- •Экзаменационные вопросы по дисциплине «Фотограмметрия » для студентов инженерного факультета специальности 1-56 01 01 Землеустройство
- •Лекция1 Теория дешифрирования аэро- и космических снимков.
- •2. Визуальный метод дешифрирования, прямые и косвенные признаки дешифрирования.
- •Информационные свойства снимков с точки зрения визуального дешифрирования
- •4. Материалы используемые при визуальном дешифрировании
- •Генерализация информации при дешифрировании. Критерии качества дешифрирования.
- •1.Оптические свойства элементов ландшафта. Характеристики отражательной способности
- •Лекция 2
- •Оптические свойства элементов ландшафта. Характеристики отражательной способности.
- •Визуальный метод дешифрирования.Способы визуального дешифрирования.
- •.Линейные измерения при визуальном дешифрировании.
- •2.Способы визуального дешифрирования.
- •3.Линейные измерения при визуальном дешифрировании.
- •Генерализация информации при дешифрировании. Критерии качества дешифрирования.
- •Лекция 3 Машинно-визуальное и автоматизированное дешифрированиематериалов аэрокосмических съемок
- •1.Преобразование исходных изображений при машино-визуальном и автоматизированном дешифрирование
- •1.Преобразование контрастности
- •2. Квантование.
- •6. Синтезирование цветных изображений
- •7.Синергизм снимков.
- •Лекция 4 . Дешифрированиеаэрофотоснимков для составления сельскохозяйственных планов и карт. Топографическое дешифрирование.
- •Задачи и содержание с/х дешифрирования.
- •Дешифрирование сельских населенных пунктов для крупномасштабного картографирования.
- •1.Задачи и содержание с/х дешифрирования.
- •2.Объекты с/х дешифрирования и их признаки.
- •3. Технология работ прис.Х дешифрировании. Требование к качеству дешифрирования, нормы генерализации и информации.
- •Лекция 5 пространственнаяфототриангуляция
- •Сущность пространственнойфототриангуляции. Классификация методов.
- •2. Способ независимых моделей (построение блока в фотограмметрических и геодезических системах, шарнирный эффект) .Уравнивание связок проектирующих лучей (способ связок)
- •3. Точность фототриангуляционных сетей. Требования к густоте и размещению опорных точек.
- •4. Программы построения и уравнивания сетей фототриангуляции
- •1Сущностьпространственнойфототриангуляции
- •Классификация методов фототриангуляции
- •2. Способ независимых моделей
- •Уравнивание связок проектирующих лучей
- •3. Точность фототриангуляционных сетей
- •Требования к густоте опорных точек
- •4.Программы построения и уравнивания сетей пространственной фототриангуляции
- •Лекция 6-7. Универсальные стереофотограмметрические приборы
- •1.Понятие об универсальных приборах. Аналоговые фотограмметрические приборы
- •2.Аналитические фотограмметрические приборы ,назначение функциональные возможности ( Стереонаграф, sd20, sd2000)
- •3.Фотограмметрическая обработка снимков на аналитических приборах
- •1.Понятие об универсальных приборах. Аналоговые фотограмметрические приборы
- •Особенности обработки снимков с преобразованными связками проектирующих лучей
- •Аналоговые фотограмметрические приборы
- •2.Аналитические фотограмметрические приборы ,назначение функциональные возможности ( Стереонаграф, sd20, sd2000)
- •Обработка снимков на аналоговых приборах
- •3.Фотограмметрическая обработка снимков на аналитических приборах
- •Лекция 8 Цифровые технологии обработки снимков.
- •Понятие о цифровых изображениях, система координат растрового изображения
- •Основные характеристики цифрового изображения. Фотометрические и геометрические преобразования.
- •3.Источники цифровых изображений ( сканеры, требования к качеству сканирования, цифровые съемочные системы)
- •1.Понятие о цифровых изображениях, система координат растрового изображения
- •Основные характеристики цифрового изображения. Фотометрические и геометрические преобразования.
- •Фотометрические и геометрические преобразования цифровых снимков
- •3.Источники цифровых изображений ( сканеры, требования к качеству сканирования, цифровые съемочные системы)
- •Лекция 9
- •1. Внутреннее ориентирование снимков
- •2.Выбор точек и построение фотограмметрических моделей
- •3. Построение и уравнивание фототриангуляционной сети
- •2.Цифровые модели рельефа. Способы построения цифровых моделей рельефа.
- •2.Нерегулярная цмр.
- •3.Модель на регулярной сетке
- •3.Создание цифровой модели рельефа в цфс (для цфс Photomod )
- •Типы моделей “Регулярная” модель
- •“Адаптивная” модель
- •“Гладкая” модель
- •Оптимизация модели
- •4.Ортотрансформирование снимков.
- •Построение ортофотоизображения в цфс.
- •6. Особенности фотограмметрической обработки данных дистанционного зондирования
7.Синергизм снимков.
Это слияние различных изображений приведенной к единой системе координат.
Например, сканерных снимков в видимом диапазоне и радиолокационных снимков. Наиболее часто применяют синергизм панхроматического изображения высокого разрешения с цветным синтезированным ( многозональным) более низкого. При этом создается новый снимок с высоким разрешением и цветным синтезированным изображением.
Наиболее сложным этапом компьютерной обработки изображения является автоматизированное дешифрирование, т. е. выделение границ объектов или сегментация. Дешифровщику при работе со снимками постоянно приходится, основываясь на дешифровочных признаках, опознавать и выделять однородные
объекты. При компьютерном дешифрировании космических снимков одним из распространенных является подход на основе спектральных признаков. Он базируется на том, что яркость хроматических объектов (имеющих определенную окраску) в разных спектральных зонах не одинакова и характеризуется коэффициентом спектральной яркости. Таким образом, каждый элемент растра — пиксел соответствует яркости объекта для определенной области электромагнитного спектра. Каждый пиксел растра записывается как числовой элемент матрицы в файле данных. На этапе сегментации основная задача заключается в дифференциации изображения на области (сегменты) по определенному критерию. В качестве критерия могут служить текстура и тон изображения. После того как изображение будет разбито на однородные области (контуры), приступают к их классификации. В настоящее время разработаны десятки алгоритмов машинного
дешифрирования, подразделяемые на алгоритмы с обучением и без обучения, которые осуществляют, соответственно, контролируемую и неконтролируемую классификации. Среди алгоритмов классификации с обучением наиболее распространены алгоритмы, учитывающие вероятность присутствия на снимке объектов, относящихся к определенному классу. Для разработки таких алгоритмов используются опытные данные о взаимосвязи спектральной яркости объектов с их свойствами. Например, при дешифрировании почв их спектральная яркость четко коррелирует с гранулометрическим составом почв и содержанием в них гумуса и влаги. Используются и алгоритмы классификации без обучения — кластеризации, позволяющие формально расчленить изображение на отдельные классы, не используя обучающих данных. В этом случае элементы изображения объединяются в группы (кластеры) по формальным признакам без учета их содержательного значения. Выделенные автоматически кластеры в результате группировки пикселов дешифровщик соотносит с определенными объектами.
Численное значение одномерного признака( в одной зоне спектра) для объекта известного класса А можно определить вектором VA1. Для того же объекта в другой зоне спектра получим вектор VA2. Суммарный векторVAвыражает количественно спектральный двумерный признак для объекта класса А.
Так поверхность большинства объектов не является однородной, то для других объектов тоже класса получим несколько другое значение. Концы векторов образуют двумерное пространство рассеяния значений спектрального признака всех объектов класса А. Аналогично для объектов других классов В и С, получаем пространство рассеяния признаков.