1、 模拟影像的数字化主要由（采样）与（ 量化 ）两个过程来完成。
2、在对影像分辨率为 25lps/mm 的像片进行数字化时，最佳的采样间隔应为（ ）微米。
3、在实际构建金字塔影像时，一般采用（ ）或（ ）个像元求平均，但最常用的是（ ）个像元求平均。
4、数字摄影测量将影像特征分为（ 点特征 ）、（ 线特征 ）和（ 面特征 ）。
5、 Laplace 算子是一（ ）滤波器，因此对影像（ ）非常敏感。
6 、基 于灰度 的影像 匹配 的相似 性测度 主要有（ ）、（（ ）、（ ）、（ ）。
）等组成。
手轮、脚盘、脚踏、接口盒、立体发生器和立体眼镜8、最小二乘匹配同时考虑了（局部影像的灰度畸变和几何畸变 ），因此有很高的匹配精度。
1、数字摄影测量和摄影测量有什么联系和区别？2、DEM 有哪几种主要的形式，其优缺点各是什么？（6 分）3、什么是影像匹配？基于灰度的影像匹配的基本过程如何？（6 分）影像匹配是在两幅 （或多幅 ）影像之间识别同名元素 （点） 的过程 ,它是计算机视觉及数字摄影 测量的核心问题 。
4、什么是点特征提取算子？主要点特征提取算子有哪些？（ 6 分）点特征提取算子是指运用某种算法使图像中独立像点更为突出的算子，它又被称为兴趣算子或有利算子，主要用于提取我们感兴趣的点（如角点、圆点等） 。
）、7、数字摄影测量系统的硬件主要由（）和Moravec 算子 Harris 算子 Forstner 算子 SUSAN 算子5、DEM 在测绘中有哪些应用 ？（ 6分）绘制等高线、坡度、坡向图、立体透视图、制作正射影像图、立体景观图、立体匹配片、 立体地形模型、地图的修侧。
1试述直接法和间接法数字微分纠正的特点及间接法纠正的主要过程。
（10分 2试述 灰度差的平方和最小”影像匹配和 最小二乘”影像匹配的相同点和不同点。
3、填写下图所示的屏幕检索表（10分）1、 什么是数字摄影测量？定义一：基于数字影像与摄影测量的基本原理，应用计算机技术、数字影像处理、影像匹 配、模式识别等多学科的理论与方法，提取所摄对象用数字方式表达的几何与物理信息的 摄影测量的分支学科。
定义二：以数字影像为基础，用计算机分析和处理确定被摄物体的形状、大小、位置及其 性质的技术，具有全数字的特点 。
2、 数字摄影测量与摄影测量的关系是什么？数字摄影测量是指从摄影测量与遥感所获取的数据中，采用数字摄影影像或数字化影像， 在计算机中进行各种数值、图像和图像处理，以研究目标的几何和物理特性，从而获得各 种形式的数字化产品和目视化产品。
3、 将辐射信息应用到摄影测量有哪些优点？4、 什么是数字影像？数字影像又称为数字图像，是物体电磁波辐射能量的二位数字阵列表示，是便于计算机处 理的图像形式。
数字影像是一个灰度矩阵，矩阵的每个元素是一个灰度值，对应着光学影像或实体的一个 微小区域，称为像元，各像元的灰度值代表其影像经采样和量化了的“灰度级”。
5、 数字图像和模拟图像的各自特点是什么？数字影像：（指的是完全以一种有规则的数字量的集合来表现的物理图案）灰阶动态范围 大，密度分辨率相对较高，线性好，层次丰富，可进行后处理，辐射剂量大。
模拟影像：(指的是一种直观的物理量来连续的、形象的表现出另一种物理特性的图案)连 续、直观、获取方便，图像表现具有概观性与实时动态获取的特点。
区别：模拟图像重复性较差，一旦成像无法再改变或进行处理；灰阶动态范围小。
6、何为采样？何为量化？量化级对图像质量有何影响？对实际连续函数模型离散化的量测过程就是采样。
量化是将采样得到的影像密度按一定的规则转换为整数值的过程。
⑴对一幅图像，当量化级数Q一定时，采样点数M X N对图像质量有着显著的影响。
采样点数越多，图像质量越好；当采样点数减少时，图上的块状效应就逐渐明显。
(2) 同理，当图像的采样点数一定时，采用不同量化级数的图像质量也不一样。
量化级数越多，图像质量越好，当量化级数越少时，图像质量越差，量化级数最小的极端情况就是二值图像，图像出现假轮廓。
7、什么是采样定理？在实际生产中如何确定扫描间隔？采样定理说明采样频率与信号频谱之间的关系，是连续信号离散化的基本依据采样定理：模拟/数字信号的转换过程中，当采样频率fs.max大于信号中，最高频率fmax的2倍时，即：fs.max>=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般取2.56-4倍的信号最大频率；8什么叫影像重采样？常用影像重采样的方法有哪些？试比较这些方法的优缺点。
当欲知不位于矩阵(采样)点上的原始函数g(x,y)的数值时就需进行内插，此时称为重采样。
意即在原采样的基础上再一次采样。
方法有：最邻近内插法：计算简单，速度快；精度最低双线性内插法：计算量适中；需要附近4个像元参加计算；中误差较大，精度较低双三次卷积法：是理论上最优的Sine函数的有效近似；计算量较大；需要附近16个像元参加计算；精度高，中误差为双线性的1/39、什么是数字影像金字塔？如何形成数字影像金字塔？其作用是什么？用不同分辨率，不同维数表示同一幅数字影像所形成的多层数据结构称为数字影像金字塔。
要产生影像金字塔，首先进行平滑处理，然后重采样到较粗的格网空间，导致图像尺寸急剧减小。
常用的方法是对上一层到下一层变化的过程中将格网尺寸放大两倍。
最简单的方法是将第k层中2 X 2的领域的像素灰度平均值赋给第k-1层中对应位置的像素，平滑是通过空间域中进行均值滤波来实现的另一种方法是表达平滑前后图像之间的差异。
数字影像一一低通滤波一一亚采样一一低分辨率影像多级影像匹配、快速浏览、其他10、为什么最小二乘匹配被称为高精度匹配？其缺点是什么？最小二乘影像匹配(Least Square Image Matehing)是一种基于灰度的影像匹配，它同时考虑到局部影像的灰度畸变和几何畸变，是通过迭代使灰度误差的平方和达到极小，从而确定出共轭实体的影像匹配方法。
最小二乘影像匹配的优点是精度高，可达到1/10到1/100个像素，缺点是初值要求精度高,迭代时间长。
11、“灰度差的平方和最小”影像匹配和“最小二乘”影像匹配有什么相同点和不同点？最小二乘影像匹配(Least Square Image Matching) 是一种基于灰度的影像匹配，它同时考虑到局部影像的灰度畸变和几何畸变，是通过迭代使灰度误差的平方和达到极小，从而确定出共轭实体的影像匹配方法。
12、在多片带共线条件的最小二乘影像匹配中，试分析未知数和误差方程式个数。
13、什么是特征匹配？与基于灰度的影像匹配有什么区别？以影像上提取的特征为匹配对象，以特征的描述参数为基础，通过计算不同影像上特征之间的相似性测度实现同名特征相对应的影像匹配方法，称为基于特征的影像匹配(FeatureBased Image Matching) 。
基于灰度的影像匹配(Area-Based Image Matching ，Gray-Scale Based Image Matching) 是以数字影像局部范围内的灰度值及其分布作为匹配对象，通过计算相似性测度确定立体像对上同名对象的影像匹配方法。
14、基于灰度的影像匹配的相似性测度有哪些？它们各有什么特点？1相关函数测度计算简单，没考虑几何变形的影响，没考虑灰度畸变的影响有时，在没有几何变形和灰度畸变的情况下，也可能产生假配准。
2协方差函数测度计算比较简单没考虑几何变形的影响当两影像的灰度强度平均相差一个常量时，不受影响，但灰度反差拉伸对其有影响。
3相关系数测度计算比较复杂没考虑几何变形的影响不受灰度线性畸变的影响4差平方和测度计算简单没考虑几何变形的影响没考虑灰度畸变的影响5差绝对和测度计算简单没考虑几何变形的影响没考虑灰度畸变的影响15、证明：立体像对的左右图像的灰度都进行线性拉伸后，其相关系数不变参见其计算公式16、叙述基于灰度的影像匹配的一般过程。
1、在左影像上选一个要匹配的点，称为目标点2、以目标点为中心，开取一定大小的窗口，称为目标窗口。
3、以影像的重叠范围以及其他的先验知识，确定右影像上同名点可能存在的范围，称为搜索区域4、以搜索区域内的每一点为中心，开取同样大小的窗口，称为搜索窗口5、对于每一个搜索窗口，计算目标窗口与搜索窗口之间的相似性侧度-- 相关系数6、以相关系数最大值所对应的匹配窗口作为目标窗口的配准窗口，即共轭窗口。
同时配准窗口的中心像素就作为目标点的配准点，或共轭点。
7、进行精度评定,如要求达到子像素精度，可采取内插措施17、叙述基于物方影像匹配( VLL 法)基本思想和主要过程。
基本思想：在物方有一条铅垂线轨迹(VLL－Vertical Line Locus )，它在影像上的投影是一直线。
就是说VLL与地面交点A在影像上的构像必定位于相应的“投影差”上。
主要过程(1 )给定(X , Y), Z min，按高程精度要求确定厶Z；(2)计算Z i, (X i,y i),(X i ' ,y ;)(3)计算相关测度，如p ；(4)寻找最佳匹配值，如p k；利用最佳匹配值及相邻匹配值拟合一抛物线，以其极值对应的高程作为计算点的高程，或以更小的厶Z重复以上过程。
18、试推导并说明整像元匹配的精度。
19、试推导采用相关系数拟合提高匹配精度的理论公式。
口€再丿=/ + + U0W斗科址标J卑点耳竿至i ”点：. 可彳弓：UimYY Uh 程M jf磺I用冋亍％f八直的冷为讥确的卩I；挣就竟VL% £3〉2<-.'* = Qj目=€_宀*\ —a t_\、f HQ = 3丄+1 —之Q + a*_、\ # 空戸f+i —2 戸』十>20、试绘制相关系数匹配的程度框图，并用C语言编写和调试相应程序。
21、什么是点特征？22、试述Moravec算子和Forstner算子的原理、计算过程和各自特点。
第一种：Moravec点特征提取算子基本原理：考虑某一点与周围像素之间的灰度差，以四个方向上具有最小-最大灰度方差的点作为特征点。
具体实现步骤：1)计算各像元的兴趣值IV (Interest Value )2 )给定经验阈值，将兴趣值大于阈值的点作为候选点3 )选取候选点中的极值点作为特征点在一定大小的窗口内，将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点“抑制局部非最大”第二种：F?rstner 点特征提取算子基本原理：计算各像素的Robert' s梯度和像素（c, r ）为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点具体过程：1）以某一像素为中心，开取一定大小的窗口2）计算各像素的Robert's 梯度3）计算窗口中灰度的协方差矩阵4）计算兴趣值q和权值w; 5）确定待选点6 ）选取极值点由于Forstner 算子比较复杂，可首先用一简单的差分算子提取初选点，然后采用Forstner 算子在3*3 窗口计算兴趣值，并选择备选点，最后提取的极值点为特征点，具体步骤如下：1）利用差分算子提取初选点（提高计算速度）2）在以初选点（c,r）为中心的窗口中按F?rstner 算子法计算协方差矩阵与误差椭圆的圆度qc,r ;3）给定阈值选择备选点;4）以权值为依据，选取一适当窗口中的极值点为特征点23、分别给出Moravec 和Forstner 算子的程序框图，并编程实验。
