25145 (686742), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Суть метода заключается в вычислении функции взаимной корреляции, которую для дискретных функций можно записать в виде:

(1.23)

где p и q – продольный и поперечный параллаксы на изображении f₂(x, y).

M и N – соответственно ширина и высота образца или пределы, в которых определена функция f₁(x,y).

Функция взаимной корреляции обладает следующими свойствами:

2. если f₁(x,y) и f₂(x-p,y-q) независимы, то C(p, q)=0;

3. C(p,q)=1 тогда и только тогда, когда существует такое число b0, что .

Фактически алгоритм отыскания соответствия между функциями f₁(x,y) и f₂(x-p, y-q) сводится к нахождению таких p₀ и q₀, при которых функция C(p, q) максимальна.

Преимущество этого метода простота реализации.

К недостаткам алгоритма взаимной корреляции относятся:

• большой объем вычислений;

• алгоритм устойчиво работает только при следующих условиях: снимаемая местность плоская, взаимные углы наклона и разворота снимков не превышают 20-30, а разномасштабность снимков менее 20-30%.

1. Метод наименьших квадратов

Для метода наименьших квадратов в качестве критерия подобия служит функция суммы квадратов разностей между яркостями пикселей двух изображений.

Пусть на ограниченном участке (x[-M/2, M/2], y[-N/2, N/2]) между функциями f₁ и f₂ существует зависимость:

(1.24)

Для определения искомых величин p₀ и q₀ составим функцию:

(1.25)

Данную функцию решаем под условием минимума:

, (1.26)

Если известны приближенные значения неизвестных параметров ( ), то раскладывая функцию(1.25) в ряд Тейлора и ограничиваясь величинами первого порядка малости получаем линейное уравнение относительно неизвестных p₀ и q₀:

(1.27)

В результате приходим к системе уравнений поправок:

(1.28)

где A – матрица коэффициентов уравнений поправок;

X – вектор-столбец поправок к приближенным значениям неизвестных (p₀ и q₀);

V – вектор невязок уравнений, который характеризует величины шумовых составляющих.

От системы уравнений поправок переходим к системе нормальных уравнений:

(1.29)

где и .

После определения p₀ и q₀ уточняют значения искомых параметров p₀ и q₀ и затем выполняют следующую итерацию. Этот процесс повторяется до получения требуемой точности вычисления неизвестных.

Алгоритм наименьших квадратов по сравнению с методом взаимной корреляции обладает рядом следующих преимуществ.

Во-первых, метод наименьших квадратов позволяет оценить точность определения искомых параметров. Для оценки точности используют среднюю квадратическую ошибку (СКО) единицы веса, которая будет характеризовать влияние шумовых составляющих и качество образца, и СКО определения параметров p₀ и q₀, характеризующие точность отождествления соответственно по осям x и y. Значение СКО единицы веса определяется по известной формуле:

(1.30)

где n – количество уравнений поправок, а k – количество неизвестных.

СКО определения неизвестных p₀ и q₀ выражаются формулами:

(1.31)

где и – соответствующие диагональные элементы обратной матрицы нормальных уравнений.

Во-вторых, метод наименьших квадратов позволяет вести не глобальный поиск соответственной точки, подставляя все возможные значения p и q, как в методе взаимной корреляции, а вдоль направления градиента функции.

В-третьих, как показывает практика, из всех разработанных алгоритмов отождествления метод наименьших квадратов дает наилучшие результаты в отношении точности.

В-четвертых, геометрические ограничения, накладываемые на положение и ориентацию снимков относительно плоскости объектов, несколько ослаблены при использовании метода наименьших квадратов по сравнению с методом взаимной корреляции.

К недостаткам метода наименьших квадратов следует отнести:

• алгоритм, как и все методы площадного отождествления, устойчиво работает только при незначительной разномасштабности и взаимных углах наклона и разворота снимков;

• для получения корректного решения требуется достаточно точно задать параметры p₀ и q₀.

Широкое распространение на практике получили следующие программные продукты цифровой фототриангуляции:

1. Softplotter фирмы Vision;

2. DPW фирмы Leica;

3. Imagine Station фирмы Intergraph;

4. Match AT – первая программа полностью автоматической ПФТ;

5. Helava Automated Triangulation System;

6. Phodis AT.

Среди российских ЦФС, в которых реализована программа цифровой ПФТ, распространение получили:

1. ЦФС Photomod фирмы Ракурс;

2. Talka, разработанная институтом проблем управления РАН;

3. ЦНИИГАиК.

Они имеют различные алгоритмы и способы реализации, высокую скорость обработки данных, удобный пользовательский интерфейс, гибкость и универсальность, возможность интерактивного режима работы оператора на всех этапах технологических процессов построения сети. По уровню автоматизации все программы ЦФТ делятся на: автоматические и полуавтоматические.

Основными технологическими процессами, которые существуют в любой программе цифровой фототриангуляции [7] являются:

1. создание проекта;

2. внутреннее ориентирование снимков;

3. измерение координат точек снимков;

4. предварительное построение сети;

5. уравнивание сети;

6. оценка точности построения сети.

2. Технология построения блочной сети фототриангуляции на ЦФС «Фотомод»

1. Краткая характеристика ЦФС «Фотомод»

Цифровая фотограмметрическая система PHOTOMOD предназначена для решения полного комплекса задач от создания блока изображения до построения моделей рельефа, создания цифровых карт местности и ортофотопланов. Система PHOTOMOD включает средства обработки аэрофотоснимков и сканерных изображений, полученных с помощью различных сенсоров таких, например, как IKONOS, QuickBird, SPOT, ASTER или IRS.

Система PHOTOMOD производится российской компанией Ракурс (Москва) и динамично развивается, начиная с версии 1.1, выпущенной в 1994 году.

Система цифровой фотограмметрии PHOTOMOD включает следующие основные модули[5]:

• PHOTOMOD Montage Desktop – создание и управление проектами

• PHOTOMOD AT – сбор данных и измерения при обработке блока изображений

• PHOTOMOD Solver – уравнивание сети фототриангуляции

• PHOTOMOD StereoDraw – 3D векторизация в стереорежиме по стереопаре

• PHOTOMOD StereoVectOr – параллельная работа с картой формата PHOTOMOD VectOr в окнах StereoDraw (3D векторизация) и VectOr (векторизация по ортофото и редактирование карты)

• PHOTOMOD DTM – построение моделей рельефа, горизонталей по стереопаре

• PHOTOMOD Mosaic – построение ортофотопланов

• PHOTOMOD VectOr – создание и вывод на печать цифровых карт

• PHOTOMOD ScanCorrect – исправление искажений, вносимых в исходные изображения при использовании планшетных сканеров

1. Основные процессы технологии построения блочной сети фототриангуляции на ЦФС «Фотомод»

Структурой данных системы PHOTOMOD является[5] проект, который содержит все необходимые файлы для работы – изображения, модели рельефа, трёхмерные векторные объекты, таблицы баз данных модуля PHOTOMOD AT и многое другое. В терминологии системы PHOTOMOD эти файлы называются ресурсами. Каждый ресурс имеет идентификатор, который однозначно указывает на него во всей системе. Идентификатор – это строка специального формата не изменяемая пользователем. У каждого ресурса есть имя, задаваемое пользователем. В отличие от идентификатора, имя может совпадать у нескольких ресурсов или вообще отсутствовать. Также система хранит для каждого ресурса его размер, даты создания и последнюю модификацию, а также тип и подтип.

Ресурсы хранятся в созданных при настройке конфигурации системы хранилищах, которые могут быть расположены на различных локальных машинах. Хранилище представляет собой каталог на диске, где в виде файлов лежат данные ресурсов.

Хранилище может быть локальным, если оно расположено на диске данного компьютера или удалённым, если оно доступно через сеть Microsoft Windows.

Для создания хранилища ресурсов нажимают кнопку “добавить хранилище” в Панели управления PHOTOMOD.

Система PHOTOMOD производит обработку проекта в 4 этапа: формирование сети, измерение сети, уравнивание сети, обработка сети.

На этапе формирования сети производится ввод маршрутов и изображений блока. При необходимости изображения могут быть развёрнуты или переставлены в пределах маршрута. В данном случае использовались снимки масштаба 1:12000. Для удобной работы на этапе формирования блока используется окно “Схема блока”. Для формирования блока используются следующие операции: добавить маршрут, удалить маршрут, перемещение маршрута «вверх» по схеме, перемещение маршрута «вниз» по схеме, поворот/отражение всех изображений маршрута, переставить снимки маршрута в обратном порядке, добавить изображение, удалить изображение, переместить изображение «влево», переместить изображение «вправо».

Для перехода на этап “Измерение сети” необходимо нажать зелёную стрелку в левой части панели” Формирование сети” окна Диспетчер проекта. На этапе “Измерение сети” запускается модуль PHOTOMOD AT, в котором происходит подготовка данных для уравнивания сети фототриангуляции. Обработка проекта в модуле PHOTOMOD AT включает внутреннее ориентирование, измерение координат х, у опорных точек, измерение межмаршрутных связей и взаимное ориентирование.

Внутреннее ориентирование выполняется для вычисления значений параметров, определяющих положение и ориентацию системы координат снимка относительно системы координат исходного цифрового изображения. Кроме того, при внутреннем ориентировании могут быть определены параметры, описывающие систематическую деформацию снимка. Значения параметров, определённых в результате выполнения внутреннего ориентирования, используются для преобразования измерений из системы координат исходного цифрового изображения в систему координат снимка.

При внутреннем ориентировании измеряются координатные метки. Измерения можно проводить в ручном, полуавтоматическом или автоматическом режиме.

Автоматическое внутреннее ориентирование заключается в поиске аналогичных объектов – координатных меток на всех снимках блока. Выбранная Область поиска должна быть достаточно велика для случаев неравномерной нарезки снимков (когда соответствующие координатные метки на разных снимках находятся на разном расстоянии от края изображения). Область метки должна захватывать изображение метки полностью. Области метки и поиска отображаются прямоугольниками как в основном окне с изображением диалога Внутреннее ориентирование, так и в окне-«линзе». Изображение, для которого внутреннее ориентирование было выполнено вручную, является эталоном.

После измерения координат меток производится внутреннее ориентирование по одному, из вариантов преобразования:

• поворот, масштаб, сдвиг;

• аффинное;

• проективное.

Внешнее ориентирование и исключение деформации сети триангуляции осуществляется с помощью измерения координат опорных точек.

Для построения сети пространственной фототриангуляции на стереопарах, помимо координат опорных точек, необходимо измерить связующие точки, служащие для построения моделей по стереопарам смежных снимков маршрута для объединения их в маршрутные и блочные сети.

Измерение новых связующих точек и точек сгущения может выполняться 3-мя способами:

• добавление точек с помощью коррелятора;

• добавление точек без коррелятора;

• автоматическое добавление точек.

Для перехода на этап “Уравнивание сети” нажмите зелёную стрелку в левой части панели” Измерение сети” окна Диспетчер проекта. На этапе “Уравнивание сети” запускается модуль PHOTOMOD Solver, в котором происходит уравнивание блочной сети фототриангуляции. После выполнения уравнивания блок изображений отображается в 2D окне PHOTOMOD Montage Desktop в соответствии с выбранной системой координат, а в окне Схемы блока помимо маршрутов и изображений отображаются имена стереопар.

На основании поставленных задач при обработке используются модули: PHOTOMOD DTM, PHOTOMOD StereoDraw – 3D, PHOTOMOD StereoVectOr, PHOTOMOD Mosaic, PHOTOMOD VectOr. В ЦФС «Фотомод» для построения сети применяются два способа метод построения блочной сети объединением независимых моделей и объединением независимых маршрутных моделей. Результатами ПФТ являются: элементы внешнего ориентирования снимков, либо координаты точек местности, которые в последствии будут использованы как опорные.

3. Построение блочной сети фототриангуляции на ЦФС «Фотомод»

3.1 Оценка фотографического и фотограмметрического качества исходных фотоматериалов

Была произведена визуальная оценка фотографического качества. На снимках заэкспонирована сельская равнинная местность. При аэрофотографировании использовалась чёрно-белая панхроматическая аэропленка. Полученные снимки были сканированы в цифровой вид с разрешением 14 мкм. В работе использовано 8 снимков, принадлежащих двум маршрутам, по 4 снимка в каждом. На каждый снимок впечатано по 8 координатных меток. Использованные снимки удовлетворительного качества. Царапины и пятна наблюдаются в незначительном количестве. Дефекты аэронегативов, а также изображения облаков, производственных дымов и теней от них, блики, ореолы не мешают выполнению фотограмметрических работ и дешифрированию аэрофотоснимков. Сканированные снимки имеют резкое и средне проработанное изображение почти по всему полю в светах и тенях. К краям снимков резкость значительно падает. Обеспечена хорошая читаемость основных контуров местности и номера аэрофотоснимков.

Характеристики

Список файлов курсовой работы