数字摄影测量重点[精选多篇]

第一篇：数字摄影测量重点

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ll（如55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。

第二篇：摄影测量重点

第一章摄影测量学定义：

摄影测量是从非接触成像系统，通过记录、量测、分析与表达等处理，获取地球及其环境和其他物体几何、属性等可靠信息的工艺、科学和技术。2 摄影测量分类：

按距离远近：航空、航天、近景、显微摄影测量； 按用途：地形、非地形摄影测量；

按处理手段：模拟、解析、数字摄影测量。

摄影机平台 ：航天摄影测量，航空摄影测量，地面摄影测量，水下摄影测量。3 摄影测量任务：

地形测量领域：各种比例尺的地形图、各部门专题图，建立地形数据库，提供地理信息系统所需要的基础数据；

非地形测量领域：生物、医学、公安侦破、考古、建筑物变形监测。物理投影：光学的、机械的或光学-机械的模拟投影。数字投影：利用计算机实时地进行投影光线（共线方程）的解算，从而交会被摄物体的位置。第二章基础知识： 几何纠正的核线解析关系：

设倾斜影像坐标系为x，y；水平影像坐标系为u，v。由共线方程„„

在“水平”影像上获取核线影像：v=某常数即表示某一核线，u=k采样间隔„„核线的重排列（重采样）„„

同名核线的确定：同名核线的v坐标值相等，v'=c代入右影像共线方程，即能获得右影像上的同名核线。实质：是一个数字纠正，将倾斜影像上的核线投影（纠正）到水平影像对上，求得水平影像对上的同名核线。3 空间前方交会：有两种方法：利用点投影系数的空间前方交会法，利用共线方程的严格解法。点投影系数P64：N和N'表示将左像点和右像点投影到地面上的点投影系数。P64 4 绝对定向： 绝对定向元素：描述立体像对在摄影瞬间的绝对位置和姿态的参数。λ,x0,y0,z0,Φ,Ω,Κ。.已知数据：量测2个平高和1个高程以上的控制点。解算过程P70：

（1）获取控制点的两套坐标Xp , Yp , Zp , Xtp , Ytp , Ztp

（2）给定绝对定向元素的初值 λ＝1,Φ＝Ω＝Κ＝0, 数据。广泛应用于各种高精度的解析空中三角测量和点

位测定实际生产中。相较于前两种方法的缺点：1）共线方程所描述的像点坐标与各未知参数的关系是非线性的；2）光束法区域网平差未知数多、计算量大，计算速度相对较慢；3）不可平高分开处理，只能是三维网平差。区域网平差的精度分布规律P92：

1）区域网空中三角测量的精度最弱点位于区域四周，不在区域的中央。平面控制点应布设在区域四周。2）密集周边布点时，区域网的理论精度对航带法而言小于一条航带的测点精度；独立模型法则相当于一个单元模型的测点精度；光束法，理论精度不随区域大小而改变，是一常数。

3）控制点稀疏分布，区域网的理论精度随着区域的增大而降低。但若增大旁向重叠，则可提高区域网平面坐标的理论精度。

4）区域网平差的高程理论精度取决于控制点间的跨度而与区域大小无关。理论上，光束法平差最符合最小二乘法原理，精度最好。但如果系统误差没有得到很好的补偿，光束法的优点无法反映，三种方法的精度则没有显著差异。9 系统误差的特性：

（2）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。

（3）解决“单点”的影像匹配问题，以求其“视差”；也可以直接解求其空间坐标。

（4）同时解求待定点的坐标与影像的外方位元素。（5）同时解决“多点”影像匹配或“多片”影像匹配。（6）引入“粗差检测”，从而大大地提高影像匹配的可靠性。

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。影像匹配迭代过程的具体步骤：（1）几何变形改正。（2）重采样。

（3）辐射畸变改正。

（4）判断是否需要继续迭代。若相关系数小于前一次迭代后所求得的相关系数，则可认为迭代结束。也可以根据几何变形参数是否小于某个预定的阈值。

（5）采用最小二乘影像匹配，解求变形参数的改正值dh0,dh1, da0,„。

（6）计算变形参数。

（7）计算最佳匹配的点位。可用梯度的平方为权，在左方影像窗口内对坐标作加权平均。摄影机主距：航空摄影机物镜中心至底片面的距离是固定值，称为航空摄影机主距（f），也叫像片主距，与物镜焦距基本一致。2 框标：设置在摄影机焦平面上位置固定的光学机械标志，用于在焦平面（即像片）上建立像方坐标系。3 摄影比例尺：航摄影像上线段l与相应地面线段L的水平距之比。1/m=l/L=f/H航高：摄影飞机在摄影瞬间相对某一水准面的高度。分为相对和绝对，用H表示。竖直摄影：摄影瞬间摄影机的主光轴近似与地面垂直，偏离铅垂线的夹角小于3°，夹角为像片倾角。6 航向重叠：同一条航线内相邻像片之间的影像重叠。Px%=px/lx*100%要求60% 最小53%旁向重叠：相邻航线间的影像重叠。Py%=py/ly*100%要求30%最小15%

飞行航线一般为东西方向，要求航线相邻两张像片应有60%左右的航向重叠度，相邻航线的像片应有30%左右的旁向重叠度。7 摄影基线：航向相邻两个摄影站间的距离（两次曝光的时间间隔内飞机飞过的距离）。8 航线弯曲：把一条航线的航摄像片根据地物影像拼接起来，各张像片的主点连线不在一条直线上，而呈现为弯弯曲曲的折线，称为航线弯曲。9 像片旋角：一张像片上相邻主点连线与同方向框标连线间的夹角，要求不得大于6°。像对：航向相邻两张像片组成一个像对。2 透视变换中重要点线P21 特征：

底点的特性：铅垂线在像面上的构像位于以点n为辐射中心的相应辐射线上。

等角点的特性：在倾斜像片和水平地面上，由等角点c和C所引出的一对透视对应线无方向偏差，保持着方向角相等。等比线的特性：等比线的构像比例尺等于水平像片上的摄影比例尺，不受像片倾斜影像。3 共线方程：P26

坐标系6个：像平面坐标系(p-xy)，像空间坐标系(S-xyz)，像空间辅助坐标系(S-XYZ)，摄影测量坐标系(p-XpYpZp)，地面测量坐标系(t-XtYtZt)，地面摄影测量坐标系(A-XtpYtpZtp)。内方位元素：摄影机的物镜中心与像片之间相互位置的参数。3个参数，主距像主点在框标坐标系中坐标（x0，y0）外方位元素：已建立的摄影光束，确定像片摄影瞬间在地面直角坐标系中空间位置和姿态的参数。三个直线元素，描述摄影中心在地面空间直角坐标系中的坐标值(Xs、Ys、Zs)。三个角元素(φ、ω、κ)，表示摄影光束空间姿态(像片在摄影瞬间空间姿态的要素）公式、字母意义P30 应用：求像底点坐标，单像空间后方交会和多像空间前方交会，摄影测量中的数字投影基础，航空影像模拟，光束法平差的基本数学模型，利用DEM制作数字正射影像图，利用DEM进行单张像片测图。4 像点位移的规律P33-34 详见作业本 5 内定向：传统摄影测量中：利用平面相似变换等公式，将所量测的影像架坐标或仪器坐标（像点坐标）变换为以影像上像主点为原点的像坐标系中的坐标，该变换为影像内定向。数字化影像：由于在影像扫描数字化过程中，影像在扫描仪上的位置通常也是任意放置的，因此所量测的像点坐标也存在着从扫描坐标到像坐标的转换。

共线方程的主要应用p30 6 后方交会：根据影像覆盖范围内一定数量的分布合理的地面控制点（已知其像点和地面点的坐标），利用共线条件方程求解像片外方位元素，这种方法叫做后方交会。

后方交会计算过程P41：

（1）获取已知数据m, x0 , y0 , f , Xt, Yt, Zt

（2）量测控制点像点坐标并进行必要的误差改正x,y（3）确定未知数初值Xs0，Ys0，Zs0，φ0，ω0，κ0

（4）计算旋转矩阵R

（5）逐点计算像点坐标近似值。利用未知数的近似值按共线方程计算控制点像点坐标的近似值

（6）逐点计算误差方程式的系数和常数项，组成误差方程式

（7）计算法方程的系数阵与常数项，组成法方程式（8）解求外方位元素改正数（9）检查迭代是否收敛 第三章相对定向元素：用于描述两张像片相对位置和姿态关系的参数。

元素和观测值具体P54。观测值：量测6个定向点像点坐标。核线与核面：

通过摄影基线与地面所作的平面称为核面。核面与影像面交线称为核线。同名像点必定在同名核线上。

怎样找同名核线（第一种方法）P61-62：基于数字影像

X0=Y0=Z0=0

（3）计算重心化坐标

（4）计算误差方程式的系数和常数项（5）解法方程，求绝对定向元素改正数（6）计算绝对定向元素的新值（7）判断迭代是否收敛 5 三种解法的比较：后交前交解法，相对定向绝对定向解法，一步定向法。

（1）空间后方交会-前方交会方法：先用后方交会求出像片外方位元素，再用前方交会求出像点对应地面点坐标。

（2）相对定向-绝对定向法：先进行立体像对的相对定向，求出模型点的摄影测量坐标，再用地面控制点将模型纳入测量坐标系求出地面点坐标。（3）立体影像对光束法严密解法（一步定向法）：以共线方程为基础，未知点、控制点同时列误差方程，将像片外方位元素和待定点坐标在平差过程中整体解求。第四章：解析空中三角测量：

分类：按数学模型：航带法，独立模型法，光线束法。按平差范围：单模型法，航带法，区域网法。所必需的信息：摄影测量信息：像片上量测的像点坐标，立体模型上量测的模型坐标。

非摄影测量信息：大地测量观测值，像片外方位元素，相对控制条件。影像连接点类型有哪些：人工转刺点，仪器转刺点，标志点，明显地物点，数字影像相关转点。3 像点坐标量测与系统误差预改正有哪些：像点坐标量测，摄影材料变形改正，摄影机物镜畸变差改正，大气折光差改正，地球曲率改正。4 航带法空三测量： 工作流程：

（1）像点坐标量测与系统误差预改正（2）立体像对相对定向

（3）模型连接构建自由航带网（4）航带模型绝对定向（5）航带模型非线性改正（6）加密点坐标计算

模型连接的实质：求出相邻模型间的比例尺规划系数k。

计算过程：建立自由比例尺的航带网，建立松散的区域网，区域网整体平差。独立模型法区域网空三测量： 主要内容：

（1）求出各单元模型中模型点的坐标；

（2）利用公共点和控制点，对每个模型进行空间相似变换，列出误差方程及法方程式；

（3）建立改化法方程式，按循环分块法，求得每个模型的7个参数；

（4）计算每个模型中待定点平差后的坐标。若为相邻模型的公共点，则取其平均值作为最后结果。6 光束法区域网空三测量： 基本内容（流程）：

（1）像片外方位元素和地面点坐标近似值的确定（2）逐点建立误差方程式

（3）逐点法化并建立改化法方程式，循环分块法解求改化法方程式，通常先求外方位元素。（4）加密点坐标计算三种区域网平差方法比较P90、作业：（1）航带法

数学模型：航带坐标的非线性多项式改正公式； 观测值：自由航带中各点的摄影测量坐标；平差单元：航带；

整体平差未知数：各航带的多项式改正系数。

特点：未知数少，解算方便和快速，但精度不高。所谓的观测值，自由航带坐标并不是真正的观测值，彼此不独立，所以不是严密的平差方法。主要用于为严密平差提供初始值和小比例尺低精度点位加密。（2）独立模型法

数学模型：单元模型的空间相似变换公式； 观测值：计算的或量测的模型坐标；平差单元：独立模型；平差未知数：各模型空间相似变换的7个参数、加密点的地面坐标。特点：整个区域的未知数比航带法区域网平差多，但若采用平高分求，解算所占用的内存和计算时间比光束法区域网平差少。相当严密的平差方法。若顾及到模型坐标间的相关特性，理论上与光束法同样严密。（3）光束法

数学模型：共线条件方程； 观测值：每幅影像的像点坐标；平差单元：单个光束；平差未知数：各影像的外方位元素和所有待求点地面坐标。特点：最严密的一步解法，误差方程式直接对原始观测值列出，能最方便地顾及影像系统误差的影响，最便于引入非摄影测量附加观测值（导航数据和地面测量观测值），可严密地处理非常规摄影以及非量测相机的影像系统误差既具有系统特性，同时也有随机性（随着外界条件的变化，像点坐标系统误差存在着随机变化的特性（1）许多影像系统误差是在实验室中测定的，是在静止状态下进行的。（2）实际数据获取过程是一个动态过程。补偿系统误差的方法：试验场检校法，验后补偿法，自检校法，自抵消法。利用附加参数的自检校法：利用若干附加参数来描述系统误差模型，在区域网平差的同时解求这些附加参数，以自动测定和消除系统误差。联合平差：所谓的摄影测量与非摄影测量观测值的联合平差，指的是在摄影测量平差中使用了更一般的原始的非摄影测量观测值或条件。GPS辅助空三测量：利用安装于飞机上与航摄仪相连接的和设在地面一个或多个基准站上的至少两台GPS信号接收机同步而连续地观测GPS卫星信号、同时获取航空摄影瞬间航摄仪快门开启脉冲，经过GPS载波相位测量差分定位技术的离线数据后处理获取航摄仪曝光时刻摄站的三维坐标，然后将其视为附加观测值引入摄影测量区域网平差中，以取代地面控制，经采用统一的数学模型和算法来整体确定目标点位和像片方位元素，并对其质量进行评定的理论、技术和方法。14 POS：是基于GPS和IMU（惯性测量装置）的直接测定影像外方位元素的现代航空摄影导航系统，可用于在无地面控制或仅有少量地面控制点情况下的航空遥感对地定位和影像获取。第五章采样：对实际连续函数模型离散化的量测过程。采样定理：公式P122，当采样间隔能使在函数g(x)中存在的最高频率中每周期取有两个样本时，则根据采样数据可以完全恢复原函数g(x)。2 点特征提取算法 Moravec算子步骤：（1）计算各像元的兴趣值 IV（2）给定一经验阈值，将兴趣值大于阈值的点作为候选点。

（3）选取候选点中的极值点作为特征点。语言描述公式P128 3 线特征提取算子 线和边缘有何区别：“边缘”可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间区域具有相同的影像特征的边缘对。

常用算子有哪些：常用方法有：差分算子、拉普拉斯算子、LOG算子等。

特征分割法有哪些参数：影像段有三个特征点组成：一个灰度梯度最大点和两个突出点。三个特征点的像素号与两突出点的灰度差为描述此特征的四个特征参数。第六章影响相关：是利用互相关函数，评价两块影像的相似性以确定同名点。维纳-辛钦定理：随机信号的相关函数与其功率谱是一傅立叶变换对，即相关函数的傅立叶变换即功率谱，而功率谱的逆傅立叶变换即相关函数：金字塔影像结构：对于二维影像逐次进行低通滤波，并增大采样间隔，得到一个像元素总数逐渐变小的影像序列，将这些影像叠置起来颇像一座金字塔，因而称之为金字塔影像结构。

金字塔影像的层数确定方法P152：

（1）由影像匹配窗口w大小确定金字塔影像层数。当影像的先验视差未知时，可建立较完整金字塔，最上层的像元素个数在列方向上介于匹配窗口像素列数的1与L倍之间。层数k：w＜INT（n/Lk＋0.5）＜l·w。（2）由先验视差确定金字塔影像层数。若已知影像最大视差为P，可人工量测一个点算出视差并估计其最大左右视差。影像匹配：影像匹配实质上是在两幅（或多幅）影像之间识别同名点。同名点确定以匹配精度为基础。影像匹配五种基本算法：相关函数，协方差函数，相关系数，差平方和，差绝对值和。前三种优缺点：P153-156铅垂线轨迹法VLL步骤P158：（1）给定地面点的平面坐标（X，Y）与近似最低高程Zmin。

（2）Zi＝Zmin＋i·ΔZ高程搜索步距ΔZ可由所要求的高程精度确定

（3）计算左右像坐标（xi′, yi′）与（xi〞，yi〞）（4）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pi。

（5）将i的值增加1，重复2，3两步，得到ρ0，ρ1，ρ2，ρn取其最大者ρk＝ max{ρ0，ρ1，ρ2，ρn}（6）还可以利用ρk及其相邻的几个相关系数拟合一抛物线，以其极值对应的高程作为A点的高程。6 最小二乘影像匹配 优点：

（1）影像匹配可以达到1/10甚至1/100像素的高精度。

影像匹配的精度与相关系数和信噪比的关系：影像匹配的精度与相关系数有关，相关系数愈大则精度愈高。它与影像窗口的“信噪比”有关，信噪比愈大，则匹配的精度愈高。影像匹配的精度还与影像的纹理结构有关，越大精度越高。特征匹配：步骤分为三步：①特征提取；②利用一组参数对特征作描述；③利用参数进行特征匹配。特征提取：根据各特征点的兴趣值将特征点分成几个等级。

特征点的分布方式：

（1）随机分布。按顺序进行特征提取，但控制特征的密度。选取的点集中在信息丰富区域。

（2）均匀分布。将影像划分成规则矩形格网，每一格网内提取一个或若干个特征点。匹配的备选点选择方法：

对右影像也进行相应特征提取，挑选预测区内的特征点作为可能的匹配点； 右影像不进行特征提取，将预测区内的每一点都作为可能的匹配点；

右影像不进行特征提取，但也不将所有的点作为可能的匹配点，而用爬山法搜索，动态地确定各选点。跨接法影像匹配步骤（过程）：1.特征提取 2.构成跨接法匹配窗口 3.跨接法影像匹配 特征点的匹配p169

跨接法原理与过程图 p171 第八章数字纠正：将影像化为很多微小的区域逐一纠正，且使用数字方式处理，从原始非正射投影的数字影像获取正射影像的过程。分类：依据被纠正最小单元分为：点元素纠正和线元素纠正。面元素纠正实质是点元素纠正。

方法：反解法（间接）数字微分纠正步骤P213：计算地面点坐标，计算像点坐标，灰度内插，灰度赋值。正解法（直接）数字微分纠正。2 立体正射影像对的制作方法：斜平行投影法和对数投影法。P224

立体正射影像对的高程量测精度与DEM精度的关系：立体正射影像对的高程量测精度通常要高于用来制作正射影像和立体匹配片的数字高程模型DEM精度。高3倍左右。

立体正摄影象对量测碎步高度存在的问题p226 3 真正射影像：

概念：所谓真正射影像，就是在数字微分纠正过程中，要以数字表面模型DSM为基础进行数字微分纠正。4 正射影像几何精度检查方法：正射影像的精度检查主要是指几何精度检查。方法：（1）利用已知点检测：用于检查正射影像绝对精度。

（2）与等高线图或线画地图套合后进行目视检查。（3）对每个立体相对分别由左影像和右影像制作同一地区的两幅正射影像，然后量测两幅正射影像上同名点的视差进行检查。

第三篇：摄影测量重点[最终版]

名称解释

摄影测量学 数字摄影测量 中心投影 像主点 摄影基线 同名像点 核面 空间前方交会 核线 影像匹配

填空题问答题

摄影测量的任务和特点

摄影测量分类：按距离、按用途和按技术手段

摄影测量坐标系：物方坐标和像方坐标系。

共线方程的具体推导过程，意义以及在摄影测量中作用。单像空间后方交会和双像空间后方交会目的及计算流程。

相对定向有哪几种方法，每种方法的定向元素是那些，以及计算流程？绝对定向的目的、定向元素和流程。

空中三角测量都有那些方法，每种方法的目的及意义。

摄影测量对影像有那些要求？重叠度，航线，航高等。

正射影像纠正都有那些方法，其特点是什么。

相关系数法匹配同名点的原理与过程

核线相关的目的，方法。

第四篇：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.

第五篇：数字摄影测量实习报告

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。