摄影测量学基础试卷 (7)

更加专业的摄影测量基础答卷,让您能更多的学到关于摄影测量的知识!

武汉大学2007—2008 学年下学期 《数字摄影测量》试卷（A）答案

一、填空（每个空1分，共20分）

1、 灰度；

2、 几何改正，影像匹配；

3、 正射影像，相应的立体匹配片； 4、 窗口外裁剪； 5、 特征提取，特征描述； 6、 重采样； 7、 同名点； 8、 相关系数；

9、 低通滤波，精确相关； 10、渐进采样； 11、计算机视觉； 12、 屏幕检索表； 13、 绘图坐标系；

14、 曲线陡峭，拉入范围较大； 15、 数字相关。

二、概念解释（每题4分，共20分）

1）数字高程模型： 【答】是数字地面模型DTM只考虑地形分量时的结果,表示某一区域D上地形的三维向量有限序列{Vi=(Xi,Yi,Zi),i=1,2,…，n},其中（Xi,Yi）∈D是平面坐标，Zi是（Xi,Yi）对应的高程。 2）核线重排列:

【答】由于一般情况下数字影像的扫描行与核线并不重合，为了获取核线的灰度序列，对原始数字影像灰度进行的重采样，亦即对原始灰度函数值进行内插。 3）单片修测：

【答】利用单张像片与DEM对地图进行修测，主要内容为地物的增减，相比于传统方法可以节省资金与工时，是一个迭代求解的过程。 4）金字塔影像：

【答】对二维影像进行低通滤波，并逐渐增大采样间隔，形成的影像像素数依次减少的 影像序列;

5）数字微分纠正：

更加专业的摄影测量基础答卷,让您能更多的学到关于摄影测量的知识!

【答】根据有关的参数和数字地面模型，利用相应的构像方程式，或按一定的数学模型用控制点解算，将原始非正射投影的数字影像将影像化为很多微小的区域，逐一利用数字方式进行纠正获取正射影像。

三. 简答题(30分)

1. 请说明考虑辐射畸变的核线影像最小二乘匹配的原理及过程。(10分)

【答】对于核线影像而言，同名核线上不存在上下视差， q=0.即对某一个像点(像素)而言，其

几何变形主要是x方向存在位移p。则在考虑辐射畸变时，左右影像的两个一维灰度函数

g1(x),g2(x)应满足：

g1(x)+n1(x)=h0+h1g2(x+p)+ n2(x)

或

v(x)= h0+h1g2(x+p)- g1(x)

经线性化后，即可得最小二乘影像匹配的误差方程式

v=c1dh0+c2dh1+c3dp-[ g1(x)- g2(x)]

其中， c1=1

c2=g2

c3=

g2

(x)=

g2(x+ ) g2(x )

2×

（ 为采样间隔）

按上式逐个像元（在目标区内）建立误差方程式，其矩阵形式为

V=CX-L

X= [dh0 dh1 dp].

由误差方程式建立法方程式

T

(CC)X=(CL)

T

T

最小二乘匹配的迭代过程如图：

更加专业的摄影测量基础答卷,让您能更多的学到关于摄影测量的知识!

2．简述一种数字高程模型的内插方法原理及特点。（10分）

更加专业的摄影测量基础答卷,让您能更多的学到关于摄影测量的知识!

该方法的特点在于其获取的是整个曲面规则格网上的高程值。正因为采用了整体解求的方法，考虑了实际地形的连续性与整体的协调性，可以纠正或避免错误的结果。同时第二类误差方程在连续性的基础上，还保证了高程曲面的连续性。

3. 分析基于特征点匹配中备选点三种不同选择方式的优缺点？(10分)

【答】（1）对右影像也进行相应的特征提取，挑选预测区内的特征点作为可能的匹配点； （2）右影像不进行特征提取，将预测区内的每一点都作为可能的匹配点；

（3）右影像不进行特征提取，但也不将所有的点作为可能的匹配点，而用“爬山法”搜索，动态地确定各选点。爬山法主要用于二维匹配。对一维匹配仅用于在搜索区边沿取得匹配测度最大的情况。

三种方法比较之下，右影像也提取特征点策略下的影像匹配在一定程度上减少了错误匹配的可能性，相比于右影像不提取特征点策略下的影像匹配得到的同名点的准确性高；但另一方面右影像不提取特征点策略下的影像匹配得到的同名点对数多一些，因为其拉入范围较大，无法找到同名点的可能性相对较小。在二维匹配中，利用爬山法搜索匹配法考虑了特征的方向进行动态选择，在一定程度上减少了搜索的盲目性，有助于提高效率。但其缺点是在方向错误的情况下便难以再找到正确的点，即可靠性不如前两种方法高。

四.综合题（30分）

1. 结合课间编程实习内容，请叙述两种特征点提取算法的流程和特点，结合具体数据说明选择不

同的计算窗口和候选窗口对特征点数量以及质量的影响结果。并画出相应的程序框图。（15分） （一） 两种算子介绍

●Moravec算子利用灰度方差提取点特征，其步骤为： （1）计算各像元的兴趣值 IV

VVVV

1

====

i= k

∑

k 1

(g(g(g(g

c+i,r

g

c+i+1,r

)

2

2

i= k

∑

k 1

c+i,r+i

g

c+i+1,r+i+1

)

2

3

i= k

∑

k 1

c,r+i

g

c,r+i+1

)

2

4

i= k

∑

k 1

c+i,r i

g

c+i+1,r i 1

)

2

（2）给定一经验阈值，将兴趣值大于阈值的点作为候选点。

（3）选取候选点中的极值点作为特征点。

●Forstner算子通过计算各像 …… 此处隐藏：2081字，全部文档内容请下载后查看。喜欢就下载吧 ……