第一篇：數字攝影測量系統實驗報告

數字攝影測量系統實驗報告

專業：測繪工程

姓名：劉吉羽

學號：20083108011

2一．實驗目的：

體會數字攝影測量系統進行立體測圖的主要功能及主要作業步驟。從像對的內定向,相對定向,絕對定向到自動繪等高線,繪地形圖等。

二．理論基礎：

1．攝影測量系統的主要功能:

數字攝影測量系統是用來實現數字影像自動測圖的系統。它除了可以勝任解析測圖儀可完成的一切任務外，尚具有許多新的功能，如影相位移的去除，任意方式的糾正，反差的擴展，多幅影像的比較分析，圖像識別，影像數字相關以及數據庫的管理等等；通過顯示器還可觀察數字圖像以及框標，控制點，DEM及其他所需特征；在空中三角測量中通過附加參數由自檢校確定的系統誤差的改正數可直接賦給圖像，從而最終改善結果的精度；可轉換成透視圖像；可進行立體顯示；可對圖像自動進行所需要的特征提取，生成數字正射影像，數字高程模型或直接為機器人視覺系統服務等等。

2．VirtuoZo軟件概況：

Virtuozo是武漢測繪科技大學全數字化自動測圖系統WuDAMS的商品化名稱，是國際同類五大著名軟件系統之一。其核心技術處于國際領先水平。其主要功能為從輸入的數字地面模型制作帶高線的正射影像圖與三維立體模型與交叉式全自動地物量測，可用于攝影測量、遙感與地理信息系統的數據采集與更新、測圖與地圖修測等。

三．實驗步驟

1． 數字攝影測量數據準備

相機參數：應該提供相機主點理論坐標X0、Y0，相機焦距f0，框標距或框標點標 控制資料：外業控制點成果及相對應的控制點位圖

航片掃描數據：符合VirtuoZo圖像格式及成圖要求掃描分辨率的掃描影像數據。VirtuoZo可接受多種圖像格式：如TIFF、BMP、JPG等。一般選TIFF格式。

2． 建立測區與模型的參數設置

要建立測區與模型，VirtuoZo系統要設置很多參數，這些參數需要在參數設置界面上逐一設置。如測區（Block）參數、模型參數、影像參數、相機參數、控制點參數、地面高程模型(DEM)參數、正射影像參數和等高線參數等。其中有些參數在VirtuoZo系統中有其固有的數據格式，需要按照VirtuoZo規定的格式進行填寫，如相機參數、控制點參數等。

3． 航片的內定向、相對定向與絕對定向

內定向：建立影像掃描坐標與像點坐標的轉換關系，求取轉換參數；VirtuoZo可自動識別框標點，自動完成掃描坐標系與相片坐標系間變換參數的計算，自動完成相片內定向，并提供人機交互處理功能，方便人工調整光標切準框標。

相對定向：通過量取模型的同名像點，解算兩相鄰影像的相對位置關系；VituoZo利用二維相關，自動識別左、右像片上的同名點，一般可匹配數十至數百個同名點，自動進行相對定向。并可利用人機交互功能，人工對誤差大的定向點進行刪除或調整同名點點位，使之符合精度要求。

絕對定向：通過量取地面控制點或內業加密點對應的像點坐標，解算模型的外方位元素，將模型納入到大地坐標系中；①人工定位控制點進行絕對定向。相對定向完成后（即自動匹配完成后），由人工在左、右像片上確定控制點點位，并用微調按鈕進行精確定位，輸入相應控制點點名。每個像對至少需要三個控制點，一般為六個。定位完本像對所有的控制點后，即可進行絕對定向。②利用加密成果進行絕對定向。VirtuoZo可利用加密成果直接進行絕對定向，將加密成果中控制點的像點坐標按照相對定向像點坐標的坐標格式拷貝到相對定向的坐標文件（*.pcf）中,執行絕對定向命令，完成絕對定向，恢復空間立體模型。

4． 同名核線影像的采集與匹配

非水平核線：非水平核重采樣是基于模型相對定向結果，遵循核線原理對左右原始影像沿核線方向保持X不變在Y方向進行核線重采樣

水平核線：水平核重采樣使用了絕對定向結果，將核線置平

兩種核線的區別：非水平核重采樣所生成的核線影像保持了原始影像同樣的信息量和屬性，因此當原始影像發生傾斜時，核線影像也會發生同樣的傾斜，而水平核線避免這個傾斜情況。兩種不同的核線形式匹配結果是迥然不同的，在實際作業時，一定要保證每個作業步驟使用都是同一種核線影像。（建議一個測區都使用一種采樣方式）

影像匹配：影像匹配是數字攝影測量系統的關鍵技術，是沿核線一維影像匹配，確定同名點。生成核線影像。完成了模型的相對定向后就可生成非水平核線影像，但是要生成水平核線影像必須先完成模型的絕對定向。核線影像的范圍可由人工確定，也可由系統自動生成最大作業區。影像按同名核線影像進行重新排列，形成按核線方向排列的核線影像。以后的處理，如影像匹配、等高線編輯等，都將在核線影像上進行。

影像匹配。按照參數設置確定的匹配窗口大小和匹配間隔，沿核線進行影像匹配, 確定同名

點。計算機進行自動匹配的過程中，有些特殊地物或地形匹配可能會出現錯誤，比如：影像中大片紋理不清晰的區域或沒有明顯特征的區域。如：湖泊、沙漠和雪山等區域可能會出現大片匹配不好的點，需要對其進行手工編輯；由于影像被遮蓋和陰影等原因，使得匹配點不在正確的位置上，需要對其進行手工編輯；城市中的人工建筑物，山區中的樹林等影像，它們的匹配點不是地面上的點，而是地物表面上的點，需要對其進行手工編輯；大面積平地、溝渠和比較破碎的地貌等區域的影像，需要對其進行手工編輯。匹配結果會影響以后生成的DEM的質量，所以進行匹配結果編輯是很有必要的，實習過程如圖17所示。

5． DEM、DOM與等高線等數字產品的生成數字地面高程模型（DEM）：數字地面（高程）模型(Digital Elevation Model)；數字正射影像（DOM）：數字正射影像模型(Digital Ortho-Image Model)；

VirtuoZo 系統根據影像匹配后產生的視差數據、定向處理后得到的結果參數以及用戶為建立 DEM 所定義的參數等，自動建立 DEM。VirtuoZo提供兩種生成數字地面高程模型的方法。

（1）直接利用編輯好的匹配結果生成地面高程模型，如圖20所示。（2）進入DEMMaker模塊，利用特征點、線、面構成三角網，內插生成DEM，如圖21所示。

數字地面高程模型（DEM）是制作正射影像的基礎。當DEM 建立后，既可自動內插生成相應的等高線影像。也可以進行正射影像（DOM）的生成，利用上面生成的單模型的DEM生成該模型的正射影像。

6． 基于立體影像的數字化測圖（IGS數字測圖）

交互式數字影像測圖系統（Interactive Graphics System，IGS）是利用計算機代替解析測圖儀、用數字影像代替模擬像片、用數字光標代替光學光標，直接在計算機上進行數字化測圖的作業方法。在立體或正射影像上進行地物數據采集和編輯，生成數字測圖文件（*.xyz），在匹配預處理中被疊加到了立體影像上，然后參與影像匹配，設置作業環境，就可進行地物量測和圖素編輯等。

7．多個模型的拼接、成果圖輸出

一個測區不只有一個模型，它可能是有很多模型組成的，前六部分的處理均是單模型處理，我們可以得到每個模型的DEM、DOM、等高線等成果。要得到整個測區的成果數據，還需要進行拼接操作。

四．實驗總結

總體來說，通過幾次的上機實驗，熟悉了VirtuoZo軟件的基本功能，對于圖象的內定向相對定向以及絕對定向有一個明確的認識，同時學會了立體測圖的操作過程。經過實驗和考核，意識到要較好的完成該實驗，準備工作即控制到的采集和測量至關重要，因為控制點的數據

質量好壞直接決定相對定向的殘差結果。上機操作過程中，操作步驟要明確并且不能隨意顛倒，否則可能出錯或者達不到想要的結果。在考核的時候也是做了很多次才成功，每次都是換了電腦就不行了。原因就是自己對于步驟的順序不夠仔細不夠熟練，所以會出現許多未預料的錯誤。

第二篇：數字攝影測量實驗報告

數字攝影測量實驗報告

學院：資源與環境學院 專業：地理信息系統

姓名：王忠 學號：2012083039

實驗一

一、實驗目的

1、掌握Leica Photogrammetry Suite(LPS)模塊的基本功能和使用方法

2、加深對攝影測量中內定向原理的理解 制作出DTM和DOM圖像。

二、實驗平臺 ERDAS2013 數據說明

采用col90p1.img、col91p1.img 和col92p1.img 三張框幅攝影機像片和一幅參考DEM 數據（colspr_dem.img），這三張像片也都配有相關的攝影機文件。實驗步驟

航測數字影像內定向 設置攝影機

（1）、先在ERDAS2013下打開LPS這個模塊，再在LPS下新建一個工程文件。

（2）然后設置相應的攝影機參數。

(3)、點擊Edt conera打開輸入參數。

(4).定義相機模型，點擊new Camera,彈出如下對話框，輸入相機信息.然后輸入各框標點的像點坐標（基準方向是向右x軸和y軸）如下

內定向操作完成后,加載三幅影像.然后點擊后點擊打開對話框，之后點擊，彈出三個視窗。

。選中

按鈕，然

絕對定向

在Frame Camera Frame Editor對話框中點擊Exterior Information標簽，輸入六個外方外元素。

測量控制點

從Edit菜單下選擇Point Measurement打開Point Measurement工具

添加點

點擊Point Measurement 工具右上角的Add 按鈕，在左下方參考坐標顯示區將增加一行，在該行的Point ID 列輸入1002，即第一個控制點點號設為1002，后面添加的控制點點號將依次增加。測量檢查點

檢查點的添加和測量方法與控制點相同，本實驗使用兩個檢查點，點號為2001 和2002 檢查點2001：

檢查點2002：

連接點的自動生成

控制點和檢查點均測量完成后，打開Point Measurement工具右上角點擊采集按鈕，打開相應的對話框，設置相應的參數。

二、空中三角測量

在Edit菜單下打開Triangulation Properties打開Aerial Triangulation 對話框，打開Point 標簽，在GCP Type and Standard Deviations 部分點擊Type 下拉菜單選擇Same Weighted Values,點擊Run 按鈕運行空中三角測量程序。

數字地面模型建立 打開已有項目文件 加載影像數據

設置DTM提取工具

在 LPS 工具欄點擊DTM Extraction 按鈕，或者在選擇DTM Extraction 打開DTM Extraction 對話框，如下圖：

Process 菜單中

DTM提取的高級工具設置——影像對設置

DTM 提取的高級工具設置——區域選擇

在主視窗中右擊選擇 Zoom Out By X 打開Reduction 對話框，將縮小倍數設置為5%。

點擊按鈕使光標處于箭頭狀，調整顯示整張影像的視窗和矩形框的大小與位置，將矩形

框定位在主視窗的右上角，在Area Selection的工具欄中點擊Create Polygon Region按鈕，即可選擇多邊形區域。DTM 提取的高級工具設置——精度設置

查看生成的DEM圖像

DTM提取的成果報告

正射影像圖制作 影像重采樣處理

瀏覽正射影像

在 LPS 項目管理器左邊的樹狀列表中，點擊Orthos 文件夾，在中間的影像顯示區將顯示三張相互重疊的影像塊，如下圖所示：

從 ERDAS IMAGINE 中打開一個影像視窗，點擊文件打開按鈕，進入已保存正射影像圖的

文件夾，選擇所有影像塊的影像（如：orthocol90p1.img, othocol91p1.img 和orthocol92p1.img），如下圖所示：

當正射影像圖制作完成后，在LPS 項目管理器底部的影像狀態列表中可以明顯看到，僅有DTM列呈紅色，即未提取DTM，在任何時候都可以打開項目查看或者提取DTM。如下圖所示：

實驗二

用LPS處理無人機數據

一、實驗目的

1、掌握使用ERDAS的基本操作；

2、學習LPS處理數字照片的步驟；

3、制作出DTM和DOM圖像。

二、實驗平臺

ERDAS2013。資料

采用dsc_0008.jpg dsc_0009.jpg、dsc_0010.jpg、dsc_0011.jpg、dsc_0012.jpg、dsc_0013.jpg、dsc_0014.jpg、dsc_0015.jpg、dsc_0016.jpg、dsc_0017.jpg 10張像片。

四、實驗步驟

創建工程，模型選擇，在ERDAS2013下打開LPS，然后新建工程。

然后設置相應的參數。

加載影像，設置內定向參數，飛行高度設置為800 坐標系統設置

點擊EDTconera設置相機參數

五、導入影像

六、計算金字塔

七、內定向—定義相機參數 基本參數：焦距長，像主點偏移

八．輸入像元大小：

九、導入外方位元素

十、影像圖導入

十一、自動生成同名點，添加控制點。

十二、空中三角測量

在Edit菜單下點擊Triangulation Properties按鈕

十三、提取DEM DEM基本參數設置

影像對篩選

DEM成果圖

數字正射影像的制作 圖像的重采樣

瀏覽正射影像

在 LPS 項目管理器左邊的樹狀列表中，點擊Orthos 文件夾，在中間的影像顯示區將顯示三張相互重疊的影像塊，如下圖所示：

在ERDAS中添加正攝影像最終結果如下：

結果出圖：

第三篇：數字攝影測量實習報告

數字攝影測量實習報告書

學 號：20111000684 班級序號： 113112-05 姓 名： 舒 超 指導老師： 宋 妍 成 績：

中國地質大學（武漢）信息工程學院遙感科學技術系

2014年6月

目錄

實習一：Moravec算子點特征提取........................................................................................3 1.1 實習目的：....................................................................................................................3 1.2 實習原理：....................................................................................................................3 1.3 實習步驟以及代碼分析：............................................................................................3 1.4 結果分析：....................................................................................................................7 實習二：邊緣提取算法...........................................................................................................9 2.1 實習目的：....................................................................................................................9 2.2 實習原理：....................................................................................................................9 2.3 實習步驟以及代碼：....................................................................................................9 2.4 結果分析：..................................................................................................................11 實習總結.................................................................................................................................12

實習一：Moravec算子點特征提取

1.1 實習目的：

用程序設計語言（VisualC++或者C語言）編寫一個完整的提取點特征的程序，通過對提供的圖像數據進行特征點提取，輸出提取出的點特征坐標。本實驗的目的在于讓學生深入理解Moravec算子原理。通過上機調試程序加強動手能力的培養，通過對實驗結果的分析，增強學生綜合運用所學知識解決實際問題的能力。

1.2 實習原理：

Moravec角點檢測算法是最早的角點檢測算法之一。該算法將角點定義為具有低“自相關性”的點。算法會檢測圖像的每一個像素，將像素周邊的一個鄰域作為一個patch，并檢測這個patch和周圍其他patch的相關性。這種相關性通過兩個patch間的平方差之和(SSD)來衡量，SSD值越小則相似性越高。

如果像素位于平滑圖像區域內，周圍的patch都會非常相似。如果像素在邊緣上，則周圍的patch在與邊緣正交的方向上會有很大差異，在與邊緣平行的方向上則較為相似。而如果像素是各個方向上都有變化的特征點，則周圍所有的patch都不會很相似。

Moravec會計算每個像素patch和周圍patch的SSD最小值作為強度值，取局部強度最大的點作為特征點。

1.3 實習步驟以及代碼分析：

步驟流程圖如下：

程序實現以及相關關鍵代碼：

voidCMy2010302590183cylView::OnMoravec()//讀取圖像以及相關算法 { //TODO:Addyourcommandhandlercodehere CMmoravecDlgdlg;dlg.DoModal();CMy2010302590183cylDoc*pDoc=GetDocument();LPSTRm_pDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->hdib);//得到句柄內存起始地址存放位圖數據hdib句柄變量存放BMP位圖 ::GlobalUnlock((HGLOBAL)pDoc->hdib);LPBITMAPINFOm_pBMP;//指向BITMAPINFO結構的指針

m_pBMP=(LPBITMAPINFO)::GlobalLock(pDoc->hdib);//獲取指向BITMAPINFO結構的指針

::GlobalUnlock((HGLOBAL)pDoc->hdib);intBitCount=m_pBMP->bmiHeader.biBitCount;DWORDWidth=::DIBWidth(m_pDIB);//獲取位圖寬 DWORDHeight=::DIBHeight(m_pDIB);//獲取位圖高

LPBYTElpData=(LPBYTE)::FindDIBBits(m_pDIB);//定義字符指針變量,原位圖指針

intWidthBytes=WIDTHBYTES(Width*BitCount);//獲取字節 DWORDpixelCount=WidthBytes*Height;

intck1=dlg.c1;intck2=dlg.c2;doubleyz=dlg.m_yuzhi;DWORDr,c;INTh;double*xx=newdouble[Width*Height];intk;k=INT(ck1/2);for(r=ck1/2;r

for(c=ck1/2;c

{

doublemin,v[4]={0.0};

for(h=0;h<=ck1-1;h++)

{

v[0]+=pow((double)(*((BYTE*)(lpData+r*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r)*WidthBytes+(c-k+1+h)))),2);//0°方向

v[1]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c+k-h)))-*((BYTE*)(lpData+(r-k+h+1)*WidthBytes+(c+k-h-1)))),2);//45°方向

v[2]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c)))),2);//90°方向

v[3]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c-k+h+1)))),2);//135°方向

}

min=min(min(min(v[0],v[1]),v[2]),v[3]);//求出v1,v2,v3,v4中的最小值

if(min>yz)

xx[r*Width+c]=min;

} bool*bMatrix=newbool[Width*Height];memset(bMatrix,0,Width*Height*sizeof(bool));DWORDx,y;doublemax2;boolb=false;inttempX(0),tempY(0);for(x=ck2/2;x

for(y=ck2/2;y

{

max2=0;

for(DWORDm=(x-ck2/2);m<(x+ck2/2);m++)

{

for(DWORDn=(y-ck2/2);n<(y+ck2/2);n++)

if(xx[m*Width+n]>max2)

{

max2=xx[m*Width+n];

tempY=m;

tempX=n;

b=true;

}

}

if(b)

{ bMatrix[tempY*Width+tempX]=1;}

} }

intsum=0;//特征點總數

for(DWORDi=0;i

for(DWORDj=0;j

{

if(bMatrix[i*Width+j])

{

*((BYTE*)(lpData+i*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+1))=0;

*((BYTE*)(lpData+i*WidthBytes+j-1))=0;

*((BYTE*)(lpData+(i+1)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-1)*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+2))=0;

*((BYTE*)(lpData+i*WidthBytes+j-2))=0;

*((BYTE*)(lpData+(i+2)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-2)*WidthBytes+j))=0;

sum++;

}

} if(sum<4000)

{

CStringstrInfo;

strInfo.Format(“特征點數%dn”,sum);

MessageBox(strInfo,“提示”,MB_OK);

}

else

{

CStringstrInfo;

strInfo.Format(“特征點數較多，請設置合理參數”);

MessageBox(strInfo,“提示”,MB_OK);

}

Invalidate();} 1.4 結果分析：

按照提示，對老師所給數據進行分析，當窗口大小設置為5*5,，閾值設置為5000的時候，對右核線影像進行分析，得到特征點43個，同時圖像分析，得出如下結果：

調整閾值和窗口大小，程序能夠正常運行，且經過測試，結果精確度有較好的保證。

實習二：邊緣提取算法

2.1 實習目的：

熟悉Matlab環境下的編程，熟悉邊緣提取算法。

2.2 實習原理：

Sobel算子實現思路如下：對輸入圖像分別使用水平和垂直模板做卷積計算，對得到的兩個處理結果求平方和，該平方和與閾值的平方比較。只有當某點的兩種卷積的平方大于閾值的平方，且水平占優（水平模板卷積結果大于垂直模板卷積的結果，且該點的卷積平方大于其左右兩點的卷積平方和）或者垂直占優（垂直模板卷積的結果大于水平模板卷積的結果，且該點的卷積平方和大于其上下兩點的卷積平方和）時，該點的輸出結果為255，否則為0。輸出的結果為二值圖像。第一行和最后一行本來就是圖像邊界，不包括可用信息，因此相應的輸出為0，按照這個思路課題編寫了相應的Sobel算子實現程序

2.3 實習步驟以及代碼：

2.4 結果分析：

原圖像 sobel邊緣提取

實習總結

本次實習過程中，根據自身實際情況，我選擇使用vc環境下的編程完成實習，而沒有采用Matlab環境下的編程。在實習過程中，我熟悉了sobel算法以及Moravec算子，在程序調試的過程中，我認識到任何算法都有其局限性，比如說本次實習過程中，sobel算子的邊緣提取就將許多的噪音提取了出來，導致邊緣特征提取的不準確性。本次實習讓我認識到了編程能力的重要性，學會編寫基本的代碼來實現基本的算法，能讓我們擺脫軟件已有算法的束縛，更多的按照需要來實現一些步驟。

總體來說，本次實習還是很成功的，讓我認識到，在以后的學習生活中,我認識到,應該把理論和實踐結合起來,多鍛煉自己的動手能力,好好把握住每一次實習的機會.

第四篇：數字攝影測量實習報告

實習報 告

實習名稱： 班 姓 級: 名: 數字攝影測量實習09 測繪一班 劉勝 實驗室 x5504 實習地點：

實習指導教師: 龔濤 實習時間： XX.9XX.10 西南交大地學學院

： 一 lps 簡述

lps 工程管理器是一個基于 windows 的綜合數字攝影測量軟件包，可 以對來 自不同類型的航空遙感相機及衛星傳感器的圖像進行快速和精確地 三角測量和 正射校正，與傳統的三角測量和正射校正相比，可以極大的減少費用 和時間可 以處理各種各樣的圖像數據，諸如來自不同的攝影相機、不同的衛星 傳感器、不同的航空 gps 數據等，處理過程涉及很多不同類型的幾何模型。

二、數字攝影測量處理過程 1 創建 lps 工程文件 2 向 lps 工程加載圖像 3 刺點 自動量測圖像同名點 5 執行航空三角測量 dtm+等高線 dtm+等高線 6 圖像正攝校正處理 處理前 處理后 控制點坐標

三、lps 數字攝影測量系統的應用 leica photogrammetry suitelps 是徠卡公司最新推出的數字攝影測量及遙 感處理軟件系列。lps 為影像處理及攝影測量提供了高精度及高效能的生產工 具、它可以處理各種航天(最常用的包括衛星影像 quickbird、ikonos、spot5 及 landsat 等等)及航空(掃描航片、ads40 數字影像)的各類傳感器影像定向 及空三加密，處理各種數字影像格式，黑/白、彩色、多光譜及高光譜等各類數

字影像。lps 的應用還包括矢量數據采集、數字地模生成、正射影像鑲嵌及遙感 處理，它是第一套集遙感與攝影測量在單一工作平臺的軟件系列。lps 制作 dom 的全過程如下： lps 數字攝影測量系統制作 dom 具體制作過程如下： 首先創建工程文件，選擇相機類型，設置投影參數，輸入相片參數，創建相 機參數，導入外方為元素;其次數據處理，內定向，人工選擇一個點后，自動完 成內定向。建立金字塔影像，加載控制點文件，并在圖上刺出相應的點!一般說 來，選擇 6 個均勻分布的點作為控制點，其他的設為檢查點。同名點自動匹配，三角測量，直接進行空三解算，再接著生成 tin 數據;最后制作正攝影像，正 射影像拼接。拼接結束后，一般還要對影像進行勻光，消除接邊縫隙等操作!1)、創建 lps 工程文件 2)、向 lps 工程加載圖像 3)、定義數碼相機幾何模型 4)、自動量測圖像同名點、執行航空三角測量 5)6)、圖像正射校正處理

四、實習基本情況 1)、erdas imagine 9.2 遙感圖像處理系統和數字攝影工作站上操作 2)、實習時間：第二教學周到第五教學周、上機時間：周一下午第二講課 3：50-6：15 3)4)、上機地點：x5504 地理信息系

統實驗室 由于我們在航空攝影測量時采用的是 canno d450 數碼相機，所以在圖像處 理的時候稍不同于攝影圖像。而且，因為在課程設計的前期階段，由于測控制點 的小組還沒有完成控制點的量測和刺點工作，還有編程小組也還沒有編程計算出 像片的內方位元素和外方位元素，所以我們 lps 圖像處理小組暫時也還不能用 我們的實驗數據進行處理。所以我們目前只是用 erdas imagine 自帶的練習數據進行練習，然后將練習數據相片的信息給編程小組的成員檢驗他們的程序是 否正確。并且在整個課程設計的過程中，我們圖像處理小組要根據使用練習數據 得到的信息指導整個小組的工作。

五、實習體會

經過一個月的實習對我來講收獲是非常大的，也產生了非常多的體會。內業數據處理是一種重復性的勞動，需要耐心，仔細，這樣才能做好!通過實習，對以后的工作有了一定感性的認識，基本清楚了將來的工作內容，認識到現在應 該充分利用空余時間，多接觸專業軟件，方便以后工作。這次實習給我最大的體 會是測繪產品的生產是一項非常繁瑣而細致的工作，作為一名測繪工作者，不僅 應該有嫻熟的操作技能，而且應該有著負責而平和的心態，立志于將畢身精力獻 給國家的測繪事業。我覺得要想成為一名優秀的測繪工作者，不僅要把測繪當成 一門學科來學習，更要把它當成一種技能來熟悉掌握。同時本次實習對我本人的 動手能力也有很大提高。本次實習還讓我第一次感受了測繪部門的生產環境，這 對我也是一種激勵，它促使我以后要更加認真地學習專業知識，掌握各種技能。要想在任何一個行業里面有所作為的話都必須付出辛勤的勞動和汗水。只有能過 努力學習才能成為一名好的測繪工作者。一份耕耘一分收獲!，這應該成為我 們今后工作的座右銘。大學即將要結束了，我們也將步入新的人生崗位中在此，對在本次實習當中對我們進行細致輔導的老師表示極大的感謝和敬意，是你們耐 心的教誨和和善的態度讓我們親身感受并學會了攝影測量的過程，這對我們以后 的工作以及人生將會產生深遠的影響。總而言之，這次實習對我學習數字攝影測量有很大幫助，可以說對我以后 工作也有很大幫助，這次實習在一次次失敗后經過總結與堅持后成功的，可謂累 并快樂著，讓我記憶深刻，對外受益匪淺。希望以后能進行更多類似方面的實習。

第五篇：數字攝影測量重點

攝影測量的三個階段：模擬測量、解析攝影測量、數字攝影測量。

數字攝影測量定義：以數字影像為數據源，根據攝影測量原理，通過計算機軟件處理獲取被攝物體的形狀、大小、位置及其性質的技術。

數字影像獲取方式主要有兩種：模擬像片的數字化與數字相機直接獲取數字影像。

數字化過程兩個離散過程：采樣、量化。

數字影像的均值與方差：均值反映了一幅影像的整體亮度，方差度量了影像的對比度。

信息熵:信息熵度量了隨機變量集合的隨機性程度，這種隨機性程度說明了影像所包含的信息容量。將熵的概念應用于數字影像，它度量了灰度值的不確定性程度。

數字影像內插:根據已有的離散樣本值確定不位于采樣格點位置處影像函數值的過程。內插利用內插函數對離散信號樣本進行平滑，從而重建原始信號在采樣過程中丟失的信息。

數字影像的重采樣:在已有離散樣本值的基礎上重建連續信號，然后再用不同的小單元對重建的連續信號進行新的細分，最后經量化得到重采樣后新的樣本值。這種采樣格點的坐標變換和內插稱為數字影像的重采樣。插值與重采樣的聯系與區別：

插值：在已知坐標系統內，估計未知點的函數值，不涉及坐標變換；

重采樣：先將已知坐標系統變換到另一坐標系統，然后估計函數在新坐標系統下的數值；

數字影像重采樣兩個步驟：影像重建和采樣。

影像重建：將作為輸入的離散數字影像樣本重建為連續灰度表面。重采樣方法有:最鄰近內插法、雙線性內插法、雙三次卷積法。

點特征：就是影像曲面上具有確定的、明顯表現（或特殊性質）的像點，如灰度值變化明顯的點或亮度特別明顯的小區域、邊緣的交點及一些區域或輪廓的角點等。有時也稱為興趣點。

什么是好的角點檢測算法？檢測出圖像中“真實的”角點；準確的定位性能；很高的重復檢測率（穩定性好）；具有對噪聲的魯棒性；具有較高的計算效率。Moravec Operator算法流程

（1）以像素點(x,y)為中心的w×w窗口內，計算該像素在各個方向上的強度變化：

（2）得出每個點的強度變化

（3）將所有C(x,y)低于閾值T的像素點的像素值置為0，大于閾值T的像素點為候選點；

（4）運用“局部抑制非最大”求得局部最大值，即為角點。在一定大小的窗口內，將候選點中強度變化值不是最大者去掉，僅留下一個最大者，該像素即為角點。

Harris角點的性質：旋轉不變性、對于圖像灰度的仿射變化具有部分的不變性、對于圖像幾何尺度變化不具有不變性、隨幾何尺度變化，Harris角點檢測的性能下降。

Forstner算子步驟：

（l）計算各像素的Robert’s梯度

（2）計算l?l（如5?5或更大）窗口中灰度的協方差矩陣（3）計算興趣值q與w（4）確定待選點（5）選取極值點

各類角點算子提取方法比較（1）Moravec算子

①Moravec是一個相對簡單的算子，僅僅考慮8個方向，因此最顯著的優點是實現簡單快速。

②Moravec不能保持旋轉不變性，由于沒有高斯平滑過程，所以對噪聲敏感。③它對強邊緣比較敏感，這是由于僅僅考慮了IV(自相關的響應值)的最小值。（2）Harris算子

Harris是一種高效的特征點提取算法，較好的穩定性，對平移、旋轉、噪聲可處理，能夠提取出比較均勻的特征點，并且該算法對于灰度的變化圖不敏感。缺點是無法適應圖像的尺寸變化，計算量大，這是因為采取了多次濾波所致。（3）Forstner

計算速度快是Forstner算法最顯著的優點，具有一定的抗噪性。同時，對比度、灰度受Forstner算法閾值變化的影響很大。如果在圖像匹配中應用Forstner算法，為提高其適應性應根據圖像對比度，自適應的設置初選閾值，并對處理的圖像采取預處理去噪，以充分發揮其優勢。（4）SUSAN算法的優點：

①對特征點的檢測比對邊緣檢測的效果要好，適用于基于特征點的圖像匹配。②不用求導，速度快，有一定的抗噪能力，噪聲強度不大時，基本不受影響。③提取的特征點分布均勻，對特征明顯的圖像提取能力強。SUSAN算法的缺點也很明顯： ①沒有對邊緣檢測的過濾。

②相似比較能力差且函數復雜，有時候存在誤判。這是由于USAN設定的三種情況是理想情況，對圖像和背景亮度的對比度的設定在實際情況中相差較遠。③圖像中不同區域處目標與背景的對比程度不一樣，取固定閾值不符合實際情況。

邊緣分類可分為兩類：階躍變化，屋頂變化。Canny邊緣檢測步驟

(1)用高斯濾波器平滑圖像．

(2)用一階偏導有限差分計算梯度幅值和方向(3)對梯度幅值應用非極大值抑制 ．(4)用雙閾值算法檢測和連接邊緣． Canny算子檢測方法的優點：

①低誤碼率，很少把邊緣點誤認為非邊緣點；

②高定位精度，即精確地把邊緣點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空間中，通過檢測參數空間中的極值點，確定出該曲線的描述參數，從而提取影像中的規則曲線。

Hough變換：優點：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）計算量大，占用內存大2）檢測精度受參數離散間隔制約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(端點坐標和長度信息等)

數字影像匹配就是在兩張或多張數字影像的要素之間自動建立對應關系，這些影像是（或至少局部是）對同一場景在不同位置和不同時刻的成像，而要素可以是數字影像中的點（即像素），也可以是數字影像中提取的其他特征。共軛實體 共軛實體是指目標空間特征的影像，包括點、線、面及其他目標空間對象等。概略地說，共軛實體是在立體像對間建立對應關系過程中人們關注的對象。

匹配實體匹配實體是指一定的要素，正是通過對這些要素的比較以確定對應（或同名）的共軛實體。

相似性測度 相似性測度是刻畫或說明匹配實體之間相似性程度的一種定量度量指標。一般說來，相似性程度是通過代價函數來計算的。在基于灰度的影像匹配中，常用的相似性測度包括相關系數測度、差平方和測度及差絕對和測度等。

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，主要包括匹配環境分析、匹配方法選擇及匹配質量評價等。基本的影像匹配過程可描述為：

1）在一幅影像上選定待配準實體；2）確定匹配實體；

3）在另一張影像上尋找該待配準實體的共軛實體；4）計算配準實體在目標空間的3維位置；5）平價匹配質量。

產生幾何畸變的主要原因有以下幾種：1）方位參數引起的幾何畸變

2）兩影像間的不同旋轉角引起幾何畸變3）地面傾斜引起的幾何畸變4）地面起伏引起的幾何畸變

核線是對共軛實體的有效約束，核面定義為兩投影中心C’、C’’和目標點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，且這些共軛點必定位于相應核線上。

金字塔多級匹配策略：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，然后將結果投影（傳導）到較精細分辨率的影像上，直至到最高分辨率影像（原始影像）。這可以通過對立體像對形成影像金字塔來實現。

基于灰度的影像匹配：以影像上局部范圍內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，稱為基于灰度的影像匹配。灰度匹配中常用的相似性測度：（1）相關函數測度（2）協方差函數測度（3）相關系數測度（4）差平方和測度（5）差絕對值和

相關系數測度的性質：

性質一：相關系數是灰度線性變換的不變量。

性質二：相關系數極大等價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：以局部范圍內影像的灰度值及其分布作為匹配實體，以搜索窗口的中心位置和形狀作為待定參數，通過極小化模板窗口與搜索窗口內影像灰度值差的平方和估計待定參數值，從而確定共軛實體。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）內的灰度差達到極小值。