数字摄影测量复习题含答案.docx

《数字摄影测量复习题含答案.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第五章数字影像与特征提取1.什么是数字影像?其频域表达有什么作用？答：数字影像是以数字形式保存数字化航空、胶片影像的扫描影像频域表达对数字影像处理是很重要的。因为变换后矩阵中元素的数目与原像中的相同。但其中很多是零值或数值很小，这就意味着通过变换、数据可以被压缩，使其能更有效的存储和传递；其次是影像分解力的分析以及许多影像处理过程。例如滤波、卷积以及在有些情况下的相关运算，在频域内可以更为有利的进行。其中所利用的一条重要关系就是在空间域内的一个卷积，相当于在频率域内其卷积函数的相乘，反之亦然。在摄影测量中所使用的影像的傅立叶谱可以有很大的变化，例如在任何一张航摄影像上总可以找到有些地方只含

2、有很低的频率信息，而有些地方则主要包含高频信息，偶然的有些地区主要是有一个狭窄范围的带频率信息。2.怎样根据已知的数字影像离散灰度值，精确计算其任意一点上的灰度值？答：：当欲知不位于矩阵(采样)点上的原始函数g（x,y）的数值时就需要内插，此时称为重采样3.常用的影像重采样方法有哪些？试比较他们的优缺点答：常用的影像重采样方法有最邻近像元法、双线性插值、双三次卷积法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，但几何精度较差；双线性插值法虽破坏原始影像的灰度信息，但精度较高，较为适宜；双三次卷积法其重采样中误差约为双线性插值的1/3，但较费时；4.已知gi,j=102,gi

3、+1,J=112,gi+1,j+1=126,k-i=/4，l-j=/4，为采样间隔，用双线性插值计算gk,l答:g(k,l)=W(i,j)g(i,j）+W(i+1,j)g(i+1,j）+W(i,j+1)g(i,j+1）+W(i+1，j+1)=（1-/4）（1-/4）*102+（1-/4）/4*112+/4（1-/4）*118+(/4)*(/4)*126=102+13/2*-1/8*²５.什么是线特征？有哪些梯度算子可用于线特征的提取？答：线特征指影像的边缘与线，边缘可定义影响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影响特征的边缘对　　常用方法

4、有差分算子、拉普拉斯算子、LOG算子等第六章影像匹配基础理论与算法1.什么是金字塔影像？基于金字塔影像进行相关有什么好处？为什么?答：对于二维影像逐次进行低通滤波，并增大采样间隔，得到一个像元素总数逐渐变小的影像序列，依次在这些影像对中相关，即对影像得分频道相关。将这些影像叠置起来颇像一座金字塔，因而成为金字塔影像结构好处:提高了影响的可靠性与准确性，速度增快，先用低通滤波进行初相关，找到了同名点的粗略位置，然后利用高频信息进行精确相关，实现从粗到细的处理过程　因为通过相关函数的谱分析可知，当信号中高频成分较少时，相关函数曲线较平缓；但相关的拉入范围较大；反之，当高频成分较多时，相关函数曲

5、线较陡，相关精度较高，但相关拉入范围较少；此外，当信号中存在高频窄带随机噪声或信号中存在较强的高频信号时，相关函数出现多峰值，因此常出现错误匹配２.什么是影像匹配，影像匹配与影像相关的关系是什么？答：影像匹配实质上是在两幅或多幅影响之间识别同名点，他是计算机视觉级数字摄影测量的核心问题，由于早期的研究中一般使用相关技术解决影像匹配的问题。所以影像匹配常常被称为影像相关。３.有哪些影像匹配基本算法？其中哪一种算法较好？为什么？答：常见的有五种影像匹配算法相关函数（矢量数积）测度；协方差函数（矢量投影）测度；相关系数（矢量夹角）测度；差平方和（差矢量模）测度；差绝对值和（差矢量分量绝对值和）测

6、度　相关系数测度算法较好　因为相关系数测度是标准化的协方差函数，因为它是灰度线性变换的不变量，且当目标影像灰度与搜索区的影像之间存在线性畸变时，仍然能较好的评价他们之间的相似程度（灰度矢量经线性变换后的相关系数不变），该方法的抗噪性更强，所以相关系数测度算法较好４.特征点的匹配通常采用哪些策略？试比较“广度优先”和“深度优先”影像匹配的优缺点答：（１）特征点的匹配通常采用的策略：二维匹配与一维匹配当影像方位参数未知时，必须进行二维的影像匹配，此时匹配的主要目的是利用明显点对解求影像得方位参数，以建立立体影像模型，形成核线影像以便进行一维匹配，二维匹配的搜索范围在最上一层影像由先验视差确定在

7、其后各层，只需要小范围内搜索当影像方位已知时，可直接进行带核线约束条件的一维匹配，但在上、下方向可能各搜索一个像素，也可以沿核线重采样形成核线影像，进行一维影像匹配，但当影像方位参数不精确或采用近似核线的概念时，也有可能有必要在上、下方向各搜索一个像素匹配的备选点可采用如下方法选择：对右影像也进行相应的特征提取，挑选预测区内的特征点作为可能的匹配点右影像不进行特征提取，将预测区内的每一点都作为可能的匹配点右影像不进行特征