崔杰
云南省设计院集团勘察院有限公司 650228
摘要：现代测绘领域技术研究的不断突破，使得数据测量的精度逐步提升。摄影测量作为非接触性测绘技术，通过摄影设备提取图像信息经由计算、分析与处理，得到特定的目标数据测量结果，在测绘领域的应用范围较为广泛，且得出的测量数据可以满足设计、制造产业多方面的需求，具有较高的研究与推广价值。在图像处理的过程中运用高精度的误差补偿法，可以针对性控制离散化采样的影响要素，从而有效提升测量图像的采集与计算精度，为测绘勘察领域的技术深入应用提供助力。
关键词：光强干扰；中心位置；图像误差
摄影测量在技术的具体应用方面，具有操作便捷、适用广泛、非接触性等方面的技术优势。而图像处理的误差补偿作为提升图像处理精度的重要方式，在利用关系式进行计算时，应综合考虑中心位置与图像误差、标准差之间的关系，通过摄影机对特征点进行采样的过程中，对光强干扰、窗口大小、弥散半径等影响因素进行专业分析与控制，合理选择误差补偿方法，保证测量成果的可靠性与精确性。
1.图像处理的主要误差来源与特性
1.1离散化误差
基于摄像设备对目标测量数据进行采集，主要是利用摄像镜头在CCD芯片上聚焦，根据不同区域像素对光强弱积累产生不同比例电荷，在设备的时序控制状态下，逐点外移，然后经由滤波与放大等处理后，输出特定的图像信号。在这一过程中，不同像素需要进行间隔，并通过离散化的采用采集连续分布的图像能量密度函数，测量对象经过离散化采样后，会存在失真现象，从而产生离散化误差，这种误差的产生具有客观性、必然性的特点，对测量精度有着直观的影响。
测绘领域测量精度要求的不断提升，对摄影设备图像采集的清晰度、准确度与特征点等方面的专业要求也更高。在运用摄影设备进行采样时，通常会以LED为特征点，图像采集的密度函数与二维高斯函数的整体分布类似，利用高斯函数表示图像误差，可以更直观的为图像高精度恢复提供支持。图像误差处理的另一种算法是质心法，主要是利用特定的计算公式，计算图像能量密度函数一阶空间矩和零阶空间矩的比值，由像平面的能量重心来代替真实中心，算出质心的具体数值。特征点的误差具体表现为能量函数密度的平衡点与采样后平衡点间的误差数值。因此，两种算法需要以中心位置、灰度值的模型来计算具体的数据。误差的具体的影响因素包括：
1.1.1光强干扰
通过质心法与高斯曲线拟合法，对图像特征点进行提取，得出光强干扰对图像测量理论误差影响趋近于无的结果。但在开展实际测量工作时，噪声产生的干扰属于客观存在的，实际误差值与光强呈反比，光强越高，噪声干扰越强，出现该种情况的主要原因在于光强会对造成产生影响。
1.1.2弥散半径
通过对高斯分布相关图像的分析可知，当σ的值提高，积分会随之变小，将σ以二维高斯分布函数方式进行分析，得出弥散半径越大，误差值越高的结论。
1.1.3处理窗口
根据测量公式可知，处理窗口的实际大小与积分区域之间呈正相关，即窗口越大，相关积分区域也随之扩大。同时，窗口大小与图像误差之间是负相关的。
从上述分析可知，离散化误差的大小受光强、弥散半径、处理窗口等方面的影响，具体的误差补偿应从多种要素的实际影响情况出发，确定高效的补偿方式。图一为ｘ方向的不同提取算法得出的处理误差，其中虚线代表理论坐标，实线代表实际提取坐标，实线与虚线间的偏差即代表图像处理误差。
.png)
图一图像处理误差
1.2摄影图像的误差表现特性
利用摄影设备对测量目标的特征点进行离散化采样时，应注重图像精度的控制，保证提取信号的失真性在技术标准范围内。当前，根据采样定理对图像测量数据进行提取时，误差特征主要表现为：第一，误差与光强干扰不相关，与摄影图像采样频率、长度与信号频率相关性较高；第二，当采样的频率与长度条件不变时，信号周期越长，失真率越高，即处理窗口为定值时，误差与弥散半径呈正相关；第三，当采样、信号的频率不变时，采样长度越长，失真率越低，即当能量密度函数为定值时，窗口越大，误差值越高。
2.摄影测量图像处理的高精度误差补偿方法
由于图像离散化测量误差是属于不可规避的问题，在图像处理的实践过程中，需要选择有效的补偿方式，提高测量的精度，避免误差对测量成果的不利干扰。当前阶段，针对离散化误差的表现特征，对误差值进行控制的方法包括灰度信息、解析法以及最小二乘法等。其中，基于灰度信息对误差进行控制的整体效果较差；解析法需要利用误差函数进行计算，计算量大且需要较多的模型，测量成本较高。本文主要是通过对光强干扰、窗口大小、标准差σ等误差影响因素的分析，利用最小二乘法进行拟合计算的方式，实现误差高精度补偿的目标，具有技术应用简单、计算强度低、误差消除效果好的优势。
以最小二乘法为基础进行仿真拟合，主要研究两个方向的内容，即：中心位置和图像误差、标准差之间的关系。其中，在中心位置与图像误差的研究计算过程中，首先应先确定特征点，假设特征点在图像范围内，然后进行具体划分，通常需要设定100个等分，中心移动单位为0.01pixel，通过仿真计算，根据算法的不同得到提取点的实际分布情况与对应的关系式。在研究中心位置与图像测量标准差之间的关系时，需要对σ与中心位置的对应关系进行仿真计算、高斯拟合，得出σ二次曲线分布，以及σ与中心位置的关系：σ=P1x2+P2.（x∈[-0.5,0.5]）。在得出中心位置与图像误差、标准差间的关系后，通过最小二乘法拟合，得出高精度的x方向补偿值。
结语：摄影测量作为测绘工程的重要技术应用，在工业生产、设计、制造相关领域具有广阔的发展前景。在运用摄影测量对目标参数进行测绘与分析计算的过程中，为控制离散化误差对图像精准度的影响，相关测量单位应结合误差产生的噪声、窗口、弥散半径等方面的影响因素，选择高精度最小二乘法拟合误差补偿方式，提升图像测量的准确性与效率性，从而有效挖掘摄影测量的技术应用价值，推进测绘领域技术研究的优化创新发展进程。
参考文献：
[1]李占利,周康,牟琦,等.TOF相机实时高精度深度误差补偿方法[J].红外与激光工程,2019,48;302(12):263-272;
[2]赵晨,戈新生.基于误差补偿的高精度微光双目测距[J].图像与信号处理,2018,7(1):9.