第八章数字摄影测量
第八章 数字摄影测量
最小二乘影像匹配 最小二乘影像匹配( Least Squares Image Matching)是 由德国 Ackermann教授提出的一种高精度影像匹配 法,该方法的影像匹配可以达到1/10甚至1/100像素 的高精度,也即可以达到子像素级( SubPixel)。它 可应用于: 生产数字地面模型和正射影像图 解析空中三角测量的控制点加密 工业上的高精度量测。 n单点、多点、多片的影像匹配。 解决影像的粗差和影像遮蔽问题( Occlusion)
最小二乘影像匹配 最小二乘影像匹配（Least Squares Image Matching）是 由德国Ackermann教授提出的一种高精度影像匹配算 法，该方法的影像匹配可以达到1/10甚至1/100像素 的高精度，也即可以达到子像素级（SubPixel）。它 可应用于： ▪ 生产数字地面模型和正射影像图。 ▪ 解析空中三角测量的控制点加密。 ▪ 工业上的高精度量测。 ▪ 单点、多点、多片的影像匹配。 ▪ 解决影像的粗差和影像遮蔽问题（Occlusion）
在前文介绍的影像匹配的算法中,其中有一种判断影 像相似的量度是“灰度差的平方和最小”,若将灰度 差记为余差ⅴ,则上述判断可以写成 Vv=min 显然,它与最小二乘原则是一致的,但是,这种方法 没有考虑影像的系统误差,只是考虑了影像的偶然误 差(随机噪声),即 n+g(,y=n,+g(x, y) v=g1(x,y)-82(x,y)
在前文介绍的影像匹配的算法中，其中有一种判断影 像相似的量度是“灰度差的平方和最小”，若将灰度 差记为余差v，则上述判断可以写成 显然，它与最小二乘原则是一致的，但是，这种方法 没有考虑影像的系统误差，只是考虑了影像的偶然误 差（随机噪声），即 vv = min ( , ) ( , ) ( , ) ( , ) 1 2 1 1 2 v g x y g x y n g x y n g x y = − + = +
若在上式中引入系统误差的参数,则构成了最小 乘影像匹配。影像灰度的系统变形有两大类,一类 是辐射畸变,一类是几何畸变,由此产生了影像灰 度分布的差异。辐射畸变的原因有: 照明及被摄物体辐射面的方向、大气与摄影机物镜 所产生的衰减。 摄影处理条件的差异以及影像数字化过程中所产生 的误差等。 产生几何畸变的原因有: 摄影机方位不同所产生的影像透视畸变、仿射变形。 由于地形高差所产生的影像畸变等
若在上式中引入系统误差的参数，则构成了最小二 乘影像匹配。影像灰度的系统变形有两大类，一类 是辐射畸变，一类是几何畸变，由此产生了影像灰 度分布的差异。辐射畸变的原因有： ▪ 照明及被摄物体辐射面的方向、大气与摄影机物镜 所产生的衰减。 ▪ 摄影处理条件的差异以及影像数字化过程中所产生 的误差等。 产生几何畸变的原因有： ▪ 摄影机方位不同所产生的影像透视畸变、仿射变形。 ▪ 由于地形高差所产生的影像畸变等
这些系统变形可以用一些函数关系式,或者说用 些参数来表示在影像匹配中引入这些变形参 数,并仍按照最小二乘原理解求这些参数,可以 得到高精度的相关精度。这就是最小二乘影像匹 配的基本思想
这些系统变形可以用一些函数关系式，或者说用 一些参数来表示 在影像匹配中引入这些变形参 数，并仍按照最小二乘原理解求这些参数，可以 得到高精度的相关精度。这就是最小二乘影像匹 配的基本思想