Курсовая работа: Цифровая фототриангуляция для создания топографических карт

Для формирования пирамиды изображений исходный цифровой снимок разбивается на блоки (обычно 2 х 2 пикселя). Для каждого блока вычисляется среднее арифметическое значение яркости, которое и будет присвоено пикселю для данного блока на следующем уровне пирамиды. Эта процедура повторяется необходимое число раз. Каждое последующее изображение пирамиды будет иметь разрешение в 2 раза меньше предыдущего, а занимаемый объём памяти соответственно в 4 раза

Хранение пирамид изображений оправдано, так как увеличевает скорость обработки.

Тайловая структура организации данных цифровых изображений.

В качестве модели организации данных цифровых изображений[7] используется тайловая структура, которая заключается в следующем:

Исходное изображение делится на блоки (тайлы), размер которых фиксирован.

При необходимости обработки конкретного участка изображения осуществляется перемещение на данный адрес и считывается нужный файл. Эта организация данных позволяет быстро считывать с диска и отображать на экране отдельные участки изображения.

Реляционная модель организации данных.

Для обеспечения гибкости сбора данных и хранения результатов измерения координат точек снимков в современных программных продуктах используется реляционная модель данных[7].

Таблица 1 «Сведения о точках сети»	Таблица 2 «Сведения о снимках»
Номер точки	Идентификатор снимка
X,Y,Z	Элементы внешнего ориентирования снимка
Описание точки	Другие параметры

Таблица 3 «Сведения о точках снимка»

Номер точки

Идентификатор снимка

Измеренные х,у

Другие параметры

Таблица 1 служит для хранения номеров и координат опорных, контрольных и связующих точек (номера точек не должны повторяться).

Таблица 2 служит для хранения информации о снимках, используемых в обработке. В качестве данных выступают идентификатор снимка, элементы внешнего ориентирования, результаты внутреннего ориентирования снимка и т.п.

В таблице 3 хранятся непосредственно измеренные координаты точек снимков х,у. Каждому измерению х,у в этой таблице соответствует номер измеряемой точки и идентификатор снимка, на котором производилось измерение.

Такая организация данных позволяет однозначно сопоставить каждому измерению соответствующую точку местности (сети) и снимок, на котором выполнено измерение. Она позволяет хранить «бесконечное» число опорных, контрольных, связующих точек и результатов измерения их координат.

Алгоритмы автоматического отождествления соответственных точек снимков.

Ключевым алгоритмом автоматизации фотограмметрических измерений является поиск соответственных точек на паре снимков[7].

В соответствии с методами представления видеоинформации все множество алгоритмов отождествления можно разделить на три класса:

- алгоритмы площадного сопоставления (ABM), основанные на сравнении двумерных функций изображений;

- алгоритмы, базирующиеся на сопоставлении структурных описаний (FBM);

- алгоритмы, в основе которых лежит разложение функции изображения по некоторому базису.

Рассмотрим подробнее первую группу. Здесь в качестве примитивов (элементов описаний), участвующих при сопоставлении двух изображений служат пиксели. Точность этих алгоритмов составляет от 0,1 до 0,2 размера пикселя. Они чувствительны к изменению радиометрических и геометрических свойств изображения, требуют больших вычислительных затрат и характеризуются большой вероятностью грубой ошибки в областях расположения высотных объектов и плохих или повторяющихся структур. Примерами площадных алгоритмов являются алгоритм взаимной корреляции и метод наименьших квадратов. Критерием подобия для этих алгоритмов соответственно служат коэффициент взаимной корреляции и сумма квадратов разностей значений яркостей сопряженных участков изображений.

Mетод взаимной корреляции.

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

(1.23)

гдеpи q– продольный и поперечный параллаксы на изображенииf₂ (x, y).

Mи N – соответственно ширина и высота образца или пределы, в которых определенафункция f₁ (x,y).

Функция взаимной корреляции обладает следующими свойствами:

1)

2) еслиf₁ (x,y) и f₂ (x-p,y-q) независимы, тоC(p, q)=0;

3) C(p,q)=1 тогда и только тогда, когда существует такое числоb¹0, что.

Фактически алгоритм отыскания соответствия между функциямиf₁ (x,y) иf₂ (x-p, y-q) сводится к нахождению такихp₀ иq₀ , при которых функцияC(p, q) максимальна.