的对比程度不一样，取固定阈值不符合实际情况。 边缘分类可分为两类：阶跃变化，屋顶变化。Canny边缘检测步骤 (1)用高斯滤波器平滑图像． (2)用一阶偏导有限差分计算梯度幅值和方向(3)对梯度幅值应用非极大值抑制 ．(4)用双阈值算法检测和连接边缘． Canny算子检测方法的优点： ①低误码率，很少把边缘点误认为非边缘点； ②高定位精度，即精确地把边缘点定位在灰度变化最大的像素上；③抑制虚假边缘。 Hough变换的基本原理是将影像空间中的曲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。 Hough变换：优点：由于它利用了图像全局特性，所以受噪声和边界间断的影响较小，比较鲁棒。 不足：1）计算量大，占用内存大2）检测精度受参数离散间隔制约3）只能指出图像中某条直线的存在，不能给出直线段的完整描述(端点坐标和长度信息等) 数字影像匹配就是在两张或多张数字影像的要素之间自动建立对应关系，这些影像是（或至少局部是）对同一场景在不同位置和不同时刻的成像，而要素可以是数字影像中的点（即像素），也可以是数字影像中提取的其他特征。共轭实体 共轭实体是指目标空间特征的影像，包括点、线、面及其他目标空间对象等。概略地说，共轭实体是在立体像对间建立对应关系过程中人们关注的对象。 匹配实体匹配实体是指一定的要素，正是通过对这些要素的比较以确定对应（或同名）的共轭实体。 相似性测度 相似性测度是刻画或说明匹配实体之间相似性程度的一种定量度量指标。一般说来，相似性程度是通过代价函数来计算的。在基于灰度的影像匹配中，常用的相似性测度包括相关系数测度、差平方和测度及差绝对和测度等。 匹配策略：匹配策略一般指求解匹配问题的概念或总体方案，主要包括匹配环境分析、匹配方法选择及匹配质量评价等。基本的影像匹配过程可描述为： 1）在一幅影像上选定待配准实体；2）确定匹配实体； 3）在另一张影像上寻找该待配准实体的共轭实体；4）计算配准实体在目标空间的3维位置；5）平价匹配质量。 产生几何畸变的主要原因有以下几种：1）方位参数引起的几何畸变 2）两影像间的不同旋转角引起几何畸变3）地面倾斜引起的几何畸变4）地面起伏引起的几何畸变 核线是对共轭实体的有效约束，核面定义为两投影中心C’、C’’和目标点P所决定的平面，核线e’、e’’就是核面与两像面的交线。核面包含共轭点，且这些共轭点必定位于相应核线上。 金字塔多级匹配策略：即使通过上述核线几何条件可以大大减小搜索空间，但仍然没有达到开始匹配所需要的非常接近的近似值。还可以考虑的减小搜索空间的方法就是增大像素尺寸。用这种增大像素尺寸来明显减小搜索空间并改善近似值的解决方法：就是先在较粗分辨率的影像上开始匹配，然后将结果投影（传导）到较精细分辨率的影像上，直至到最高分辨率影像（原始影像）。这可以通过对立体像对形成影像金字塔来实现。 基于灰度的影像匹配：以影像上局部范围内的灰度值及其分布作为匹配实体（或比较要素），通过计算匹配实体之间的相似性测度寻找共轭实体的影像匹配方法，称为基于灰度的影像匹配。灰度匹配中常用的相似性测度：（1）相关函数测度（2）协方差函数测度（3）相关系数测度（4）差平方和测度（5）差绝对值和 相关系数测度的性质： 性质一：相关系数是灰度线性变换的不变量。 性质二：相关系数极大等价于左右窗口灰度之间线性拟合的残差极小。 最小二乘影像匹配基本思想是：以局部范围内影像的灰度值及其分布作为匹配实体，以搜索窗口的中心位置和形状作为待定参数，通过极小化模板窗口与搜索窗口内影像灰度值差的平方和估计待定参数值，从而确定共轭实体。也就是说，搜索窗口的中心位置及形状是不断变化的，直至变形窗口和模板窗口（不变）内的灰度差达到极小值。第四篇：数字摄影测量实习报告
第五篇：数字摄影测量重点
点击咨询 