Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ИСТОРИЯ ФОТОГРАММЕТРИИ.docx
Скачиваний:
2
Добавлен:
01.05.2025
Размер:
266 Кб
Скачать
☆

1.6 Автоматизация спектроскопических измерений

Первые исследования в области автоматизации стереоскопических измерений были выполнены в МИИГАиК проф. А.С. Скиридовым в 1924–1932 гг. Полагая изображения достаточно малых участков снимков стереопары подобными, он предложил преобразовывать эти участки в электрические сигналы и, анализируя их, отождествлять (идентифицировать) соответственные точки. В то время это не получило развития из-за отсутствия технических средств, и в 1960 году А.С. Скиридов возобновил свои исследования, приступив вместе с Г.Д. Федоруком к созданию изогипсографа – прибора для автоматической рисовки горизонталей.

Первый автоматизированный прибор, доказавший принципиальную возможность решения этой задачи, был разработан в 1950-х годах по предложению Гаррисона фирмой «Бауш и Ломб» совместно с научно-исследовательским топографическим отделом инженерных войск США. В последующем эти идеи были воплощены в целой серии фотограмметрических приборов – стереомате (США), аналитическом стереоприборе ОМИ-НИСТРИ (Канада), аналитическом фотокартографе (СССР), и др.

Новый импульс получили идеи автоматизации с появлением ПЭВМ, дешевой электронной памяти, высокоточных сканеров и развитием теории машинного зрения. Применение этих и ряда других достижений науки и техники открыло путь к автоматизации широкого круга фотограмметрических задач, основанных на автоматической идентификации точек на перекрывающихся снимках.

В настоящее время идентификация точек на паре снимков рассматривается как статистическая задача распознавания изображений при наличии помех и искажений и решается на основе динамической теории зрения с использованием оптико-электронных или программных блоков, называемых корреляторами. В ее основе лежит понятие образа – некоторой произвольной по форме и размеру области снимка вместе со всей имеющейся информацией. С математической точки зрения образ представляет собой многомерный вектор R как совокупность элементов изображения (пикселовв), каждый из которых характеризуется положением и оптической плотностью ρij согласно уравнению. Опознавание точки левого снимка на правом сводится к определению эталонного образа R на левом снимке с центром в отождествляемой точке и поиску на правом снимке такого образа R′ , чтобы расстояние между ними было минимальным:

|R – R′|=min.

Практически для автоматического опознавания точки необходимо:

  1. Выбрать на левом снимке образ R (рис. 8) в виде области размером n× n пикселов и определить

характеристики, необходимые для проверки условия.

  1. Определить на правом снимке зону вероятного расположения искомой точки (зону поиска) размером m×m пикселов (m>> n). Координаты

центров образа R на левом снимке (xл, yл) и зоны поиска на правом снимке (x

п, yп) связаны известными зависимостями xп≈ xл− bсн, yп≈ yл.

Рис. 8. К автоматической идентификации точек

  1. Последовательным перемещением образа R′ размером n× n пикселов на правом снимке в границах зоны поиска размером m× m создать на правом снимке серию образов R′ и определить характеристики каждого из них с целью проверки условия.

  2. Сопоставить характеристики каждого образа R′ с характеристикой-эталоном вектора R. Искомая точка на правом снимке будет расположена в центре образа R′, для которого выполняется условие.

Проблема установления меры соответствия векторов R и R′ представляет основную трудность автоматического отождествления. В известных разработках наибольшее распространение имеет алгоритм, предложенный профессором А.Н.

Лобановым и основанный на расчете коэффициентов корреляции между оптическими плотностями элементов образа R и каждого из образов R′ на правом снимке с использованием формулы:

где ρ0 и ρ′0 – средние оптические плотности элементов зон (фрагментов), соответствующих образам левого R и правого (R′) снимков.

Коэффициенты, подсчитанные для сочетаний образа R со всеми образами R′, образуют корреляционную матрицу: максимальное значение ее элемента соответствует наиболее тесной связи оптических плотностей сравниваемых участков левого и правого снимков, и, следовательно, выполнению условия. Так что искомая точка лежит в центре образа R′ с максимальным коэффициентом корреляции.

Размер области, соответствующей образу R, обычно составляет 20×20 пикселов; а при малом числе контуров местности – 40 × 40 пикселов. Размер зоны поиска на правом снимке должен превышать удвоенные ожидаемые смещения точек, вызванные влиянием рельефа местности и подсчитываемых по формуле:

При высоте фотографирования над средней плоскостью снимка H = 2000, максимальном превышении точки над этой плоскостью h = ± 50 м и расстоянии от центра снимка до угла рабочей площади r = 100 мм (формат снимка 23×23 см) будем иметь δh = 2,5 мм, и тогда зона поиска будет иметь размер 5×5 мм.

Возможными последствиями увеличение зоны поиска может оказаться некоторое увеличение времени обработки в обмен на гарантии попадания в нее соответственной точки.

В специальной литературе имеются упоминания о методе иерархической релаксации (методе пирамид HRC), методе вертикальной линии (ULL), методе динамического программирования, и т.п. Некоторые из них основаны на анализе тех или иных признаков, характеризующих выделенные – их форму, взаимное расположение, ориентацию, и др. Однако все методы идентификации точек объединяют два обстоятельства:

• отождествление выполняется на основе более или менее строгого анализа элементов изображений – их оптических плотностей и геометрического положения; • корреляторов, обеспечивающих 100-процентную гарантию качества автоматической идентификации точек, не существует.

Эти обстоятельства предопределяют целесообразность стереоскопического контроля положения измерительной марки после работы коррелятора. В большинстве случаев опытный наблюдатель ее обязательно чуть-чуть подправит по высоте.

Искажения точек, вызванные влиянием угла наклона снимка и рельефа местности, вызывают смещения отдельных элементов растра, и это не может не сказываться на качестве идентификации.

Так, если на левом снимке образ R всегда представлен квадратом, то на правом снимке из-за влияния угла наклона и рельефа местности соответствующие элементы образа R′ получают смещения, и в общем случае образуют многоугольник (рис. 9). Поскольку анализируемый образ R′ геометрически не всегда подобен образу R, то вероятность полного совпадения искомой точки уменьшается. Еще более сложная ситуация возникает в случае, если изображения левого и правого снимков развернуты один относительно другого.

Однако из-за малости элементов изображения эти искажения не столь значительны, а их влияние можно компенсировать геометрической коррекцией положения пика корреляции и соответствующей ему точки правого снимка. Одно из таких решений основано на том, что смещения элементов образа являются следствием неровностей рельефа в пределах соответствующего участка местности и интерпретируются как параллактические смещения.

Рис. 9. Геометрическое положение элементов образа R′ на правом снимке искажается рельефом

В ряде случаев поиск идентичных точек снимков выполняется путем сравнения соответствующих участков изображений с эталоном. С этой целью на исходном снимке ограничиваются отождествляемый фрагмент-эталон и зона его поиска (рис.10). Сравнение соответственных участков других изображений позволяет идентифицировать искомые точки. Рассмотренный способ отождествления по эталону широко применяется для поиска координатных меток снимков и автоматического их внутреннего ориентирования.

Заметим, что практическая реализация рассмотренного механизма отождествления предполагает использование шумоподавляющих фильтров той или иной размерности, коррекцию положения пика корреляции, и т.п.

Рис. 10. Эталон (слева) и зона его поиска на снимке (справа)

Оснащение цифровых фотограмметрических систем корреляторами, осуществляющими автоматическую идентификацию идентичных точек снимков, существенно снизило требование к профессиональной подготовке фотограмметристов и обеспечило широчайшее их применение в производственных условиях.

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

  1. Лаврова Н.П., Алмазов И.В., Прилепский А.Н. Аэрофотосъемка. Автоматизация аэрофотосъемочных процессов. М., «Недра», 1985, 256 с.

  2. Лобанов А.Н., Буров М.И., Краснопевцев Б.В. Фотограмметрия. М., «Недра», 1987, 302 с.

  3. www.wikipedia.org/

26