文档介绍：测绘基础知识整体影像匹配算法主要包括: 多点最小二乘影像匹配, 动态规划影像匹配, 松弛法影像匹配, 人工神经元网络影像匹配等方法. 8. 影像匹配的精度 Accuracy of Image Matching 以影像匹配为基础的数字摄影测量, 无论在量测的速度还是达到的精度, 都创造了惊人的奇迹, 具有速度快、精度高、稳定性好、自动化程度高等特点. 例如, 利用采样间隔 50 μm的数字影像进行相对定向, 其残差的中误差( 均方根误差) 可达 3―5μ m, 这相当于在分辨率为 2μm 的解析测图仪上人工量测的结果. 对于解析测图仪, 其点位观测精度通常为分辨率的 2-3 倍. 影像匹配即使在定位到整像素的情况下, 其理论精度也可达到 像素的精度, 约为三分之一像素. 在提高量测精度方面, 用于单像量测的”高精度定位算子”和用于立体量测的”高精度影像匹配”, 其理论精度均可达 1/10 像素, 即达到子像素级精度. Ackermann 教授提出的最小二乘影像匹配(Least Square Image Matching), 影像匹配可达到 1/10 - 1/100 的高精度. 9. 数字微分纠正原理 Principle of Digital Differential Rectification 航摄影像为中心投影, 要将它变成正直投影, 需要进行正射纠正。在模拟摄影测量中, 使用纠正仪将航摄像片纠正为像片平面图; 在解析摄影测量中, 利用正射投影仪,例如 Leica 公司的 OR1 , Zeiss 公司的Z2,通过机控缝隙光学纠正, 制作正射影像地图。这些作正射纠正的仪器, 均为光机纠正仪器。在数字摄影测量中, 采用微分纠正方法获取正射影像, 即按像点和物点的构像方程式, 或按一定的数学模型, 根据数字地面模型(D TM ) 及有关参数, 对原始的非正射影像进行映射变换, 获取正射影像。数字微分纠正, 依划分的最小纠正单元, 可分为点元素纠正和线元素纠正两类。数字微分纠正与光学微分纠正一样, 其基本任务是实现两个二维图像之间的几何变换。在数控正射投影仪中, 是利用反算公式( 共线方程式) ,解求缝隙两端点的对应像点坐标,然后由计算机解求微分线段的纠正参数, 通过控制系统驱动正射投影仪的光学、机械系统, 实现线元素的纠正。在纠正运算中,任一点的高程Z,由DEM内插求得。在数字纠正中, 则解求对应像元素的位置, 然后进行灰度的内插与赋值运算。数字纠正的实际解法, 从原理上来说, 是属于点元素纠正, 但在实际的软件系统中, 均是以“面元素”作为纠正单元的, 一般以正方形作为纠正单元。利用反算公式计算该单元4个“角点”的像点坐标, 再沿 X 和Y方向,在“面元素”内线性内插求得纠正单元的坐标, 其实质仍为线元素纠正。 10. 遥感图像的复合 Remote Sensing Image Matching 在遥感图像复合之前, 首先应作图像的几何校正, 使不同遥感图像在几何上能完全匹配, 空间分辨率一致化。例如, 要把高分辨率黑白图像与低分辨率多波段图像进行复合, 首先需利用控制点将两种图像纠正到同一投影系统, 并把低分辨率多波段图像按高分辨率图像像元大小进行重采样。 11. 景观图的制作原理 Principle of Landscape Visualization 若集合 A 表示某区域 D 上各点三维坐标向量的集合 A= {(X,Y,Z) │(X,Y,Z)C D}集合B 为二维影像各像素坐标与其灰度的集合 B = {(x,y,g) │(x,y)C d} 其中 d 为与 D 对应的影像区域, 则制作景观图实际就是一个 A到B 的映射,(X,Y,Z )与( x,y )及观察点 S (视点)满足共线条件。其原理与航空摄影完全相同, 所不同的是航空摄影接近于正直摄影,而景观图则是特大倾角“摄影”(将地面点投射到二维影像上) ,式中的 g 为像点( x,y )对应的灰度值,它可以是航空(航天)影像中相应像素的灰度值,也可以是根据地形及虚拟光源模拟出的值。模拟灰度景观图:在 DTM ***图经过隐藏线、面的消隐处理之后,再用明暗度公式计算和显示可视面的亮度或颜色,其真实感又进一步提高。真实景观图:真实景观图的制作原理,和模拟景观图相似,即在 DE M ***图的基础上,对每一像素赋予一灰度值(或彩色) ,而且是取自对实地所摄影像的真实灰度值。 - 地物提取 Image Identification-Feature Collection 利用数字摄影测量系统自动提取DTM和制作正射影像图, 已成为成熟的技术。目前, 研究重点是影像特征的提取, 以适应城市、工程等领域大比例尺数字测图地物的识别与提取。摄影测量的两项基本任务, 是对影像