1、數字影像表示
　　數字攝影測量系統是由計算機影像匹配與識別代替人的立體量測與識別，完成影像幾何與物理信息的自動提取。為了能讓計算機完成這一任務，必須使用數字影像。若原始資料是光學影像（膠片）則需通過掃描數字化。數字攝影測量與模擬攝影測量、解析攝影測量的根本差別之一，在于對影像幅射信息的計算機數字化處理，不利用幅射信息是無法實現攝影測量自動化的。在解析攝影測量中，目標點向量是三維的，即（X，Y，Z）T ，而在數字攝影測量中目標點向量變為四維了，即（X，Y，Z，D）T，其中D=D（X，Y，Z）是該點的幅射量（灰度值或色彩量）集合目標的紋理信息，它在影像上的投影就是數字影像。隨著虛擬現實與可視化需求的迅速增長，快速確定目標的紋理D=D（X，Y，Z）也已經成為當代數字攝影測量的一項重要任務了。也就是說，當代數字攝影測量不僅要自動測定目標的三維坐標，還要自動確定目標點的紋理。數字影像的每一個數據代表了被攝物體（或光學影像）上一個點的幅射強度（或灰度），這個點（實際上是一個微小的區塊）稱為像元素，通常稱為“像素”。像素的灰度值常用八位二進制數表示。如果是彩色影像，則由3個同樣大小的整數矩陣，分別表示其R，G，B三個分量。
　　數字影像是物體電磁波輻射能量的二維數字陣列表示?？醋魇且粋€灰度矩陣g，矩陣內每個元素gij是一個灰度值，對應著光學影像或實體的一個微小區域。各像元灰度值gij代表其影像經采樣與量化了的“灰度級”。數字影像是一個整數矩陣，其中的每個元素表示其下標所指位置處物體電磁波輻射的強度，是便于計算機處理的圖像形式。也可以通過變換，用另一種方式表達，即把影像的表達由空間域變換到頻率域中。在空間域內是表達像點不同位置（x，y）處（或用i，j表達）的灰度值，而在頻率域內則表達在不同頻率中（像片上每毫米的線對數，即周期數）的振幅譜（傅立葉譜）。
　　數字圖像除了用矩陣表示之外，還常常用向量表示。通常是按照行的順序，使所有的元素依序堆成一列，這種組成法稱為堆疊表示法，或字典表示法。
　　數字影像的數據文件組織有多種方式，常用的有BMP，JPEG，TIFF等。

　　2、模擬影像數字化
　　模擬影像數字化是把模擬圖像分割成同樣形狀的小單元（像元），并把各小單元的平均亮度值或中心部分的亮度值變換成“灰度級”作為該單元的亮度等級值的圖像。分為連續灰度圖像：二維區域上的連續曲面和離散灰度圖像：二維區域上的離散格點。
　　模擬影像數字化的兩個步驟為空間離散--采樣（Sampling）和覆蓋區域的細分，強度離散--量化（Quantizing ）。

　　3、數字攝影測量特征提取

　　當數字影像采集完成后，特征提取是影像分析和影像匹配的基礎，也是單幅影像處理的重要任務。特征提取主要應用各種算子來進行，根據特征可分為點狀特征、線狀特征與面狀特征，因而特征提取算子又可分為點特征提取算子與線特征提取算子，而面特征主要是通過區域分割來獲取。數字影像中的明顯目標，我們不僅要識別它們，還需要確定它們的位置。例如地面控制點在影像上為明顯目標，它們的位置是需要精確量測的，另外一些明顯目標雖不是控制點，但要將它們用于影像方位確定，也需要精確量測其位置。在數字攝影測量中特征定位是利用特征定位算子來進行的，分為圓狀特征點的定位算子與角點的定位算子。
　　數字攝影測量的突出特點是自動化。影像匹配理論與實踐是實現自動立體量測的關鍵，而影像特征的提取又為影像匹配提供了條件，雖然近年來從“單點匹配”到“整體匹配”是數字攝影測量匹配理論和實踐的一個飛躍，但關于影像特征的提取仍然是數字攝影測量的重要研究課題之一。

　?。?）數字影像采樣
　　采樣是對實際連續函數模型離散化的量測過程。樣點是被量測的“點”，是小的區域--像素。采樣間隔是矩形的長與寬，通常稱為像素的大小，也是樣點之間的距離。
　　數字影像無論是傳統的光學影像數字化還是直接獲取，不可能對理論上的每一個點都獲取其灰度值，而只能將實際的灰度函數離散化，對相隔一定間隔的點量測其灰度值。這種對實際連續函數模型離散化的量測過程就是采樣，被量測的點稱為樣點，樣點之間的距離即采樣間隔。這些量測點也不可能是幾何上一個點，而是一個小區域，通常是一個矩形或圓形的小像塊，即像素?，F在一般取矩形或正方形，其長與寬通常稱為像素的大?。ɑ虺叽纾?，它通常等于采樣間隔。
　　影像特征提取的點特征主要指明顯點，如角點、圓點等。提取點特征的算子稱為興趣算子或有利算子，即運用某種算法從影像中提取我們所感興趣的有利于某種目的的點。雖然不同的算法具有不同特色的興趣算子，有利用灰度方差提取點特征的算子，也有通過計算各類像素的梯度和像素為中心的窗口灰度協方差矩陣，提取的特征點在影像中都具有盡可能小而接近圓的誤差橢圓特征。
　　計算步驟為在影像中放置圓形模板，計算模板內與原字有相同亮度的像素個數，形成角點強度圖像，通過尋求中心與鄰接性去除偽點。通過抑制局部非最大確定最終角點。

　?。?）影像重采樣理論與方法
　　當欲知不位于矩陣（采樣）點上的原始函數g（x，y）的數值時就需進行內插，此稱為重采樣。即在原采樣基礎上再一次采樣。每當對數字影像進行幾何處理時總會產生一些問題，其典型的例子為影像的旋轉、核線排列與數字糾正等。顯然，在數據影像處理的攝影測量應用中常常會遇到一種或多種這樣的幾何變換，因此重采樣技術對攝影測量學是很重要的。重采樣方法有雙線性插值法、雙三次卷積法以及最鄰近像元法。這三種采樣方法以“最鄰近像元法”最為簡單，但幾何精度差，最大可達0.5像元。前兩種方法幾何精度較好，但計算時間較長，特別是雙三次卷積法較費時，在一般情況下多應用雙線性插值法。
　　絕對定向、自動獲取DEM以及向量測圖都將在核線影像上完成，因而核線重采樣是一項主要的工作。在一般情況下，數字影像的掃描行與核線并不重合，為了獲取核線的灰度序列，必須對原始數字影像灰度進行重采樣。采樣方式有2種，在水平影像上獲取核線影像和直接在傾斜影像上獲取核線影像。

　　4、小結
　　數字攝影測量特征提取為了數據重建，而且要求重建后的圖像與原圖像完全一致，即經過圖像采樣后，原圖像的信息都被保存下來，為進一步生產提供數據支持。數字攝影測量廣泛應用于生產DEM、DOM及交互提取矢量數據和數字測圖。

猜你喜歡：

采用全數字攝影測量工作站制作DOM的作業方法

攝影測量技術及其發展歷史

版權聲明：文章來源于網絡，登載此文出于傳遞更多信息之目的，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權益，請聯系我們。