数字摄影测量4

资源与环境科学学院武汉大学,数字摄影测量,沈焕锋,第四章数字摄影测量,数字摄影测量,为了能利用摄影测量方法获取地面目标的几何信息，首先必须量测。传统方法：人工观测与量测。仪器设备:立体坐标量测仪、模拟测图仪和解析测图仪等数字摄影测量：利用计算机技术,代替人眼的立体模型观测。计算机、计算机的计算和影像匹配算法；对象为数字或数字化影像。,数字摄影测量,利用数字灰度信号，采用数字相关技术量测同名像点，在此基础上通过解析计算，进行相对定向和绝对定向，建立数字立体模型，从而建立数字高程模型、绘制等高线、制作正射影像图以及为地理信息系统提供基础信息等。这就是数字摄影测量。由于整个过程都是以数字形式在计算机中完成，因而又称为全数字化摄影测量。,数字摄影测量,实现数字影像自动测图的系统称为数字摄影测量系统DPS(DigitalPhotogrammetricSystem)或数字摄影测量工作站DPW(DigitalPhotogrammetricWorkstation)。这种系统既没有模拟测图仪，也没有解析测图仪，它实质上是一个普通的计算机影像数据处理系统，其硬设备就是影像数字化装置、影像或图形输出装置及电子计算机，而由事先编制好的置于计算机中的软件系统来完成各种摄影测量处理工作。因此，这种系统的功能主要取决于计算机及软件系统的功能。,影像数字化与影像重采样,影像数字化器。电子-光学扫描仪分为滚筒式和平台式两类固体阵列式数字化器影像数字化过程数字影像的构成数字影像内定向,影像数字化过程,将透明正片（或负片）放在影像数字化器上，把像片上像点的灰度值用数字形式记录下来，称为影像数字化。影像的灰度影像的灰度又称光学密度反映了透明的程度，即透光的能力,透过率T.影像的灰度用不透过率的对数表示,F0为投影在透明像片上的光通量，F为透过透明像片后的光通量。,影像数字化过程,采样与量化将传统的光学影像数字化得到的数字影像，或直接获取的数字影像，不可能对理论上的每一个点都获取其灰度值，而只能将实际的灰度函数离散化，对相隔一定间隔的“点”量测其灰度值。这种对实际连续函数模型离散化的量测过程就是采样，被量测的点称为样点，样点之间的距离即采样间隔。,影像数字化过程,影像数字化过程,采样与量化通过采样过程得到的每个点的灰度值不是整数，这对计算很不方便，为此，应将各点的灰度值取为整数，这一过程称为影像灰度的量化。方法为将透明像片有可能出现的最大灰度变化范围进行等分，等分的数目称为“灰度等级”，然后将每个点的灰度值在其相应的灰度等级内取整，取整的原则是四舍五入。由于数字计算机中数字均用二进制表示，因此灰度等级一般都取为2m(m是正整数)。,数字影像的构成,数字影像是一个灰度矩阵g：,矩阵的每个元素gj,i是一个灰度值，对应着光学影像或实体的一个微小区域，称为像元素或像元或像素（Pixel=Pictureelement）。各像元素的灰度值gj,i一般是0255之间的某个整数，代表像元素的黑白程度。数字化像元素的点位坐标（x,y）可以由像元素在矩阵中所在行、列号m，n来表示：,数字影像内定向,要从影像中提取物体的空间信息，首先要确定与物点相对应的像点坐标。在摄影测量中常取用以像主点为原点的像平面坐标来建立像点与地面点的坐标关系。由于在像片扫描的数字化过程中，像片的扫描坐标系与像平面坐标系一般不平行，且坐标原点不同，所以同一像点的像平面坐标x，y与其扫描坐标x，y不相等，需要加以换算，这种换算称为数字影像内定向。,其中a0,a1,a2,b0,b1,b2称为内定向参数，其数值由像片上四个框标的扫描坐标及其相应的像平面坐标组成误差方程式，用平差运算求得。,数字影像内定向,PhotoCoordinatessystem,ScanCoordinatessystem,O,x,y,x,y,AffineTransformation:,SimilarityTransformation:,数字影像内定向,内定向问题需要借助影像的框标来解决。现代航摄仪一般都具有48个框标。位于影像四边中央的为机械框标，位于影像四角的为光学框标，它们一般均对称分布。为了进行内定向，必须量测影像上框标点的扫描坐标。然后根据量测相机的检定结果所提供的框标理论坐标（传统摄影测量中也用框标距理论值），用解析计算方法进行内定向，从而获得所量测各点的影像坐标。,内定向常采用的多项式变换公式,（1）线性正形变换公式（四个参数）x=a0+a1x-a2yy=b0+a2x+a1y（2）仿射变换（六个参数）x=a0+a1x+a2yy=b0+b1x+b2y（3）双线性变换公式（八个参数）x=a0+a1x+a2y+a3xyy=b0+b1x+b2y+b3xy（4）投影变换（八个参数）x=a0+a1x+a2y+a3x2+b3xyy=b0+b1x+b2y+a3xy+b3y2,基于灰度的影像相关,对于全数字化摄影测量，在没有人眼的立体观测的情况下，如何从左、右数字影像中寻找同名像点，亦即数字影像相关，是全数字化摄影测量的核心问题。影像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。即首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信号，计算两者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。即以影像信号分布最相似的区域为同名区域，同名区域的中心点为同名点。,相关系数法协方差法高精度最小二乘相关,影像相关,互相关函数,相似程度,相关系数法,二维相关一般在左影像上先确定一个待定点，称之为目标点，以此待定点为中心选取mxn（可取m=n）个像素的灰度阵列作为目标区或称目标窗口。为了在右影像上搜索同名点，必须估计出该同名点可能存在的范围，建立一个kxl（km,ln）个像素的灰度阵列作为搜索区，相关的过程就是依次在搜索区中取出mxn个像素灰度阵列（搜索窗口通常取m=n），计算其与目标区的相关系数。,相关系数法,（i0，j0）为搜索区中心像素,；,协方差法,协方差法与相关系数法类似，只是相似性判剧不同，这里采用协方差值作为相似性判据。,取其最小者对应的相关窗口的中心，即为目标点的同名像点。,高精度最小二乘相关,最小二乘法在影像匹配中的应用是80年代发展起来的。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（LeastSquaresImageMatching）或最小二乘匹配LSM。由于该方法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，即影像匹配精度可达到子像素（Subpixel）等级。为此，最小二乘影像匹配被称为“高精度影像匹配”，但也有人习惯于称其为“高精度影像相关”。另外，在最小二乘影像匹配系统中，可以很方便地引入“粗差检测”，从而大大地提高影像匹配的可靠性。它甚至还可用于解决影像遮蔽问题（Occlusion）。,最小二乘影像匹配原理,因此，它与最小二乘法的原则是一致的。但是，一般情况下，它没有考虑影像灰度中存在着系统误差，仅仅认为影像灰度只存在偶然误差（随机噪声），即,或,若在此系统中引入系统变形的参数，按vvmin的原则，解求变形参数，就构成了最小二乘影像匹配系统。,影像匹配中判断影像相似的度量很多，其中有一种是“灰度差的平方和最小”。若将灰度差记为余差v，则上述判断可写为,最小二乘影像匹配原理,影像灰度的系统变形有两大类：一类是辐射畸变；另一类是几何畸变。在影像匹配中引入这些变形参数，同时按最小二乘的原则，解求这些参数，就是最小二乘影像匹配的基本思想。,核面与核线,核面与核线,通过摄影基线S1S2与任一物方点A所作的平面WA称为通过点A的核面。通过像主点的核面称为主核面。在立体像对中，左、右影像各有其自身的主核面，一般两个主核面是不重合的。核面与影像面的交线称为核线，如图中l1和l2是通过同名像点a1和a2的一对同名核线。在一条核线上的任一点其在另一幅影像上的同名像点必定位在其同名核线上。,利用核线的概念就能将沿着x,y方向搜索同名点的二维相关问题，改成为沿同名核线的一维相关问题，从而大大地减少相关的计算工作量。,沿核线重采样,在影像数字化过程中，像元素按矩阵形式规则排列，扫描行不是核线方向。因此，欲进行核线相关，必须先找到核线，而且核线确定的精度直接影响到影像相关的精度。有多种方法确定同名核线，如：基于数字影像几何纠正的方法。数字影像是个规则排列的灰度格网序列，为了获取核线的灰度序列，必须对原始影像灰度重采样。,核线的重排列（重采样）,核线相关,一维相关在核线影像上，只需要进行一维搜索。理论上，目标窗与搜索区均可以是一维窗口。但是，由于两影像窗口的相关系数一般是统计量，为了保证相关结果的可靠性，应有较多的样本进行估计，因而目标窗口中的像素不应太少。因此一维相关目标区的选取一般应与二维相关时相同，取一个以待定点为中心，mxn（可取m=n）个像素的窗口。此时搜索区为mxl（ln）个像素的灰度阵列，搜索工作只在一个方向进行，即计算相关系数。,核线相关,时（c,j0）为同名点(如图所示)，其中（i0，j0）为搜索区中心。,，当,最近邻插值输出像素的灰度等于离它所映射位置最近的输入像素的灰度值。,双线性插值四点确定一个平面函数，属于过约束问题；问题描述：单位正方形顶点已知，求正方形内任一点的f(x,y)值。,双三次插值：取与投影点邻近的16个象元灰度值（4*4），计算输出象元的灰度值,金字塔模板匹配,为了加快搜索速度，很多影像匹配方法使用金字塔影像。对影像进行一次采样率为1/n(n=2,3)的重采样，即把影像的每nn个像素变为一个像素，这样就得到一对长、宽都为原来1/n的影像，把它作为金字塔的第二层。再对第二层用同样方法进行一次采样率为1/n的重采样，又得到第三层（顶层）。原始影像作为金字塔影像的底层。,金字塔影像匹配的步骤,第一步：顶层的匹配，得到一个平移初始值。第二步：根据平移初始值乘以n得到第二层平移量初始值，在它mm个像元的邻域内进行模板匹配。第三步：根据第二层匹配值乘以n得到第三层平移量初始值，再进行一次模板匹配。如果影像尺寸不是特别大，可以只用两层金字塔。,基于特征的影像匹配,如前所述的影像匹配算法，均是在以待定点为中心的窗口（或称区域）内，以影像的灰度分布为影像匹配的基础，故它们被称为灰度匹配。在很多场合，影像匹配主要是用于配准那些特征点、线或面。为有别于前述的基于灰度的匹配，这一类算法被称为特征匹配或基于特征的匹配（FeatureBasedMaching，在计算机界也称为PrimitiveBasedMatching）。基本思想：首先用某种特征提取算子提取影像中的特征(点、线、面)；然后对提取的特征进行参数描述；最后以特征的参数值为依据进行同名特征的搜索，继而获得同名像点。一般来说，特征匹配可分为四步：特征提取、特征描述、特征匹配、非特征像素之间的匹配。,基于特征的配准步骤,在特征匹配前，首先要从两幅图像中提取灰度变化明显的点、线等特征形成特征集。在两幅图像对应的特征集中利用特征匹配算法尽可能的将存在匹配关系的特征对选择出来。通过特征建立两幅图像之间的多项式变换关系，达到以点代面的效果。对于非特征像素点，利用上述多项式变换关系来进行几何校正，从而实现两幅图像之间逐像素的配准。,点特征提取算法,点特征主要指明显点，提取点特征的算子称为兴趣算子或有利算子。,点特征的灰度特征,Moravec算子,Moravec于1977年提出利用灰度方差提取点特征的算子。通过逐像元量测与其邻元的灰度差，搜索相邻像元之间具有高反差的点。,Moravec算子,（1）计算各像元的有利值IV。,Moravec算子,（2）给定一经验阈值，将有利值大于阈值的点作为候选点。,Moravec算子,（3）在一定大小窗口中（如55，77，99像元等），将上一步所选的候选点与其周围的候选点比较，若该像元的有利值非窗口中最大值，则去掉；否则，该像元被确定为特征点。综上所述，Moravec算子是在四个主要方向上，选择具有最大最小灰度方差的点作为特征点。,Forstner算子,计算各像素的Roberts梯度和像素为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。,Forstner算子,（l）以55或更大的窗口，计算各像素的Roberts梯度。,Forstner算子,（2）计算ll（如55或更大）窗口中灰度的协方差矩阵,Forstner算子,（3）计算兴趣值q与w,Forstner算子,（4）确定待选点：（5）选取极值点,当同时，该像元为待选点,即在一个适当窗口中选择最大的待选点,线特征提取算子,线特征提取算子,线特征提取算子,线特征提取算子,梯度算子梯度能够反映灰度值在x,y方向的不连续性。,线特征提取算子,差分算子,线特征提取算子,Roberts梯度算子,线特征提取算子,线特征提取算子,Sobel算子考察它上下、左右邻点灰度的加权差。与之接近的邻点的权大。,线特征提取算子,Prewitt算子与Sobel算子,线特征提取算子,拉普拉斯算子（Laplace）,线特征提取算子,拉普拉斯算子（Laplace）,边缘检测算子比较结果,Sobel,边缘检测算子比较结果,Roberts,Prewitt,边缘检测算子比较结果,Canny,LaplacianofGaussian,边缘检测算子比较结果,跨接法影像匹配,跨接法影像匹配,跨接法影像匹配,跨接法影像匹配,数字摄影测量系统,在60年代，第一台解析测图仪AP-1问世不久，美国也已研制了全数字化测图系统DAMC。1988年京都国际摄影测量与遥感协会第16届大会上才展出了商用数字摄影测量工作站DSP-1。1992年8月在美国华盛顿第17届国际摄影测量与遥感大会上，已有多套较为成熟的产品展示，数字摄影测量工作站正在由试验阶段步入摄影测量的生产阶段。1996年7月，在维也纳17届国际摄影测量与遥感大会上，展出十几套数字摄影测量工作站，这表明数字摄影测量工作站已进入了使用阶段。,数字摄影测量工作站的组成,硬件组成：-计算机;-外部设备：立体观测设备;操作控制设备-输入设备：影像数字化仪-输出设备：矢量绘图仪;栅格绘图仪,数字摄影测量工作站的组成,软件组成：-数字影像处理软件主要包括：影像旋转；影像滤波；影像增强；特征提取-模式识别软件主要包括：特征识别与定位，框标的识别与定位；影像匹配（同名点、线与面的识别）；目标识别-解析摄影测量软件主要包括：定向参数计算；空中三角测量解算；核线关系解算，坐标计算与变换；数值内插，数字微分纠正；投