数字摄影测量复习题含答案

第五章数字图像和特征提取1.什么是数字图像？频域表达的作用是什么？答：数字图像是数字航空、胶片图像的数字存档扫描图像频域表示对数字图像处理很重要。这是因为转换后矩阵中的元素数与原始图像相同。其中很多值为0或数字较小，因此可以转换、压缩数据，以便更有效地存储和传递数据。以下是图像分解力分析和许多图像处理过程。过滤器、卷积和某些相关运算在频域中可能更有利。使用的重要关系之一是空间域内的卷积。这等于乘以频域内的卷积函数，反之亦然。摄影测量中使用的图像的傅里叶频谱可能会有很大的变化。例如，在某些航空摄影上总是只包含极低的频率信息，而在某些地方主要包含高频信息，在偶然的一些地方主要有窄范围的频带频率信息。2.如何根据已知的数字图像离散灰度值准确计算任意点的灰度值？答：如果想知道矩阵(采样)点上没有的原始函数g(x，y)的数字，则需要插值。在这种情况下，称为重新取样常用的图像重新取样方法是什么？比较一下他们的优缺点答：常用的图像重采样方法包括最近的像素方法、双线性插值、双立方卷积方法最接近的像素方法最简单，计算速度最快，不会破坏原始图像中的灰度信息，但会降低几何精度。双线性内插法会破坏原始图像中的灰度信息，但精度高，更合适。双三次卷积方法在重采样中误差约为双线性插值的三分之一，但需要很长时间。4.已知gi、j=102、gi1、j=112、gi1、j 1=126、k-I=/4、l -j=/4、采样间隔的双线性插值计算gk、lA :g (k，l)=w (I，j) g (I，j) w (I 1，j) g (I 1，j) w (I，j 1) g (I，j 1)=(1-/4)(1-/4)* 102(1-/4)/4 * 112/4(1-/4)* 118(/4)* * 118=102 13/2* -1/8*5.什么是线要素？可用于提取线要素的渐变运算符是什么？答：线要素可以视为图像的边和线，边定义对局部区域要素有其他影响的区域之间的边界线，线可以视为宽度非常小的区域之间的影响要素相同的边对常用方法包括差异运算符、拉普拉斯运算符、LOG运算符等第六章图像匹配基本理论和算法1.什么是棱锥体图像？基于棱锥体图像有什么好处？怎么了？答：二维图像通过执行低通滤波，增加采样间隔，获得元素总数越来越小的图像序列。这些图像对与图像分数通道相关。如果像金字塔一样重叠这些图像，则它们将成为棱锥体图像结构优点：提高了影响可靠性和准确性，提高了速度，通过低通滤波器发现了初始相关、同名点的粗略位置，利用高频信息建立了准确的相关性，实现了从造型到详细处理因为相关函数的频谱分析表明，信号的高频分量较少，相关函数曲线就更平缓；但是相关的拉入范围更大。相反，如果高频分量较多，则相关功能曲线更陡，相关精度更高，但相关拉入范围更小。此外，当信号有高频窄带随机噪声或信号有强高频信号时，相关函数有多尖锐，经常发生错误匹配2.什么是图像匹配，图像匹配与图像相关的关系是什么？答：图像匹配本质上用于识别两个或多个影响之间的同名，在初步研究中，通常使用相关技术解决图像匹配问题，是计算机视觉级别数字摄影测量的核心问题。因此，图像匹配通常称为图像相关。3.哪个图像与默认算法匹配？其中哪个算法更好？怎么了？答：有五种常用的图像匹配算法相关函数(向量数积)测量；协方差函数(矢量投影)测量；相关系数(矢量角度)测量；差异平方和(差异向量模式)测量；测量差异绝对值和(差异向量分量绝对值和)相关系数测量算法更好相关系数测量是一种标准化的协方差函数，因此相关系数测量算法更好，因为即使目标图像灰度和搜索区域中的图像之间存在线性失真，也可以更好地评估线性转换后相关系数不变的灰色矢量之间的相似性4.特征点匹配常用的策略是什么？比较“宽度优先”和“深度优先”图像匹配的优缺点A: (1)特征点匹配的常用策略：二维匹配和一维匹配如果图像位置参数未知，则需要二维图像匹配。这种匹配的主要目的是对图像位置参数使用明确的点对，建立三维图像模型，构建一维匹配的核线图像。二维匹配的搜索范围由先验时差确定，只需要搜索较小的范围如果图像方向已知，则可以使用直接核线约束进行一维匹配，但是可以上下方向分别搜索一个像素，也可以沿核线重新采样以形成一维图像匹配，但是如果图像位置参数不正确或采用近似核线的概念，则可以上下方向分别搜索一个像素可以选择重合替换点，如下所示：右侧图像也执行相应的特征提取，以选择预测区域中的特征点作为可能的匹配点右侧图像不执行要素提取，并将预测区域中的每个点用作可能的匹配点右边的图像不执行要素提取，但是不使用所有点作为可能的匹配点，而是使用“登山方法”进行搜索，动态确定替换点，登山方法主要用于二维匹配，一维匹配仅在沿搜索区域边缘的匹配测量最大的情况下使用特征点提取和匹配顺序“深度优先级”在每次将顶部左侧图像层提取到要素点时匹配此图像。然后，结果将匹配到原始图像，然后计算到图像图层，该区域中的点将围绕对应的匹配点对进行匹配。上升到第一层时，在该层的匹配点处选择另一个匹配点，将结果计算到原始图像中，首先处理第一层中第一个匹配点的点，然后重复上一点的过程，直到回溯到第二层。此处理顺序类似于人工智能的深度优先搜索方法“breadth priority”是按层处理的方法。也就是说，首先提取并匹配顶层中的图像，处理所有点，然后计算结果到下一层，然后运行加密以重复这些过程直到原始图像。这种处理顺序的人工智能的广度与优先搜索方法相似m匹配标准除了使用特定的相似度测量(主要是相关系数)外，通常还会考虑特征的方向，以考虑周围已经有点匹配的结果。将上一条核线已重合的点沿边缘线传递到当前核线同一边缘线上的点。特征点的信噪比必须大，相关系数也必须大。因此，如果相关系数高于阈值，则可以设置认为是匹配点的更大阈值。否则，必须使用附加条件进一步确定。经验表明，特征的相关系数通常可达到0.9或更高n消除总误差您可以使用二次曲面执行差异拟合，并使用最小平方方法消除粗加工概率(2)宽度优先匹配的优点：效率更高宽度优先匹配的缺点：精度低深度优先图像匹配的优点：高精度深度优先级影响匹配的缺点。效率低，计算量大第七章数字地面模型的建立与应用1.什么是DTM、DEM和dhm？Dem的主要形式是什么，优点和缺点是什么？答：数字地面模型DTM是各种信息(例如地形表面形态)的数字表示。严格地说，DTM是区域d中定义的m维向量的有限序列VI，I=1，2.n。其中矢量VI=vi1，vi2.vin的组件是各种信息的定量或定性描述，例如地形(Xi，yi，zi) (Xi，yi)如果仅考虑Dtm的地形构件，则通常将其称为数字高程模型DEM或dhm数字高程模型DEM是表示区域d地形的三维矢量有限序列VI=(Xi，yi)，I=1，2.是。其中，(Xi，yi)-d 是平面坐标，zi是对应于Xi，yi的高程，在此序列中，每个矢量的平面点按规则栅格排列时，可以忽略该平面坐标Xi，yi。其中DEM是一维向量序列zi，I=1，2.n简化为。这就是DEM或dhm名称的原因。在实际应用中，很多人把DEM