數(shù)字攝影測量學(xué)復(fù)習(xí)(編輯修改稿)
2025-05-14 01:44 本頁面
【文章內(nèi)容簡介】 一階差分算子中若卷積值大于閾值，二階差分算子若卷積值過零點則模板中心點對應(yīng)像素就是邊緣點LSD算子基本思想：首先利用高斯模板對原始圖像進行去噪處理，然后計算每個像素的梯度幅值和梯度方向，并對梯度幅值進行排序，按照梯度幅值的順序，通過迭代方法將具有梯度方向相似性的像素劃分為具有同一梯度方向的像素區(qū)域，最后利用矩形結(jié)構(gòu)逼近這些相同梯度方向的區(qū)域，取矩形結(jié)構(gòu)的中心線作為該區(qū)域線段特征。過程：梯度幅值和梯度方向估計直線支撐區(qū)域生成矩形逼近直線支撐區(qū)域直線檢測優(yōu)點：實時性、準確性、魯棒性，計算效率高，不需過多設(shè)置參數(shù)，能控制虛假直線、面特征提取影像分割是提取面特征的主要手段圖像分割算法大致分為三類基于閾值：計算量小、易于實現(xiàn)，但未考慮空間特征，抗噪性差；基于邊緣：抗噪性和檢測精度難以兼顧基于區(qū)域：區(qū)域生長、分裂合并、分水嶺分割、空間自相關(guān)遙感影像分割的難點：數(shù)據(jù)量明顯增加；同物異譜；尺度依賴性強、圓點特征定位WongTrinder圓點定位算子基本思想：利用二值圖像重心對圓點進行定位。首先將窗口中的影像二值化，再計算目標重心坐標（x，y）與圓度r. 當(dāng)r小于閾值時，目標不是圓；否則圓心為（x,y）。閾值取最小灰度值與平均灰度值和的一半。受二值化影響。用原始圖像灰度作為權(quán)進行改進，理想情況下。橢圓擬合法基本思想：首先用邊緣檢測算子對橢圓邊緣進行粗定位，然后剔除粗差，再對像素級邊緣點進行亞像素邊緣檢測得到亞像素精度的邊緣點，最后對提取的標志邊緣點進行橢圓最小二乘擬合，從而確定標志中心的精確位置。、角點特征定位Fǒrstner定位算子特點：速度快、精度較高步驟：最佳窗口選擇在最佳窗口內(nèi)加權(quán)重心化 以原點到窗口內(nèi)邊緣直線的距離為觀測值，梯度模之平方為權(quán),列誤差方程高精度角點與直線定位算子一維理想邊緣的成像為刀刃曲線。梯度與系統(tǒng)的線擴散函數(shù)成正比。平差模型采用梯度的模為觀測值。因為梯度方向代替直線方向存在不容忽視的誤差，Hough變換等使用梯度方向的方法不可能達到很高的精度。過程：確定窗口（粗定位）列誤差方程（梯度模為觀測值）確定直線參數(shù)初值（Hough變換）剔除粗差（選權(quán)迭代）計算角點評估精度五、 基于灰度的影像匹配（概述，4節(jié)）匹配：在不同數(shù)據(jù)集合之間建立對應(yīng)或相關(guān)關(guān)系影像匹配：在影像間建立對應(yīng)關(guān)系,實質(zhì):在兩幅（或多幅）影像之間識別同名點配準: 在遙感影像和地圖間建立對應(yīng)關(guān)系數(shù)字影像匹配：在兩張或多張數(shù)字影像的要素之間自動建立對應(yīng)關(guān)系，這些影像是（或至少局部是）對同一場景在不同位置或不同時刻的成像。要素：是數(shù)字影像中的點（即像素），也可以是數(shù)字影像中提取的其它特征、數(shù)字影像匹配基礎(chǔ)理論基礎(chǔ)：相關(guān)函數(shù)四類遙感影像配準：不同主點、不同時期、不同傳感器、場景到模型需考慮：幾何變形類型、輻射變形類型、噪音干擾、匹配精度、應(yīng)用類型等、基于灰度影像匹配定義：以影像上局部范圍內(nèi)的灰度值及其分布作為匹配實體（或比較要素），通過計算匹配實體之間的相似性測度尋找共軛實體的影像匹配方法相似性測度（代價函數(shù)）距離型：差平方和、差絕對值方向型：相關(guān)函數(shù)、協(xié)方差函數(shù)（中心化）夾角型：相關(guān)系數(shù)（標準化）局限性：窗口形狀、窗口影像內(nèi)容、影像強度的變化、VLL法定義：直接確定物體表面點空間三維坐標的影像匹配方法鉛垂線軌跡法影像匹配過程：給定地面點的平面坐標，與近似最低高程。從最低高程出發(fā)，計算像點坐標、相關(guān)系數(shù)，按步長搜索Z，使相關(guān)系數(shù)最大?？捎脪佄锞€擬合法或減小步長增加精度基于物方的多視影像匹配過程: 確定過目標點的光線S0p0,根據(jù)目標點初始高程和誤差，確定高程搜索范圍，根據(jù)精度要求確定步長。計算物方坐標，像點坐標，n幅待匹配影像窗口與目標影像窗口的相關(guān)系數(shù),按步長搜索Z使相關(guān)系數(shù)和最大。、最小二乘影像匹配基本思想：依據(jù)目標窗口影像的灰度值分布，以搜索窗口的中心位置和形狀作為待定參數(shù)，通過極小化目標窗口與搜索窗口的影像灰度值差的平方和來估計待定參數(shù)值，從而確定同名點。特點：考慮輻射畸變、幾何畸變，搜索窗口的形狀是不斷變化的優(yōu)點：模型化幾何變換、精度高、符合誤差傳播定律不僅可以被用于一般的數(shù)字地面模型獲取、正射影像生成，而且可以用于控制點的加密（空中三角測量）及工業(yè)上的高精度測量可以引入各種已知參數(shù)和條件，進行整體平差；可以引入粗差檢測可以求單點視差、空間坐標，同時求待定點坐標與影像的方位元素還可以解決多點、多片影像匹配缺點：要求相對精確的初值單點最小二乘：過程：迭代進行匹配，計算改正值、變形參數(shù)，幾何畸變改正、重采樣，輻射畸變改正，計算相關(guān)系數(shù)帶有共線條件的多片影像匹配基本思想：將共線條件作為制約條件，最小二乘影像匹配與共線方程兩類誤差方程聯(lián)合組成法方程式誤差方程式個數(shù)nmm+2n 未知數(shù)個數(shù)6n+3
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1