【正文】 上重建連續(xù)信號(hào)，然后再用不同的小單元對(duì)重建的連續(xù)信號(hào)進(jìn)行新的細(xì)分，最后經(jīng)量化得到重采樣后新的樣本值。這種采樣格點(diǎn)的坐標(biāo)變換和內(nèi)插稱為數(shù)字影像的重采樣。插值與重采樣的聯(lián)系與區(qū)別：插值：在已知坐標(biāo)系統(tǒng)內(nèi)，估計(jì)未知點(diǎn)的函數(shù)值，不涉及坐標(biāo)變換；重采樣：先將已知坐標(biāo)系統(tǒng)變換到另一坐標(biāo)系統(tǒng)，然后估計(jì)函數(shù)在新坐標(biāo)系統(tǒng)下的數(shù)值；數(shù)字影像重采樣兩個(gè)步驟：影像重建和采樣。影像重建：將作為輸入的離散數(shù)字影像樣本重建為連續(xù)灰度表面。重采樣方法有:最鄰近內(nèi)插法、雙線性內(nèi)插法、雙三次卷積法。點(diǎn)特征：就是影像曲面上具有確定的、明顯表現(xiàn)（或特殊性質(zhì)）的像點(diǎn)，如灰度值變化明顯的點(diǎn)或亮度特別明顯的小區(qū)域、邊緣的交點(diǎn)及一些區(qū)域或輪廓的角點(diǎn)等。有時(shí)也稱為興趣點(diǎn)。什么是好的角點(diǎn)檢測(cè)算法？檢測(cè)出圖像中“真實(shí)的”角點(diǎn)；準(zhǔn)確的定位性能；很高的重復(fù)檢測(cè)率（穩(wěn)定性好）；具有對(duì)噪聲的魯棒性；具有較高的計(jì)算效率。Moravec Operator算法流程（1）以像素點(diǎn)(x,y)為中心的ww窗口內(nèi)，計(jì)算該像素在各個(gè)方向上的強(qiáng)度變化：（2）得出每個(gè)點(diǎn)的強(qiáng)度變化（3）將所有C(x,y)低于閾值T的像素點(diǎn)的像素值置為0，大于閾值T的像素點(diǎn)為候選點(diǎn)；（4）運(yùn)用“局部抑制非最大”求得局部最大值，即為角點(diǎn)。在一定大小的窗口內(nèi)，將候選點(diǎn)中強(qiáng)度變化值不是最大者去掉，僅留下一個(gè)最大者，該像素即為角點(diǎn)。Harris角點(diǎn)的性質(zhì)：旋轉(zhuǎn)不變性、對(duì)于圖像灰度的仿射變化具有部分的不變性、對(duì)于圖像幾何尺度變化不具有不變性、隨幾何尺度變化，Harris角點(diǎn)檢測(cè)的性能下降。Forstner算子步驟：（l）計(jì)算各像素的Robert’s梯度（2）計(jì)算l180。l（如5180。5或更大）窗口中灰度的協(xié)方差矩陣（3）計(jì)算興趣值q與w（4）確定待選點(diǎn)（5）選取極值點(diǎn)各類角點(diǎn)算子提取方法比較（1）Moravec算子①M(fèi)oravec是一個(gè)相對(duì)簡(jiǎn)單的算子，僅僅考慮8個(gè)方向，因此最顯著的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單快速。②Moravec不能保持旋轉(zhuǎn)不變性，由于沒有高斯平滑過程，所以對(duì)噪聲敏感。③它對(duì)強(qiáng)邊緣比較敏感，這是由于僅僅考慮了IV(自相關(guān)的響應(yīng)值)的最小值。（2）Harris算子Harris是一種高效的特征點(diǎn)提取算法，較好的穩(wěn)定性，對(duì)平移、旋轉(zhuǎn)、噪聲可處理，能夠提取出比較均勻的特征點(diǎn)，并且該算法對(duì)于灰度的變化圖不敏感。缺點(diǎn)是無法適應(yīng)圖像的尺寸變化，計(jì)算量大，這是因?yàn)椴扇×硕啻螢V波所致。（3）Forstner計(jì)算速度快是Forstner算法最顯著的優(yōu)點(diǎn)，具有一定的抗噪性。同時(shí)，對(duì)比度、灰度受Forstner算法閾值變化的影響很大。如果在圖像匹配中應(yīng)用Forstner算法，為提高其適應(yīng)性應(yīng)根據(jù)圖像對(duì)比度，自適應(yīng)的設(shè)置初選閾值，并對(duì)處理的圖像采取預(yù)處理去噪，以充分發(fā)揮其優(yōu)勢(shì)。（4）SUSAN算法的優(yōu)點(diǎn)：①對(duì)特征點(diǎn)的檢測(cè)比對(duì)邊緣檢測(cè)的效果要好，適用于基于特征點(diǎn)的圖像匹配。②不用求導(dǎo)，速度快，有一定的抗噪能力，噪聲強(qiáng)度不大時(shí)，基本不受影響。③提取的特征點(diǎn)分布均勻，對(duì)特征明顯的圖像提取能力強(qiáng)。SUSAN算法的缺點(diǎn)也很明顯： ①?zèng)]有對(duì)邊緣檢測(cè)的過濾。②相似比較能力差且函數(shù)復(fù)雜，有時(shí)候存在誤判。這是由于USAN設(shè)定的三種情況是理想情況，對(duì)圖像和背景亮度的對(duì)比度的設(shè)定在實(shí)際情況中相差較遠(yuǎn)。③圖像中不同區(qū)域處目標(biāo)與背景的對(duì)比程度不一樣，取固定閾值不符合實(shí)際情況。邊緣分類可分為兩類：階躍變化，屋頂變化。Canny邊緣檢測(cè)步驟(1)用高斯濾波器平滑圖像．(2)用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向(3)對(duì)梯度幅值應(yīng)用非極大值抑制 ．(4)用雙閾值算法檢測(cè)和連接邊緣． Canny算子檢測(cè)方法的優(yōu)點(diǎn)：①低誤碼率，很少把邊緣點(diǎn)誤認(rèn)為非邊緣點(diǎn)；②高定位精度，即精確地把邊緣點(diǎn)定位在灰度變化最大的像素上；③抑制虛假邊緣。Hough變換的基本原理是將影像空間中的曲線變換到參數(shù)空間中，通過檢測(cè)參數(shù)空間中的極值點(diǎn)，確定出該曲線的描述參數(shù)，從而提取影像中的規(guī)則曲線。Hough變換：優(yōu)點(diǎn)：由于它利用了圖像全局特性，所以受噪聲和邊界間斷的影響較小，比較魯棒。不足：1）計(jì)算量大，占用內(nèi)存大2）檢測(cè)精度受參數(shù)離散間隔制約3）只能指出圖像中某條直線的存在，不能給出直線段的完整描述(端點(diǎn)坐標(biāo)和長(zhǎng)度信息等)數(shù)字影像匹配就是在兩張或多張數(shù)字影像的要素之間自動(dòng)建立對(duì)應(yīng)關(guān)系，這些影像是（或至少局部是）對(duì)同一場(chǎng)景在不同位置和不同時(shí)刻的成像，而要素可以是數(shù)字影像中的點(diǎn)（即像素），也可以是數(shù)字影像中提取的其他特征。共軛實(shí)體 共軛實(shí)體是指目標(biāo)空間特征的影像，包括點(diǎn)、線、面及其他目標(biāo)空間對(duì)象等。概略地說，共軛實(shí)體是在立體像對(duì)間建立對(duì)應(yīng)關(guān)系過程中人們關(guān)注的對(duì)象。匹配實(shí)體匹配實(shí)體是指一定的要素，正是通過對(duì)這些要素的比較以確定對(duì)應(yīng)（或同名）的共軛實(shí)體。相似性測(cè)度 相似性測(cè)度是刻畫或說明匹配實(shí)體之間相似性程度的一種定量度量指標(biāo)。一般說來，相似性程度是通過代價(jià)函數(shù)來計(jì)算的。在基于灰度的影像匹配中，常用的相似性測(cè)度包括相關(guān)系數(shù)測(cè)度、差平方和測(cè)度及差絕對(duì)和測(cè)度等。匹配策略：匹配策略一般指求解匹配問題的概念或總體方案，主要包括匹配環(huán)境分析、匹配方法選擇及匹配質(zhì)量評(píng)價(jià)等?；镜挠跋衿ヅ溥^程可描述為：1）在一幅影像上選定待配準(zhǔn)實(shí)體；2）確定匹配實(shí)體；3）在另一張影像上尋找該待配準(zhǔn)實(shí)體的共軛實(shí)體；4）計(jì)算配準(zhǔn)實(shí)體在目標(biāo)空間的3維位置；5）平價(jià)匹配質(zhì)量。產(chǎn)生幾何畸變的主要原因有以下幾種：1）方位參數(shù)引起的幾何畸變2）兩影像間的不同旋轉(zhuǎn)角引起幾何畸變3）地面傾斜引起的幾何畸變4）地面起伏引起的幾何畸變核線是對(duì)共軛實(shí)體的有效約束，核面定義為兩投影中心C’、C’’和目標(biāo)點(diǎn)P所決定的平面，核線e’、e’’就是核面與兩像面的交線。核面包含共軛點(diǎn)，且這些共軛點(diǎn)必定位于相應(yīng)核線上。金字塔多級(jí)匹配策略：即使通過上述核線幾何條件可以大大減小搜索空間，但仍然沒有達(dá)到開始匹配所需要的非常接近的近似值。還可以考慮的減小搜索空間的方法就是增大像素尺寸。用這種增大像素尺寸來明顯減小搜索空間并改善近似值的解決方法：就是先在較粗分辨率的影像上開始匹配，然后將結(jié)果投影（傳導(dǎo)）到較精細(xì)分辨率的影像上，直至到最高分辨率影像（原始影像）。這可以通過對(duì)立體像對(duì)形成影像金字塔來實(shí)現(xiàn)。基于灰度的影像匹配：以影像上局部范圍內(nèi)的灰度值及其分布作為匹配實(shí)體（或比較要素），通過計(jì)算匹配實(shí)體之間的相似性測(cè)度尋找共軛實(shí)體的影像匹配方法，稱為基于灰度的影像匹配?；叶绕ヅ渲谐Ｓ玫南嗨菩詼y(cè)度：（1）相關(guān)函數(shù)測(cè)度（2）協(xié)方差函數(shù)測(cè)度（3）相關(guān)系數(shù)測(cè)度（4）差平方和測(cè)度（5）差絕對(duì)值和相關(guān)系數(shù)測(cè)度的性質(zhì)：性質(zhì)一：相關(guān)系數(shù)是灰度線性變換的不變量。性質(zhì)二：相關(guān)系數(shù)極大等價(jià)于左右窗口灰度之間線性擬合的殘差極小。最小二乘影像匹配基本思想是：以局部范圍內(nèi)影像的灰度值及其分布作為匹配實(shí)體，以搜索窗口的中心位置和形狀作為待定參數(shù)，通過極小化模板窗口與搜索窗口內(nèi)影像灰度值差的平方和估計(jì)待定參數(shù)值，從而確定共軛實(shí)體。也就是說，搜索窗口的中心位置及形狀是不斷變化的，直至變形窗口和模板窗口（不變）內(nèi)的灰度差達(dá)到極小值。第五篇：攝影測(cè)量像點(diǎn)位移：當(dāng)像片傾斜、地面起伏時(shí)，地面點(diǎn)在航攝像片上構(gòu)像相對(duì)于理想情況下的構(gòu)像所產(chǎn)生的位置差異稱像點(diǎn)位移引起原因：像片的內(nèi)方位元素：攝影物鏡后節(jié)點(diǎn)與像片之間相互位置的參數(shù)像片外方位元素：已建立的攝影光束，確定像片攝影瞬間在地面直角坐標(biāo)系中空間位置和姿態(tài)的參數(shù)