含沙射影的故事

含沙射影的故事（共10篇）

含沙射影的故事 篇1

关于含沙射影的历史典故

【读 音】 hán shā shè yǐng

【释 义】比喻暗中诽谤与中伤，暗中攻击或陷害人。又作“射影含沙” 。

【出 处01】《毛诗.小雅.何人斯》：为鬼为蜮(音域)，则不可得。有靦面目(靦音腼)，视人罔极。毛苌传云：蜮，短狐也。清阮元挍勘云：蜮短狐也，小字本、相台本同。案：段玉裁云：弧作狐误是也。释文蜮下云短狐也，正义云：蜮短狐，今说文本，蜮下皆误，汉书五行志注：作弧，不误。靦，姡也(姡音花)。郑玄笺云：使女(音汝)为鬼为蜮也，则女诚不可得见也，姡然有面目，女乃人也，人相视无有极时，终必与女相见。唐陆德明 经典释文云：蜮音或，沈又音域，状如鼈，三足，一名射工，俗呼之水弩，在水中，含沙射人，一云射人影。靦，土典反。姡，户刮反，面丑也。(按：短狐，应作短弧，故俗称水弩)

【出处02】晋·干宝《搜神记》卷十二：“汉光武中平中，有物处於江水，其名曰‘蜮’，一曰‘短狐’，能含沙射人。所中者则身体筋急，头痛，发热;剧者至死。”

【近义词】指桑骂槐、恶语中伤

【反义词】光明正大、直截了当

【典故】

传说古时候，江淮间出产一种很特别的.甲虫，名叫蜮，又有人称做射工、射影、短狐、水狐。这种虫常常伤害人，形状很是奇怪，背上长着硬壳，头上有角，身上长有翅膀，可以飞到上空，在人的头上施行袭击。它没有眼睛，但耳朵听觉特别灵敏，口中有一横物，形状像弩，只要听到人声便知道人的所在方向和距离，然后用口中所含的沙当作矢，向人射击。被蜮射中的人，会染上一种毒质而生疮;就算人的身体能够射避，而影子被蜮射中，也会生病。

比喻暗中诽谤与中伤，暗中攻击或陷害人。又作“射影含沙”。应用这成语时应注意：只能够用来比喻攻人无备，暗箭伤人和盲目攻击等情形。假如争斗的双方是明枪明刀的对抗，就不适宜引用这个成语了。

含沙射影的故事 篇2

欧氏重建[1,2,3]是计算机视觉的主要研究课题之一。通常,射影重建是欧氏重建的必要阶段,其精确性将影响最终的重建结果。目前,射影重建的方法主要有基于多线性约束的方法[4,5,6]和分解方法[7,8]。基于多线性约束的方法主要有两方面的缺点:1)它仅能够利用2幅至4幅图像,而不能利用更多的图像。2)没有平等地看待所有图像,而是侧重某些图像。广泛应用的分解算法尽管能够平等地看待所有的图像,但它们要求全部空间点在所有的图像上都可视。实际上,由于存在遮挡等原因,这个要求很难被满足。为了使分解算法更具实用性,即空间点在某些图像上可见而在另一些图像上不可见,我们提出了一种新的基于分解算法的射影重建方法。该方法用二维重投影误差作为迭代的判断条件。模拟数据和真实图像的实验结果表明,该射影重建方法具有重投影误差小、收敛性好和实用性强的特点。

1 分解算法

在针孔摄像机模型下,假设有n个空间点且m幅图像,则第j个空间点Xj与其在第i幅图像上的图像点的关系:

式中mij表示Xj在第i幅图像上的图像点,λij是与mij相应的深度因子,Pi表示第i个投影矩阵。将所有图像及投影矩阵联合起来,则有

式中X=[X1 X2 Xn]∈ℜ4×n,P=[P1T P2TPmT]T,M是所有二维图像点组成的一个联合矩阵:

mi表示所有第i幅图像点:

Λi表示一对角矩阵,它由与mi相应的深度因子为主对角线上的元素构成:

从式(2)可以看出,M的秩满足Rank(M)≤4。对式(3)用奇异值分解:

在理想情况下,只要所有三维点不是退化形式,M的秩应为4。但由于图像中含有噪声,一般情况下M的秩是大于4的。可用一个秩为4且与M矩阵最接近的矩阵去代替求解。取对角阵V中最大的四个奇异值产生一个新的对角阵V4′×4,令

式中S∧3 m×4和∧Dn×4分别为S3m×3m和Dn×n的前4列。则

式(8)可以认为是相机投影矩阵和三维空间点坐标。由于奇异值分解需把M看作一个矩阵,而丢失数据会使M产生一些洞,也就是说M不再是个矩阵,这样分解算法就会失效。

2 子空间

用span(miΛi)表示由miΛi的行向量生成的3维线性子空间。同样,用span(X)表示由X的行向量生成的4维线性子空间。引入定理[9]:

若式(9)中取⊂号,表示所有的子空间span(miΛi)具有相同的空间位置,这是一种退化情况。除了此种情况,式(9)应取等号,即每幅所有图像点构成的行向量生成的线性子空间的和与射影重建空间点构成的行向量生成的子空间是同一线性子空间。

将空间一个向量v正投影到由矩阵X的行向量生成的线性子空间span(X),v的投影方程被给出:

式中T表示正投影矩阵。v投影到span(X)正交补空间的投影矩阵T⊥为I-XT(XXT)-1X。对每个miΛi,式(11)被得出:

若T⊥=[t1 t2tn]T和ti=[ti1 ti2tin](i=1,2,...,n),则式(11)可整理为

简化式(12),即Aλ=0。它是3n×n维超定方程组,存在精确解的充要条件是秩小于n。当没有精确解时,可求它的一个最小二乘解。对A进行奇异值分解,可表示为A=UDVT。由任何标量k与一个解λ所组成的kλ也是解,则一个合理的约束是只求|λ|=1的解。在条件|λ|=|VTλ|=1下,最小化|Aλ|=|UDVTλ||=||DVTλ|。令VTλ为x,由D是对角元素按降序排列的一个对角矩阵,则x=(0,0,...,0,1)T,即x具有一个非零元素1并在最后的位置上。这样,λ=Vx,也就是λ是V的最后一列。

3 丢失数据射影重建实现

根据以上的讨论,基于分解算法的丢失数据射影重建描述如下:

1)迭代次数k=1;

a)假设所有的深度因子都为1;

b)对每幅图像,设置每个遮挡点为所有可视点的质心,则可构成初始M;

2)迭代次数k=k+1;

a)由对M用式(7)进行奇异值分解,得P k-1和X k-1;

b)如果重投影误差大于某一阈值ε,继续下一步,否则输出Xk-1、Pk-1和迭代停止;

c)用式(12)得出与每幅图像点相应的深度因子;

d)根据式(1)计算出丢失数据的新值,则可更新M。

4 实验结果

4.1 模拟数据

40个空间点随机地产生于半径0.2 m的球内,固定内参数的相机任意地放置在球前的0.8 m到1.2 m范围内,见图1。模拟出800×800的11幅图像。模拟图像混入不同的高斯噪声。在每种噪声水平下,算法运行于任取的30组数据,即每组40个空间点。下面的图表给出这些结果的均值。

为了评估所提方法的性能,我们随机地移去20%的上述数据。将所提方法与Martinec方法[10]比较,实验结果如图2所示。从图2中可以看出,Martinec方法的重投影误差比图像噪声约大66%,而所提方法的重投影误差比图像噪声约大37%。这样的结果的主要原因是所提方法不需要计算对图像噪声敏感的基础矩阵和对极点,并且平等地对待了所有图像。

在2个像素的高斯噪声和五个丢失率(0%,10%,20%,30%,40%)条件下,图3给出所提方法的收敛性结果。它迭代10次以内就能达到收敛,因此该方法具有良好的收敛性。

4.2 真实图像

采用Nikon coolPIX数码相机对某建筑物拍摄8幅图像,尺寸是2 816 pixels×2 112 pixels,其中两幅图像如图4所示。图中有40对匹配点,随机地丢失10%,用符号○表示,而剩余的90%用符号□表示。重建后再投影的点用符号*表示,见图4。从图中可以看出,重投影点和丢失点的位置能够保持一致,从而表明了所提方法的实用性。

5 结论

基于分解算法的丢失数据射影重建方法迭代地估计空间点、投影矩阵、深度因子和丢失的数据。它解决了丢失数据的情况,避免了求取多线性约束关系以及同等地看待了所有图像。通过模拟数据的实验,所提方法的重投影误差比图像噪声约大37%,并在10次以内达到收敛,因此该方法具有较小的重投影误差和良好的收敛性。真实图像的实验结果进一步地表明了此方法的实用性。

参考文献

[1]Hartley R I.Euclidean reconstruction from uncalibrated views[C]//Mundy J,Zisserman A.Applications of Invariance in Computer Vision,Ponta Delgada,Azores,Portugal,1993,825:237-256.

[2]Faugeras O D.Stratification of three-dimensional vision:projective,affine,and metric representations[J].Journal of the Optical Society of America-A(S1084-7529),1995,12(3):465-484.

[3]Pollefeys M,Gool L V.Stratified self-calibration with the modulus constraint[J].IEEE Trans.Pattern Analysis&Machine Intelligence(S0162-8828),1999,21(8):707-724.

[4]Wexler Y,Fitzgibbon A W,Zisserman A.Learning epipolar geometry from image sequences[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition,Monona Terrace Convention Center Madison,Wisconsin,June16-22,2003:209-216.

[5]Hartley R.Lines and points in three views and the trifocal tensor[J].International Journal of Computer Vision(S1573-1405),1997,22(2):125-140.

[6]李海超,张广军.基于分层思想的快速边缘匹配方法及射影重建[J].光电工程,2007,34(7):54-58.LI Hai-chao,ZHANG Guang-jun.Fast edge-matching algorithm based on hierarchical idea and projective reconstruction[J].Opto-Electronic Engineering,2007,34(7):54-58.

[7]Sturm P,Triggs B.A factorization based algorithm for multi-image projective structure and motion[C]//European Conference on Computer Vision,Cambridge,UK,April14-18,1996:709-720.

[8]Mahamud S,Hebert M.Iterative projective reconstruction from multiple views[C]//IEEE International Conference on Computer Vision and Pattern Recognition,Atlantic City,USA,2000:430-437.

[9]Heyden A,Berthilsson R,Sparr G.An iterative factorization method for projective structure and motion from image sequences[J].Image and Vision Computing(S0262-8856),1999,17(13):981-991.

重温一部含沙射影的幻想影片 篇3

1978年的美国影片《摩羯星一号》(Capricorn One),表面上看似乎是科幻片,其实是一部政治幻想影片。上映后不久曾被引进中国内地公开放映,这可能和它有助于“揭露资本主义的腐朽黑暗”有关吧。

影片说的是,美国国家航空航天局(NASA)因为航天项目搞了16年,耗费了巨额国帑,却一直没有什么成果,已经越来越无法向国会和公众交代,于是首席科学家决定铤而走险,要弄出一个大大的成果来,好让世人震惊——在丹·布朗近年风行一时的小说《骗局》中,NASA造假的动机也是如此。

这个大大的成果竟是——发射“摩羯星一号”宇宙飞船,载人登陆火星!

但是谁会想到,就在发射升空前几分钟,飞船上3位准备登陆火星的宇航员却被秘密接走,紧急送往一处秘密场所。而倒计时之后升空的宇宙飞船,里面实际上没有人,而且它也不会真的飞往火星。

在那个秘密场所,首席科学家向3位宇航员摊牌了:这次行动是一个惊天骗局。他要求3位宇航员在未来的8个月里,在这个沙漠里的秘密基地中,向全世界扮演“摩羯星一号”登陆火星的“实况转播”!

首席科学家大胆疯狂的想象力,让3位宇航员目瞪口呆!

可是首席科学家软硬兼施,最终还是让他们屈服了。首席科学家说:如果你们揭露真相,美国人民将“没有任何东西可以相信了”——因此,即使为世道人心着想,你们也应该跟我合作。同时他还以3位宇航员家人的生命安全为要挟。

于是,3名宇航员不得不和首席科学家合谋。他们共同将一个弥天大谎持续了8个多月。在此过程中,全美国、全世界都不断从电视上看到3位宇航员飞往火星、在火星成功登陆、又顺利开始返航的“实况转播”。中间还包括宇航员在太空中和家人通话,互诉关爱;宇航员家人接受媒体采访,领受敬意……种种煽情场面应有尽有。

也许有人会问:在地球上仿造火星大地,难道不会被人识破?这样的惊天骗局需要多少人共同协作,难道不会有人揭露……是的,有这些疑问是很自然的。这使人联想起近年旧话重提的“登月造假”公案——认为美国宇航员1969年7月16日的登月是一场惊天骗局,整个阿波罗登月计划都是在内华达沙漠或美国宇航局的摄影棚中完成的。

主张“登月造假”的人认为,美国政府此举是一种心理战策略,当时美国正在进行越南战争,与前苏联的太空技术竞赛也处于劣势,需要给世人造成美国科技遥遥领先、美国无比强大的错觉,加剧世人的恐美畏美心理,从而瓦解对手斗志,不战而屈人之兵。

还有人认为,这是美国为了欺骗前苏联的决策者,让他们在航天方面投入更多的资金和人力物力,以便拖垮前苏联的经济。诸如此类,都需要上演这样一出科学造假大戏。

事实上,对于1969年美国登月真实性的怀疑,几十年来一直存在,只是近年因连续有人抛出所谓“重磅炸弹”(比如Bill Kaysing等人的《我们从未登陆月球》一书),才又再次引人注目而已。而1978年的影片《摩羯星一号》,不妨视为这种怀疑中的一部分。

据说“几乎没有什么科学家会认真对待登月造假论的观点”。如要澄清事实,却也未见事主出来自辩清白,NASA和当年“阿波罗11号”上的宇航员似乎都对此没有兴趣。1999年7月20日,华盛顿国家航空航天博物馆举行仪式,纪念登月30周年,副总统戈尔向当年“阿波罗11号”上的3名宇航员颁授奖章,以表彰他们为航天事业作出的贡献。这似乎表示了美国政府对此的态度。但是,那位当年的登月英雄阿姆斯特朗,却依然拒绝参加任何记者招待会,拒绝签名,拒绝合影——30年来他一直选择沉默。这又难免给人们留下疑惑。

事主虽不积极,倒是有不少热心的局外人来为1969年登月的真实性辩护。针对主张“登月造假”的人提出的所谓“十大疑点”,也有人尝试逐一进行驳斥。但是,如果以中立的立场来看影片《摩羯星一号》,就会感觉似乎影片就是为回答那些驳斥而拍的。

比如,驳斥“登月造假”的理由之一是:“NASA有成千上万的科技、工程人员,如果登月计划是一场骗局,不仅全体参与者的人格受损,而且让几万人守着谎言过几十年,怎么可能?”而《摩羯星一号》编的故事表明,充分利用高科技手段,只要首席科学家身边的极少数人共谋并配合,就可以造成这样的惊天骗局。至于“成千上万的科技、工程人员”,其实每人都只是一架巨型机器上的一个螺丝钉而已,他们完全没有机会了解全局真相,因此也用不着“守着谎言过几十年”。

附带说起,讲述类似的利用电视制造弥天大谎故事的影片,已经有过不止一部,例如著名的《西蒙妮》(Simone)。一个纯粹用电脑虚拟出来的美女,成为大众情人,电视使得世界上每个人都相信大明星、大美人西蒙妮实有其人,她甚至担任了联合国的亲善大使,在世界各地飞来飞去——她每到一处,全世界观众都可以在电视上看到她抵达该地的“实况转播”。这和《摩羯星一号》中宇航员们在“火星”上的“实况转播”如出一辙。

当3位宇航员(注意:宇航员的人数也恰好和“阿波罗11号”一样)违心帮助首席科学家完成了这个弥天大谎之后,等待着他们的却是杀人灭口——按照首席科学家的安排,“摩羯星一号”将在返回地球的最后瞬间失事,3位宇航员将壮烈牺牲,成为英雄。

事情也确实按照首席科学家的计划一步步实施了,隆重的葬礼举行了,宇航员的家人们悲痛欲绝,政要们——包括首席科学家在内——对她们温语慰问……但是,无论怎样别有深意,电影终究只是电影,总要有一个伸张正义的结尾,所以在最后关头,导演让一位宇航员历尽艰辛逃过追杀,出现在葬礼现场——惊天骗局终于大白于天下。

正射影像图的制作与应用研究 篇4

正射影像图的制作与应用研究

随着数字摄影测量技术的.发展,数字正射影象产品的制作方法越来越先进,生产效率随之越来越高,市场应用前景也越来越广泛.本文介绍了数字正射影像产品的制作方法和生产工艺,并对其应用前景和发展方向进行了综合分析.

作 者：杜金莉  作者单位：安徽省第一测绘院,安徽合肥,230031 刊 名：科技创新导报 英文刊名：SCIENCE AND TECHNOLOGY INNOVATION HERALD 年，卷(期)：2009 “”(24) 分类号：P2 关键词：数字正射影像   数字高程模型   三维景观  

含沙射影的故事 篇5

基于DMC影像的大比例尺正射影像图制作研究

本文以基于DMC数码影像的`正射影像图制作为研究对象,详细分析了1:1000及1:5000正射影响图的制作流程,给出了具体的操作方法和技术要点,为生产部门利用数码航摄成果生产正射影像图提供了一定的经验借鉴.

作 者：王建明  作者单位：福建省地质测绘院,福建福州,350011 刊 名：科技资讯 英文刊名：SCIENCE & TECHNOLOGY INFORMATION 年，卷(期)：2009 “”(2) 分类号：P2 关键词：DMC   数码影像   正射影像图   DOM  

含沙射影的故事 篇6

目标跟踪是计算机视觉、模式识别和机器人等领域的研究热点[1]。其中,引人关注的理论和技术难题之一是如何处理跟踪目标的几何形变。当目标背景表面与摄像机距离足够远,或目标透射变换不明显时,采用仿射模型近似几何形变,可以取得满意的效果[2]。但在许多特殊的应用中,譬如,图形学中的图像拼接;军事领域中的无人机视觉制导等,必须要考虑透射变换。对视觉制导而言,当无人机捕获目标后,为获得最佳攻击角度,经常要在航向和高度上作大范围调整,以提高攻击精度。高机动引起目标图像非线性失真,如仍采用直线弹道下目标跟踪原理,用仿射变换描述目标运动,虽然计算简单,但已不能保证无人攻击机稳定跟踪目标。

射影变换精确地模型化了在摄像机或物体运动后,同一物体的图像之间的关系,能够刻画仿射变换所不能描述的摄像机的横向和纵向扫动[3]。射影变换模型有八个独立参数;变换自身具有高度非线性;各参数变化对目标函数的敏感度差异很大[4],这些因素在客观上影响了稳定、精确的目标跟踪算法的设计。

由于连续视频可以看作变换群作用于模板而生成的群轨道,因此,当跟踪一个目标时,如果假定目标的辨识保持不变,所有的目标的外观改变,纯粹是由于传感器方向的改变、照明的改变和目标移动等引起,则跟踪问题简化为寻找场景中的不变描述或计算空间变换参数。Hager改善了Lucas-Kanadae的前向加和算法[5],通过间接调换模板和输入图像的角色,基于矩阵参数化,采用向量空间逆向加和迭代算法,解决基于仿射变换模型的跟踪问题[6]。文献[[7]将其扩展至射影变换模型(本文称之为VECTOR-GN算法)。卡内基梅隆大学的Baker等学者提出逆向合成算法[8],不仅可以离线计算赫森矩阵和梯度矩阵,而且通过改善射影参数的迭代结构,进一步提高了算法的效率。然而,这些基于向量空间的优化方法,由于没有充分利用射影变换参数的李群结构,给进一步改善跟踪算法的性能提供了空间。

基于流形上的几何优化算法始于20世纪七、八十年代[9],是一种新型的求解约束优化问题的方法,其核心思想是将约束集视为流形,将传统的约束优化问题转化为流形上的无约束优化问题。近年来,人们把这种算法应用于不同的流形解决不同的问题。特别是基于李群[10]和黎曼流形的优化算法已成功地应用于机器人控制、机器学习等领域,在信号处理、计算机视觉[11]、模式识别等领域也取得丰富的成果。

目标跟踪中所涉及的空间变换通常具有李群结构,利用李群和李代数之间的指数映射,使优化过程中参数的迭代求解能在参数的真实空间中进行,可进一步提高算法的性能。文献[12]采用基于李代数参数化的高斯-牛顿迭代算法,实现射影变形目标跟踪,跟踪精度和鲁棒性优于矩阵参数化的跟踪方法(本文称之为LEXP-GN算法)。本文结合目标跟踪的具体特点,利用李群指数映射进一步改善优化算法,提出一种二阶最小化跟踪策略(本文称之为LEXP-SM算法),提高了目标跟踪的精度和速度。

1 基于李群指数映射的几何优化

1.1 李群指数映射

赋予群以光滑流形结构得到李群,其群运算记为。李群M在单位元e处的切空间记为TeM;设m∈M,Xe∈TeM,通过左移动Xm=(Lm)*Xe得到左不变向量场X;过点e的X的积分曲线就是单参数子群,记为γX(t);赋予李括号运算后的(TeM,[⋅,⋅])为M的李代数,记作Λ(M)。

定义1李群指数映射:Lexp:Λ(M)×R→M,(X,t)→Lexp(tX)=γX(t)

引理1[13]李群M的李代数Λ(M)内一定存在一个包含0的开凸集W,使得指数映射Lexp是W到M内的开核U的一个微分同胚。

全体n×n可逆实矩阵的集合关于矩阵乘法构成矩阵李群,即GL(n,R)。行列式为1的n阶实矩阵构成的李群称为n阶幺模群,也称为特殊线性群,即SL(n,R),是GL(n,R)的子群,其李代数sl(n,R)是所有矩阵迹为零的n阶实矩阵集合。本文跟踪算法所涉及的是SL3(,R),其李代数sl3(,R)的基向量为

对于矩阵李群,群运算是矩阵乘法;李代数的乘法,即李括号运算为[A,B]=AB-BA;指数映射就是普通意义上的代数矩阵指数,即

1.2 基于李群指数映射的几何优化

将李群嵌入到欧氏空间构成子流形,李群上的优化问题成为经典的受限优化问题,通常采用拉格朗日乘数法等。本文采用几何优化方法,用局部规范坐标表示优化参数,充分利用李群流形内在的几何结构,将受限优化问题变为无约束优化问题。

设ei(i=1,…,n)是李群M的李代数Λ(M)的基向量。由李群指数映射和引理1知,若设t是李群M上一点,x是t邻域内一点,则存在ω=∑inviei∈Λ(M),使得:

其中v=[v1,v2,…,vn]T。

设ϕ(⋅)是定义在李群M上的函数,则其在t点的泰勒展开式为

类比欧氏空间中的优化算法,可构造各种内蕴优化算法。比如,Newton-Raphson内蕴迭代为

其中v可由方程Htϕv=-[Jtϕ]Tϕ(t)解得。

赫森矩阵Htϕ一般很难计算,如果其非正定,常导致算法发散。文献[12]在非线性最小二乘优化过程中,泰勒公式展开至线性项,遗弃二次项信息,构造内蕴高斯牛顿算法(LEXP-GN)。

为获得被高斯牛顿迭代遗弃的赫森阵信息,可将式(3)中的Jtϕ在零处一阶泰勒展开,得:

代入式(3),得到:

这样,可以避免赫森矩阵的计算。如果能同时简化雅可比行列式计算,便可构造高效算法,而这需要结合实际问题的具体特点。目标跟踪和图像配准提供了这种可能性。

2 基于李群指数映射的二阶最小化目标跟踪算法

2.1 问题描述

假定摄像机未标定,跟踪的目标具有平坦表面。当目标在三维空间运动时,前后目标成像可用射影变换描述。射影变换群用矩阵描述为,其中A是二阶可逆方阵,t是平移列向量,[v,]1T是无穷远直线的投影。将射影变换群正则化,使其行列式值为单位1,得到特殊线性群SL3(,R)。

设点p的齐次坐标为[x,y]1,T,SL3(,R)在欧氏空间的嵌入映射为π:t→π(t),对于任意t∈SL3(,R),定义从SL3(,R)到p的作用为w:SL3(,R)×p→p,则射影变换可表示为

把第一帧图像中选定的包含目标的矩形区域作为初始模板,其灰度值为I(p),目标经过射影变形后在输入图像中的灰度值为I(w(t)(p)),在灰度恒常性假设前提下,通过求解鲁棒优化问题(式(8)),得到射影变换参数,确定目标在当前图像中的位置。

其中ρ(⋅)是鲁棒函数。在连续视频中重复上述处理过程,达到跟踪目的。不失一般性,本文考察最小二乘意义下的优化问题,即:

2.2 最优射影变换参数的求解

射影变换参数的求取实际上是RSL),3(优化问题。基于李代数参数化,即令参数增量为则非线性最小二乘优化问题(9)变为

一般需迭代求解变换参数。

若记,则由式(6)可得:

在目标跟踪中有以下事实:当获取最优投影变换时,模板图像和实时变形图像的梯度应该非常接近,即。利用这个信息可以简化雅可比矩阵的计算。以下计算雅可比矩阵:

对于每行而言,表示投影变形后图像的空域导数;表示射影变换式(7)的雅可比矩阵;是ei按行拉直形成的列向量π(ei)构成雅可比矩阵;Ιd表示恒等变换。Jpw和eπ是定值,可离线计算。

如果我们用模板图像的梯度等效地替换最优变形图像的梯度,利用李代数的性质,可以得到的线性近似为

若记

把式(14)代入式(11)可得:

于是

此处J+t表示Jt的伪逆,于是迭代公式为

其中λi为可调步长。

2.3 跟踪流程

基于李群指数映射的二阶最小化目标跟踪过程如下:

离线计算:

1)初始化:在第一帧中确定模板I(p),计算变换参数初始值t;读入新图像。

迭代过程:

2)根据前次迭代所得的参数v,在新图像中获取准目标图像It(p);

3)计算目标图像和模板图像的差值图像It(p)-I(p);

4)计算准目标的梯度∇pT(It);

6)计算雅可比图像Jtfp=∇pT(It)Jwpeπ;

7)根据式(16)计算参数增量v;

8)选择合适的λ,更新参数:t←texp(λv);

9)若||v||大于预先指定的正数或迭代次数小于预定值,返回2)。

下一帧:

10)读入下一帧图像返回2),若无下一帧,跟踪结束。

3 试验

为验证本文算法的可行性和高效性,把本文LEXP-SM算法和文献[7]的VECTOR-GN算法以及文献[12]的LEXP-GN进行试验对比。算法用Matlab语言编写,试验在PIV 2.4 GHz、内存为512 M的微机上完成。由于射影变换的八个参数的度量单位不一致,在算法比较时,我们用模板和输入图像点的RMS(Root-mean-square)代替射影参数的RMS。另外,在实验中,没有使用如金字塔分级采样技术、鲁棒函数估计等增强实时性和鲁棒性的措施。

试验1:用图1作为输入图像,在图像中心选择100×100的图像作为模板如图2。对模板进行1 000次随机射影变形,以变形后的数据来测试算法。首先用变形数据对四个角点的坐标进行扰动,扰动的标准差σ从1个像素到10个像素增长。对每个标准差σ,试验100次,经过15次迭代后模板和输入图像之间的RMS误差小于3时,认为算法收敛。统计数据如图3(a)所示,可以看出,当坐标的扰动小于3个像素时,三个算法的平均收敛率几乎一致;随着σ的增长,LEXP-GN平均收敛率快速下降。当σ=10时,VECTOR-GN算法的平均收敛率只有30%,LEXP-GN算法收敛率为49%,而本文LEXP-SM算法的平均收敛率为59%。对于σ=6的100次试验,统计所有的试验数据,如图3(b)所示,本文算法平均经过8次迭代就收敛,而LEXP-GN算法和VECTOR-GN算法分别需要9次和14次。当模板的四个角点坐标的扰动标准差是8时,算法的平均收敛率和采样率之间的关系(间接研究平均收敛率和模板大小之间的关系),如图3(c),其中,1/1表示采用整个模板;1/10表示原模板的1/100。可以看出,LEXP-SM算法优越于LEXP-GN算法,大大优越于VECTOR-GN算法。特别地,当采样率为1/10时,LEXP-SM的平均收敛率几乎和没有采样时的VECTOR算法一致,表现出更好的采样鲁棒性能。我们还测试了三种算法关于噪声的鲁棒性能。结果表明:当在测试图像中加入均值为零,标准差为7的高斯白噪声时,LEXP-SM和LEXP-GN的平均收敛率比没加噪声时更接近,如图3(d);三种算法的收敛速率比没添加噪声时都有所降低,收敛的平均迭代次数分别为9次,12次和16次,但LEXP-SM算法仍比另外两种算法表现出对噪声更好的鲁棒性,如图3(e)。

试验2:图像序列共100帧,图像大小为512×480,模板尺寸为52×40。要跟踪的目标为房屋的窗户,目标区发生了较大的投影变换。VECTOR-GN算法、LEXP-GN算法和本文的LEXP-SM算法收敛的平均迭代次数分别为7次,5次和4次;图4(a)、图4(b)和图4(c)分别给出了它们的部分跟踪结果。从图4的跟踪结果可以看出:图像序列在第80帧以后变形较大,VECTOR-GN算法不能收敛,跟踪框发生异常,滑出跟踪区。LEXP-GN算法在第91帧也没有正确锁定跟踪区,而本文算法对目标区进行了稳定的跟踪。从实验1和试验2的试验结果可以看出,本文LEXP-SM算法的效率和精度均高于LEXP-GN算法和VECTOR-GN算法,这和理论的期望是一致的:投影参数的迭代在参数的真实空间里进行以及避免复杂的赫森矩阵的计算,两者保证了图像配准和跟踪算法的高效性。

4 结论

射影在初等几何中的简单应用 篇7

关键词：射影；初等几何；应用

中图分类号：G633.63 文献标识码：A 文章编号：1002-7661（2011）11-203-02

在解决初等几何的相关问题中，射影可以把空间关系平面化，简化问题。

一、射影与平面斜线段的长短的比较

有以下三个结论：

1、射影相等的两条斜线段相等，射影较长的斜线段也较长；2、相等的斜线段的射影相等，较长的斜线段的射影较长；3、垂线段比任何一条斜线段都短。

例1 如图1，已知 ，垂足为 ， 是 的斜线段， 为垂足，参照图1，用数学语言写出上述三个结论。

下面用一道例题，介绍斜线段的长短比较，在解题中的应用。

例2 已知 是 所在平面外的一点，点 与 的距离相等，且点 在 上的射影 在 内，则 一定是 的_______心。

解：内心。如图2，过点 作 , , 分别交 于点 。

连结 。因为， 为点 在平面 内的射影，所以，, , （三垂线定理）。又因为， 到 的距离相等，且 ，所以， 。

又因为， 在平面 内的射影为 ，所以， 。

又 , , .即 为 的内心。证毕。

二、射影与垂足的确定

把空间一点向平面射影，射影点落在什么位置，往往成为解决问题的关键。

例3：如图3，把等腰直角三角形 沿斜边 旋转至△ 的位置，使 。

求证：平面 ⊥平面 。

证明：由题设，知 ，作 ， 为垂足，

则 。所以， 是△ 的外心，即 的中点，

所以， ，所以， 。

所以，平面 ⊥平面 。证毕。

三、射影与三垂线定理的构造

三垂线定理及其逆定理在立体几何中有着广泛的应用。应用定理的关键就是善于寻找射影。如图4， 在平面 内的射影为 ， 为平面 内的一条直线。则， 。

例4：如图5，在四棱锥 中，底面 为矩形， ，

, , .求证： 。

证明：如图6，作 ，垂足为 ，连结 。

则 为 的射影点， ， 为斜线段 在平面 上的射影。

由题设知， ，且 为 的中点。

由 知， ，从而， ，于是 。

有三垂线定理知， 。证毕。

四、射影与异面直线之间的距离

设空间有两条异面直线 ，作平面，使，垂足为 ；又过直线 ，作平面 ，使 ，于是 ，记 ，过点 向 和 的交线 作垂线，垂足为，能证： 就是异面直线 之间的距离。因为 => ,此外

用射影语言来刻画：

直线 在垂面 上的射影为一点 ，直线 在平面 上的射影为 ，此时，异面直线 之间的距离即转化为射影 与射影之间的距离 。（如图7）

例4：已知正方体，求相邻两面上任意两条异面直线 间的距离。

解：在正方体 中，设 为面 上的直线， 为面 上的直线。首先构造一个平行平面，它包含直线 ，也平行于直线 。（如图8）

在面 上，过 点作 ，由两直线 与 决定平面 ；

其次，构造一个与面 相垂直的平面，为此，在面 上，过 作 ，连结 ，则面 ，因为

。面 即为欲求作的垂面。垂面 与 的平行平面 的交线为 ，而 在垂面 上的射影为 ， 在该面上的射影为 。由此，异面直线 之间的距离转化为两射影之间的距离。因此，由 向 作射线，垂足为 ， 即为所求。

五、射影与最小角定理

最小角定理：斜线 和它在平面内的射影 所成的角，是斜线和这个平面内所有直线所成角中最小的角。（如图9）

含沙射影的故事 篇8

关键词： 电子地图数据提取地图配置；低空摄影测量；数字正射影像图；基础数据深加工

前言

通过遥感技术和无人机的结合，使无人机先进性能，越来越自动化、智能化，可以快速获得土地、资源和环境等各种空间遥感信息。

1、国内外研究现状

国内无人机系统的开发和应用仍处于起步阶段，大多数从事无人机空中飞行团队测绘人员，把握不准航空摄影测量的特点，缺乏测绘行业的背景知识，造成飞行平台、传感器和数据处理软件三者之间脱节，难以或无法处理大量的图像数据；目前航空摄影团队使用超小型或小型无人机，承载能力低、飞行性能有限和续航能力较短，、事故率更高，限制其大规模应用和推广；单一相机是无人机主要遥感传感器、无法满足测绘地形图对其高程精度要求。

在经济和技术力量雄厚的国外，“赛斯纳”等配备完整的传感器系统多是其标配，GPS导航和POS系统的轻型飞机或更高级的机型也常作为低空遥感相机平台。

2、 使用无人机航摄的优势

2.1无人机起降灵活，易于转场

在实际作业现场中，大多数遥感航空摄影任务，是有人驾驶航拍机无法抵达的领空；或者是飞行高度低于有人驾驶航拍机的安全高度，有人驾驶航拍机无法安全拍摄；或核泄漏等对人员人身安全造成威胁的危险地区；无人机因其灵活、重量轻、体积小，使它不需要特殊的专用起降场、发射准备时间短，容易操作。可以访问复杂的地形地区和建筑物密集的城市地区。特别适合使用我国南部丘陵、多云地区。

2.2 可以超低空视距飞行，飞行成本低

通其他遥感系统相比，无人机系统和传感器，具有很好的成本效益的，具有较低的后期图像处理成本。飞行高度跨度大，可以到达从50米到5000米的高度，高达10米的控制精度。在超低空飞行下，速度较低，可达到良好的光学图像。

2.3不需要繁琐的飞行审批手续

无人机属于可视遥控飞行器，所以基本不用在每次飞行时，向空管部门上报繁琐的飞行审批（机场等管制地区除外）

2.4无人机不用担心驾驶员的安全问题

由于是无人驾驶，所以，无人机不用担心由于驾驶员操作不当带来的各种安全问题。

2.5无人机发现数据不合适可立即重新拍摄，航摄效率较高；航拍有效拍摄时间较长，可在航拍区域附近放飞，无效飞行时间短；工作现场、数据处理现场较集中，非常方便统筹安排飞行航拍。

3、无人机航空影像数据要求

3.1对拍摄像片倾斜角的要求

无人机拍摄图片，最多不超过 12度，一般不大于 5-6度，出现超过 8度的数量不超过总数的10%。

3.2对航摄比例尺的要求

航摄比例尺应根据地形的不同特性，在保证精度的前提下，从缩短制图的周期，降低成本，提高测绘的综合效益的原则下进行选择。

3.3航高差的标准

相同的导航路线，相邻的图片高度差不得大于30米。无人机飞行高度差应小于或等于50米；摄影时实际飞行高度与设计飞行高度偏差不应超过百分之五。

3.4摄区边界覆盖保证

航向覆盖超出以外区域边界应不少于两个基线。覆盖在边界附近地区一般不应少于50%像图片。

3.5对像片重叠度的要求

考虑到航线网络，区域的结构和模型之间的联系等等，为了满足航摄成图的需要，需要三个相邻的航空照片应该有公共的重叠。

一般要求：航向重叠应该60% ～ 65%，个别不得大于75%，最小的最低不得少于56%。旁向重叠度应为 30%-35%，个别最小不得小于 13%。

4、对无人机获得的图像的处理

4.1、图像纠正

数字图象纠正的作用，是纠正原始图像的几何畸变，生成满足要求的地图投影，或图象表达要求的新图象。其基本方法，有两种：一种是像坐标变换，第二个是重采样像素亮度值。

4.2图像配准

图像数据或地图，在进行图像配准时，扫描形成一个位图图像和矢量数据，可以视为正交投影，基本上解决了简单的图像配准，并使用最小平方法方案，可以获得满意的结果，这种方法与多项式校正原理相同。

4.3图像增强

图像增强是指提高或突出图像中的某些信息，削弱或消除一些不需要的信息技术。它对遥感数字图像是有意义的。图像增强方法和光学增强方法是常用的增强方法。根据图像处理的效果，可分为图像对比度增强、图像平滑、图像锐化处理和图像处理的颜色，等等。

4.4图像的编辑

本模块还接合生产实际，研究了两种智能化算法：一是自动内插等高线，二是自动生成街道缓冲区。这两种方法极大地提高了该部分的编辑速度，提高了在图形编辑过程中的作业效率。

结语

无人机低空摄影相对于传统航空摄影来说，优势颇多。比如，无人机具有机身重量较小、有效滞空时间长、能对检测对象提供实时遥感的特点、飞行高度、速度改变灵活、相机分辨率高、航拍成本低廉等特点，无人机作为遥感数据获取源，应用日益广泛，已经越来越成为主要的获取途径。无人机航拍，能满足局部范围内地理、环境数据采集，可有效完善中国低空航空遥感监测系统，提高地理空间数据采集、处理和分析能力，也起到一定的作用，推动高分辨率遥感数据普及，，减少了国家不同的相关领域过度依赖外国高分辨率遥感数据的现状。

参考文献：

[1] 王建雄. 无人飞艇低空摄影测量关键技术研究及大比例尺地形成图实践[D]. 长安大学， 2011.

[2]刘淑慧. 无人机正射影像图的制作[J]. 东华理工大学， 2013.

[3]刘会安. 数字地形图更新和质量检查方法研究[D]. 中国人民解放军信息工程大学， 2001.

[4] 冯圣峰； 无人机正射影像无缝拼接的研究； 东华理工大学， 地图制图学与地理信息工程， 2013， 硕士

[5] 夏治国（导师：陈林）；军用数字地图测图系统的设计与实践 ； 《重庆大学硕士论文》； 2008-11-01

含沙射影的故事 篇9

1 自动空三的相关理论

1.1 自动空三的作业流程

自动空三就是利用数字影像,根据事先在影像上设定的范围上搜索加密点,然后利用数字影像匹配技术,在相邻影像上搜索同名点,并自动记录其像点坐标,半自动量测少量地面控制点的像点坐标,最后利用这些少量的地面控制点及其像点坐标进行解析计算,求解加密点的地面三维坐标及所有影像的外方位元素。VirtuoZoAAT自动空三实现了选点、转点、挑点和量测像点坐标的全自动化。自动空三作业的基本流程图如图1所示。

1.2 自动空三的主要制作方法

1)数据准备。自动空三所涉及的资料和参数很多,一般所需要的资料数据有扫描(数字)航片、外业控制点数据、数字刺点、点位照片、测区布点略图、相机参数文件等。在准备阶段不仅要仔细核对各参数和数据的准确性,还要在时间上对整体工作有统筹的安排。

2)自动内定向。内定向的目的是确定数字影像的扫描坐标系和像片坐标系之间的关系及数字影像可能存在的变形。VirtuoZoAAT提供自动和手动两种搜索框标中心模式,它采用模版匹配技术,自动识别影像框标点和计算内定向参数,实时显示定向误差和定向参数,能实现测区影像的全自动内定向,可对整个测区进行批处理,能方便作业,节省处理时间。

3)自动选点和转点。在空三过程中,为了保证定向精度和便于后续易于探测粗差点,需要提取大量的连接点。VirtuoZoAAT采用基于高度自适应性的影像特征提取算法提取地物特征点,并采用基于高精度、高可靠性的影像匹配技术,将特征点自动转刺到相邻航片上。加密过程中,VirtuoZoAAT记录了详细的转点信息,用户很容易发现如定向失败、模型连接失败等异常情况,能及时准确作出相应的处理。

4)自动挑点。完成自动转点后,就可以进行挑点了。VirtuoZoAAT调用著名的光束法区域网平差程序PATB,能高效、可靠和自动地剔除像点网中的粗差点。系统根据用户选定的连接点分布方式挑选出精度最高的点保留下来作为加密点。挑点模式一般推荐为“5×3”,这种分布对于旁向重叠大于30%的情况非常有利。

5)连接点编辑。VirtuoZoAAT可以自动显示粗差点,方便用户进行调整。在连接点编辑界面中用户还可以在缺点位置增加连接点。VirtuoZoAAT具有自动匹配同名点功能,用户也可在立体观测下进行连接点的编辑。编辑完所有的粗差点后,再调用PATB解算,直至没有粗差点,最后就可以自动创建加密点文件了。

VirtuoZoAAT除具有以上功能外,还可半自动量测和预测控制点,支持相机自检校补偿系统误差和GPS参数联合平差,支持测区之间自动接边等功能。

1.3 影响自动空三精度的因素

1)影响原始观测数据精度的因素。地面控制点坐标,像片的重叠度、连接点和控制点的数量及其分布等几何结构因素共同决定了平差区域的最终精度。其次在自动空三中,原始数字影像的精度,影像的量测精度和平差计算精度也对最后成果产生一定的影响。

2)影响区域网几何强度的因素。航向和旁向的重叠,保证像片连接点不仅要处于航向的三度重叠范围内,还要处在旁向重叠范围内。还可以把辅助数据、地面量测数据和摄影测量观测值一起纳入联合的区域网平差中,以改善区域网的几何质量,提高平差精度。

2 作业过程中的几个特殊情况及处理方法

2.1 自动相对定向失败

在自动转点过程中,相对定向中误差要小于四分之一像素大小,如果相对定向中误差超限,或定向点非常少,相对定向都视为失败,需要人工相对定向。当中误差超限时,可手动删除残差较大的点;如果系统匹配的同名点非常少,则需要手工增加一对同名点作为匹配种子,然后执行自动匹配和相对定向,并检查删除残差较大的点,继续执行相对定向,直到满足精度要求为止。当模型出现大面积落水或森林覆盖时,无法自动匹配,这时可人工在六个标准点位附近量测至少6个点,然后执行相对定向并调节每个点到满足要求为止。

2.2 模型连接失败

如果模型连接的中误差过大,则模型连接失败。这时可在交互式编辑界面检查连接点,如果连接点不正确,可删除或调整该连接点;如果标准点位缺点,则至少在两个标准点位增加若干连接点。有时为了能继续转点,可适当放宽连接点中误差,在随后的自动挑点过程中,系统会把此类粗差点删除,不会影响成果精度。

2.3 自动挑点不能进行或不完整

通常航线间的偏移点至少需要在航线的首尾各加一个点,当航线较长或地形复杂时,可在航线中间均匀量测若干点。当航线间连接强度不够时,航线间的转点会非常少,从而造成自动转点不能进行。这时可将航线间的连接点自动增加位偏移点,来增强航线间的连接强度。有时会遇到只调用了一两次PATB程序便无法进行的情况,此时系统已删除了大多数粗差点,但是很多连接点也被删除了,造成航线间的连接强度不够无法继续进行挑点,这时可手工增加连接点,进行空三加密。随着控制点和连接点的增加,精度要求的逐步提高,在自动挑点过程中没有挑出的粗差点也被筛选出来,从而可以对这些点进行人工干预,减少这些点对成果精度的影响。

2.4 像点网的编辑原则

区域网的内部连接性是由测区像点构网强度决定的,而且对最后的加密精度有重要的影响。像点的构网强度应保证测区中每一张影像三度重叠区的上、中、下三个标准点位上必须有连接点,且航线间的重叠区域里的像点必须向相邻的航线转测。当执行过PATB平差后,在PATB报告中,精度不好的点会作为粗差点不参与最后的平差,并且显示在编辑主界面左下角的“Critical Point”选项卡中。调点时需要参照具体影像或立体观察结果进行调节,而不是只根据残差结果进行调点。在大比例尺航摄中,经常会遇到大面积落水区域。在落水区域中量测连接点会导致落水区域附件的像点网破碎,使得像点网在这部分区域发生扭曲,影响加密的精度。为了减少落水区域对像点网的影响,可在影像落水区域边上按间隔1~1.5厘米量测连接点,使落水区域附件的像点网有一个稳固的边界,从而减少落水区域的影响。

3 应用与结论

本文采用适普软件公司开发的VirtuoZoAAT3.3对焦作地区SWDC数码航摄仪获的真彩色数字影像进行处理,进行该地区某区域的DOM的制作。此次航摄高度为480米,焦距为35.7毫米,地面分辨率为13-16厘米,成图比例尺为1:1000,航飞的总航片数为4567,覆盖面积达530平方公里。空三加密后,将成果导入VirtuoZo进行批处理,生成DOM,生成的DOM满足精度要求,图2是正射影像图的一部分。

作业过程中可以发现,VirtuoZoAAT具有自动化程度高、作业速度快、作业效率高等优点,可高效、可靠检测粗差和自动剔除粗差功能,加密精度高,可对复杂地形诸如大面积落水和大面积森林覆盖等具有高度自适应性,可自动处理包含交叉航线和分段航线的复杂测区,可直接处理数字航片,能满足各种比例尺测图要求,已被广泛应用于测绘、地质、水文等行业。

摘要：叙述了VirtuoZoAAT进行空中三角测量的工作流程和主要的步骤,并通过VirtuoZoAAT进行空三处理后,导入到VirtuoZo进行了焦作地区DOM的制作。

关键词：VirtuoZoAAT,自动空三,正射影像

参考文献

[1]张祖勋,张剑清.数字摄影测量[M].武汉:武汉大学出版社,2002.

[2]张剑清,潘励,王树根.摄影测量学[M].武汉:武汉大学出版社,2003.

[3]赵明,郭卉,王欣滔.VirtuoZoAAT在高山地地形中的应用[J].测绘与空间地理信息,2008,30(5):181-182.

[4]肖高铭,詹卫华,张艳红.浅谈空中三角测量在实际工作中的应用[J].测绘与空间地理信息,2007,30(6):161-165.

数字正射影像图质量评价研究 篇10

1 数字正射影像质量影响因素

目前, 数字正射影像的生产方式主要有以下2种, 一种是借助现有的数字摄影测量工作站进行, 比较成熟的平台有像素工厂、武汉适普、北京四维远见等;另外一种是采用现有的DEM成果, 结合影像区域的控制点成果进行影像的单片微分纠正。很显然, 采用不同的生产模式, 其精度的影响因素也就不同, 下面进行分述。

当采用数字摄影测量系统来生产数字正射影像图时, 精度的影响因素主要有:一是航摄比例尺及航摄质量;二是航片扫描质量;三是控制点 (含加密点) 精度;四是DEM的平面精度等。当采用DEM进行微分纠正获得数字正射影像时, 正射影像的精度受DEM精度的影响。此时, 提高DEM精度的方法对于数字正射影像的生产精度控制也是基本通用的。但是, 数字正射影像与DEM有很大的区别, 主要体现在对航摄的要求上。按照规范要求, 数字正射影像要求航摄与成图的比例为4~6倍。如生产1∶2 000的正射影像, 航摄比例尺应选在1∶10 000左右最佳, 并采用长焦距相机摄影。这是因为像点位移受地形起伏的影响, 尤其当地面建筑物的高差存在所导致的投影差和像点位移。此时, 按照地形起伏像点位移的改正公式及其自身特点, 如果采用长焦距的镜头进行航空摄影, 可以有效地减小地形起伏对像点位移的影响, 进而有利于数字正射影像的模型接边。

在数字正射影像的生产中, 通常还存在以下2个技术问题需要注意。

1) 各类比例尺的正射影像图存在接边问题的处理。影像图接边问题的处理一般放在影像入库前进行统一处理, 包括色彩接边处理, 能够接边的前提条件是影像必须有足够重叠度。

2) 应区分“正射影像”与“真正射影像”2个不同的概念。“正射影像”并非“真正射影像”, 因前者没有对地面上建筑物的投影差进行改正。但当影像比例尺较小且地面建筑物较低时, 可以近似认为两者基本一致, 这就是比例尺越大的DOM与数字线划图越难以套合的原因。

2 影像质量控制

2.1 信息量指标———信息熵

该指标主要针对影像融合所带来的信息增加或减少。一般情况下, 影像融合后, 信息量增加是其最基本的要求。如何衡量影像融合后的信息量变化情况, 信息熵作为其衡量指标提供了技术手段。当信息熵越大时, 表明融合后的影像信息量在增加, 影像所包含的信息也就越丰富。反之, 则融合后的影像信息量在减少, 影像所包含的信息量也就越单调。对于信息熵, 其一般被定义为影像的平均信息量, 信息熵计算公式为:

式中:P (i) 为某像元值在图像中出现的概率;n为像元值范围 (一般为0~255) 。

2.2 反差指标———标准差

该指标主要针对影像的灰度分布与变化情况。对于一景影像来说, 如果光照均匀, 其灰度分布就会呈现为正态分布, 此时, 影像表现为反差适中, 标准差则反映了影像灰度相对于灰度平均值的离散情况。当标准差比较大时, 代表影像的灰度级分布比较分散, 影像的反差就大。反之, 当标准差较小时, 影像的灰度级分布就比较集中, 影像的反差就小。标准差的计算公式如下:

2.3 清晰度指标———平均梯度

清晰度是人们对于正射影像的第一感觉, 是评价正射影像质量的最关键因素。清晰度的问题主要体现在影像模糊, 色调、饱和度较差, 像对间镶嵌边缘反差和灰度明显不一致, 产生这些问题的最主要原因是航摄质量。航摄是进行正射影像生产的开端, 因此, 它对最后成图的影像关系最大。在影像清晰度评价方面, 平均梯度是其主要的衡量参数。该参数主要反映了一幅影像上微笑细节的反差变化速率。当平均梯度值越大时, 表现数字正射影像越清晰, 反之, 平均梯度值越小时, 表现数字正射影像越不清晰。平均梯度的计算公式为

式中:m为影像总行数;n为影像总列数;分别表示融合影像F xx, yx在x和y方向上相邻像素间灰度变化值。

3 几何质量控制

数字正射影像图的几何质量评价研究较多, 目前常用的几何质量检查方法有:一是利用影像对应区域的基准地形图对正射影像的几何质量作出检查评价;二是利用影像对应区域的基准影像图对正射影像的几何质量作出检查评价;三是利用影像对应区域的实测检查点坐标对正射影像的几何质量作出检查评价。数字正射影像的几何质量检查按以下3个步骤进行。

1) 在正射影像上选定检查点, 读取其地面坐标作为被检查点坐标值存储, 并显示在检查界面。

2) 通过实测GPS控点坐标、基准地形图读点方法或基准正射影像读点方法获得影像同名检查点坐标值, 作为该检查点位的坐标真值存储, 并显示在检查界面。

3) 按照坐标差及中误差计算公式, 计算检查点和被检查点二者坐标差及中误差, 该中误差即用来度量正射影像的平面位置精度。

在获取被检测影像的检查点坐标和作为真值的检查点坐标值后, 按下列公式计算检查点的平面位置精度。

式中:mx为X方向的精度, m;my为Y方向的精度, m;mxy为影像的平面位置精度, m;Xi, Yi为被检查影像上选取的检查点坐标, m;Xi0, Yi0为基准检查点坐标, m;n为检查点个数。

4 结束语

数字正射影像图质量的定量自动化评价可以解决长期以来基础地理信息数据质检工作的主观性强而客观性弱的问题, 大大提高生产工作效率, 同时提高工作质量。文中从理论角度对数字正射影像质量评价中的影像质量和几何质量评价指标进行了分析, 给出了具体的计算公式, 这对加快基础测绘公共产品应用, 实现基础测绘信息网络化共享和公益性应用具有一定的现实意义, 同时也促进基础测绘成果在社会公共事务和经济社会发展中的作用。

摘要：文中从正射影像质量因素出发, 对影像质量和几何质量评价指标进行了阐述, 给出了具体的定义和表达式, 对实现数字正射影像质量定量评价系统开发提供了参考。

关键词：正射影像,影像质量,质量评价

参考文献

[1]王昱, 胡莘, 张保明.数字影像质量评价方法研究[J].测绘通报, 2002 (5) :7-9.

[2]杨晋强, 武坚, 程宝琴, 等.摄影测量与遥感的融合影像质量评价方法探讨[J].测绘科学, 2008, 33 (5) :57-59.

[3]何中翔, 王明富, 杨世洪, 等.遥感图像客观质量评价方法研究[J].工程图学学报, 2012, 32 (6) :47-52.

[4]吕赛, 李绪志, 张九星.遥感图像质量分析与评价方法研究[J].计算机仿真, 2012, 29 (9) :266-270.

[5]方圣辉, 李凡, 李小娟, 等.一种遥感影像质量的自动评价方法[J].测绘信息与工程, 2010 (5) :26-27.

[6]胡庆武, 李清泉.多分辨率影像质量参数评定影像质量的方法[J].中国图象图形学报, 2011, 16 (3) :474-479.