《摄影测量学》武大精品课程-B数字摄影测量

数字影像的采样与重采样《摄影测量学》（下）第二章武汉大学遥感信息工程学院摄影测量教研室主要内容数字影像采样影像重采样理论核线的重排列（重采样）数字影像或数字化影像数字影像表达形式1,11,10,11,11,10,11,01,00,0nmmmnngggggggggg)1,1,0()1,1,0(00mjyjyynixixx频率域傅立叶变化数字影像采样采样对实际连续函数模型离散化的量测过程样点被量测的“点”是小的区域----像素采样间隔矩形的长与宽通常称为像素的大小采样定理(一维影像）dxexgfGfxj2)()(有限带宽函数采样过程kkxkxxkgxkxxgxgxs)()()()()()(采样间隔--xlfx21fl为截止频率当采样间隔能使在函数g(x)中存在的最高频率中每周期取有两个样本时，则根据采样数据可以完全恢复原函数g(x)影像重采样理论当欲知不位于矩阵（采样）点上的原始函数g(x,y)的数值时就需进行内插，此时称为重采样（resampling）不在采样点影像重采样方法kllllkxkxfxkxfxkgxfxfxkxxkgxg)(2)(2sin)(22sin)()()(数字影像采样函数lfx21双线性插值法10),(1)(xxxW卷积核是一个三角形函数11122122pYXy1y2aby1-yx1-xx2x1双线性插值法示意图2121),(),()(ijjijiPIWI双线性插值法22211211IIIII22211211)()(;)()(21121111yWxWWyWxWWyyWyyWxxWxxW)(;1)(;)(;1)(2121)(INT)(INTyyyxxx双线性插值法222112112222212112121111)1()1()1)(1()(yIxIyxyIxIyxIWIWIWIWPI加权平均值双三次卷积法xxWxxxxxWxxxxW2,0)(21,584)(10,21)(3322321卷积核可以利用三次样条函数p11121314213141222324323334424344Yx双三次卷积法示意图yx4141),(),()(ijjijiPIWI44434241343332312423222114131211IIIIIIIIIIIIIIIII44434241343332312423222114131211双三次卷积法)()()()()()(44441111jiijyWxWWyWxWWyWxWW324323322321)2()()1()(21)()(2)1()(:xxxWxWxxxxWxWxxxWxWxxxxWxWx双三次卷积法最邻近像元法)()(NIPI直接取与P(x,y)点位置最近像元N的灰质值为核点的灰度作为采样值)5.0(INT)5.0(INTyyxxNN1234三种重采样方法比较最邻近像元法最简单，计算速度快且能不破坏原始影像的灰度信息。但其几何精度较差，。前两种方法几何精度较好，但计算时间较长，特别是双三次卷积法较费时，在一般值况下用双线性插值法较宜。特征的提取与定位算法《摄影测量学》（下）第二章武汉大学遥感信息工程学院摄影测量教研室主要内容特征的提取•特征点的提取算法•特线的检测方法特征的定位算法点特征提取算法点特征主要指明显点，提取点特征的算子称为兴趣算子或有利算子点特征的灰度特征Moravec算子Moravec于1977年提出利用灰度方差提取点特征的算子rc121,1,4121,,3121,1,212,1,1)()()()(kkiiricirickkiircirckkiiricirickkiricricggVggVggVggV（1）计算各像元的兴趣值IV},,,min{4321,VVVVIVrc（2）给定一经验阈值，将兴趣值大于阈值的点作为候选点。确定窗口大小综上所述，Moravec算子是在四个主要方向上，选择具有最大――最小灰度方差的点作为特征点。（3）选取候选点中的极值点作为特征点。Forstner算子计算各像素的Robert’s梯度和像素（c，r）为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。（l）计算各像素的Robert’s梯度jijivjijiuggvggggugg,11,,1,1Forstner算子步骤（2）计算ll（如55或更大）窗口中灰度的协方差矩阵1221vuvvuuggggggNQ))(()()(,11,,111,12,1111,22,111,12jijijikckcikrkrjjivujikckcikrkrjjivjikckcikrkrjjiugggggggggggg（3）计算兴趣值q与wNNQtrDettr12)(4trNDetNqDetN代表矩阵N之行列式trN代表矩阵N之迹(4）确定待选点)5()5.1~5.0(75.0~5.0ccfwfTTcq当同时，该像元为待选点qTqwTw（5）选取极值点即在一个适当窗口中选择最大的待选点线特征提取算子线特征是指影像的“边缘”与“线”“边缘”可定义为影像局部区域特征不相同的那些区域间的分界线，而“线”则可以认为是具有很小宽度的其中间区域具有相同的影像特征的边缘对常用方法有差分算子、拉普拉斯算手、LOG算子等房屋的提取道路的提取线的灰度特征一、微分算子1．梯度算子ygxgyxgG),(2122)()(),(ygxgGmagyxG差分算子2121,,2,1,,)(jijijijijiggggG1,,,1,,jijijijijiggggG对于一给定的阈值T，当时，则认为像素（i，j）是边缘上的点。近似-11-11Roberts梯度算子vurggvgugyxgG),(2122)(),(vurggyxG2121,,2,1,,)(jijijijijiggggG-11-11方向差分算子西北西西南南东南东东北北111121111111121111111121111111121111111121111111121111111121111111121111直线与边缘的方向Sobel算子)]1,1(),1(2)1,1([)1,1(),1(2)1,1(),(jigjigjigjigjigjigjiS考察它上下、左右邻点灰度的加权差。与之接近的邻点的权大：)]1,1()1,(2)1,1([)1,1()1,(2)1,1(jigjigjigjigjigjig121000121101202101yxGGi,j-101-101-101-1-1-1000111Prewitt算子与Sobel算子-101-202-101-1-21-101-121加大模扳抑制噪声Prewitt算子Sobel算子二阶差分算子1．方向二阶差分算子]121[121][)()(,1,,1,1,,,1ijjijijijijijijiijgggggggggi,j121121][)()(1,,1,,1,,,1ijjijijijijijijiijgggggggggi,j1111811111211210101410101D010141010121121D方向二阶差分算子i,j拉普拉斯算子（Laplace）22222ygxggjijijijijijijijijijijijijiijgggggggggggggg,1,1,,1,11,,,1,,1,,,124)()()()(010141010i,j010141010拉普拉斯算子（Laplace）卷积核掩膜取其符号变化的点，即通过零的点为边缘点，因此通常也称其为零交叉（zero-Crossing）点高斯一拉普拉斯算子（LOG）首先用高斯函数先进行低通滤波，然后利用拉普拉斯算子进行高通滤波并提取零交叉点，)2exp(),(222yxyxf),(),(),(yxgyxfyxG)],(*),([),(2yxgyxfyxG高斯函数低通滤波边缘提取),()],([),(2yxgyxfyxG)2exp(2),(42222222yxyxyxf高斯一拉普拉斯算子（LOG）LOG算子以为卷积核，对原灰度函数进行卷积运算后提取零交叉点为边缘)],(*),([),(2yxgyxfyxGSobel边缘检测算子比较结果RobertsPrewittCannyLaplacianofGaussianSobelRobertsPrewittCannyLaplacianofGaussian原始图像Hough变换用于检测图像中直线、圆、抛物线、椭圆等sincosyx图像空间对于影像空间直线上任一点(x，y）变换将其映射到参数空间(，)的一条正弦曲线上sincosyx图像空间参数空间正弦曲线共线映射正弦曲线Hough变换步骤对影像进行预处理提取特征并计算其梯度方向.将(，)参数平面量化，设置二维累计矩阵H(i，j).边缘细化，即在边缘点的梯度方向上保留极值点而剔除那些非极值点.对每一边缘点，以其梯度方向为中心，设置一小区间[-o，+o].ij（，）取累计矩阵中备选点中的极大值点为所需的峰值点，即所检测直线的参数。Hough变换对累计矩阵进行阈值检测，将大于阈值的点作为备选点.定位算子数字影像上明显目标主要是指地面上明显地物在影像上的反映，或者是数字影像自身的明显标志，例如道路、河流的交叉口、田角、房角、建筑物上的明显标志、影像四角上的框标、地面人工标志点等等Wong-Trinder园点定位算子利用二值图像重心对圆点进行定位.利用阈值T＝（最小灰度值十平均灰度值）/2将窗口中的影像二值化.计算目标重心坐标（x，y）与园度r.21120220022021120220022000010010)2(2)2(2MMMMMMMMMMMMMMmmymmxyxyx内定向