technieken, met name correlatietechnieken, worden ge
bruikt. Grofweg kunnen zij in twee klassen worden
verdeeld:
a. Gebiedsgewijze correlatie.
b. Randcorrelatie.
a. Gebiedsgewijze correlatie
Bij gebiedsgewijze correlatie (Eng.: area-based) wordt
een uitsnede van het ene beeld gecorreleerd met uit
sneden van het andere beeld, waarvan mag worden ver
wacht dat zij, op grond van kennis over stand en positie
van de camera's en over gemiddelde diepte (hoogte),
hetzelfde objectdeel afbeelden. Alle pixels in de uit
sneden zijn bij de correlatie betrokken, vandaar de
naamgeving.
Er zijn een groot aantal correlatiefuncties, zoals produkt-
moment kruiscorrelatie, kruiscovariantie, som van de
absolute waarde van de verschillen en fasecorrelatie van
het kruisspectrum. In [Ehlers, 1983] zijn zij onderzocht
op hun geschiktheid voor beeldcorrelatie. Hoewel zij al
leen in egale gebieden geen oplossing zullen geven en
overal elders wel, hebben zij het nadeel dat zij enorm
rekenintensief zijn en dat er geen discriminator aanwezig
is, die aangeeft welke punten significant zijn voor de be
schrijving van het object en welke niet.
Corresponderende pixels worden met correlatietechnie
ken overigens niet gevonden; men vindt corresponderen
de deelbeelden. In elk van deze deelbeelden kan vervol
gens een (sub)pixel (bijvoorbeeld het middelste) worden
aangewezen, waaraan de correspondentie wordt toege
schreven.
Gebiedsgewijze correlatie leent zich echter uitstekend
voor toepassing in gemodificeerde analytische stereo-
uitwerkingsinstrumenten ten behoeve van semi-automa-
tische verwerking van foto's. [Ackermann, 1985] be
schrijft een systeem waarbij onder de beelddragers van
de Planicomp C100 digitale camera's (effectief formaat:
243 rijen en 256 kolommen; beeldresolutie: 27 x 27 //m2
[Gülch, 1985]) zijn gemonteerd. Elke camera neemt een
deelbeeld op van ±5x5 mm2; er wordt gecorreleerd
over vensters van 16 x 16 pixels 0,43 x 0,43 mm2)
of 32 x 32 pixels 0,86 x 0,86 mm2). Door ervan uit
te gaan dat de verschillen in geometrie zijn te beschrijven
door een affiene transformatie en de verschillen in radio-
metrie lineair zijn, hetgeen voor vensters van dit formaat
aannemelijk is, worden met een kleinste kwadraten cor
relatiemethode corresponderende deelbeelden gevon
den. Als representerend pixel van de deelbeelden wordt
Het systeem, waarmee Kunji experimenteert [Kunji, 1984],
waarbij volgens de anaglyfenmethode stereobeelden op een
rasterscherm worden afgebeeld en corresponderende punten
met een in x-, y- en z-richting bestuurbare cursor in het ruimte
lijk model handmatig worden aangewezen, is een voortreffelijke
vorm van semi-automatisering. Door luchtfoto's met een CCD-
rij camera te digitaliseren, ontstaan computertoegankelijke beel
den waarop alle transformaties software-matig kunnen worden
uitgevoerd. De dure uitwerkingsinstrumenten zijn daardoor
overbodig, hoewel het wel ten koste gaat van de nauwkeurig
heid. Door de software te implementeren op general-purpose
computers, waardoor de hardware-component slechts voor een
deel fotogrammetrisch wordt bezet en in zijn totaliteit een vast
goedinformatiesysteem kan vormen, kan een goedkoop uitwer
kingssysteem worden verkregen, dat vooral van belang is voor
toepassing in de derde wereld landen ten behoeve van het ver
krijgen van digitale terreinmodellen. De nauwkeurigheid zou op
subpixel niveau kunnen worden gebracht, wanneer het hand
matige aanwijzen wordt beschouwd als een grove identificatie
van de punten, waarna gebiedsgewijze correlatiealgorithmen er
op worden uitgevoerd voor de fijn-instelling.
NGT GEODESIA 86
naar grijswaarden gewogen gemiddelde genomen. Hier
door wordt een nauwkeurigheid verkregen die op zeer
hoog subpixel niveau ligt: in de orde van 20.
Dit systeem is allerminst vol-automatisch. Classificatie,
opsporing van significante punten en grove aanwijzing
van de corresponderende punten dienen door de opera
teur te geschieden. Bovendien wordt niet gewerkt met
rechtstreekse digitale beelden, maar met foto's die wor
den gedigitaliseerd. De meetprecisie is echter onafhan
kelijk van de meetvaardigheid van de operateur, daar
deze alleen de benaderde positie van de corresponde
rende punten aanwijst, en het correlatie-algorithme zorg
draagt voor de fijn-instelling. De eigenschappen van het
systeem maken het bijzonder geschikt om automatisch
profielen te verkrijgen van continue oppervlakken, zoals
die vooral bij industriële objecten kunnen voorkomen
(auto-industrie). Door startpositie en interval op te
geven, worden profielen automatisch gemeten. De uit
werking kan plaatsvinden door niet-professionele opera
teurs en wanneer gebruik wordt gemaakt van direct-
klaar films, komen de resultaten snel ter beschikking.
b. Randcorrelatie
Bij randcorrelatie worden niet de oorspronkelijke (even
tueel verbeterde) beelden gecorreleerd, maar worden
eerst in elk beeld de randen opgespoord (zie voor
„Randdetectie" p. 286). Het resultaat van een rand-
detector operatie is een beeld waarin min of meer abrup
te grijswaarde overgangen zijn versterkt. Om hieruit een
randbeeld te verkrijgen, dient het beeld te worden ge-
drempeld. Uniforme criteria bestaan niet, de drempel
moet interactief worden vastgesteld. Voor real-time toe
passingen dient derhalve per specifiek geval een goede
drempelwaarde experimenteel te worden bepaald. Daar
randdetectoren differentiërende operatoren zijn, werken
zij als hoog doorlaatfilter en versterken dientengevolge
ruis. Ter voorkoming van detectie van ruis als rand zijn
drie oplossingen mogelijk:
1. Benutten van een camera met een lage signaal/ruis
verhouding.
2. Modelleren van de ruis.
3. Afzoeken van het randbeeld op de waarschijnlijkheid
van de „echtheid" van de rand.
Uiteraard is de eerste oplossing de beste, omdat hij aan
de waarnemingszijde ligt, maar men heeft deze het
minste in de hand, omdat men afhankelijk is van de
fabrikant. Ook spelen kostenoverwegingen hierbij een
rol. Onvolkomenheden in de detectie van randen in
luchtopnamen ontstaan ook door de beeldinhoud. Scha
duwen zullen enerzijds als onterechte randen worden
gedetecteerd en dekken anderzijds echte randen af.
Dichterbij de camera gelegen objecten (bijvoorbeeld
bomen) camoufleren randen, zoals wegkanten.
Uitvoerig onderzoek is verricht naar het onderschei
dingsvermogen van randdetectoren [Davies, 1975] en
naar hun ruisgevoeligheid [Pessl, 19831, maar hun effect
op de ligging van de randen, d.w.z. hun geometrische
nauwkeurigheid, is nog nauwelijks onderzocht. Uiter
aard is kennis hierover van wezenlijk belang wanneer het
gaat om geometrische informatie. Daarom is bij het
Laboratorium voor Fotogrammetrie en Remote Sensing
hiernaar een onderzoek gestart, waarbij wordt gewerkt
met testbeelden waarop verstoringen zijn gegenereerd.
Nadat in de digitale stereobeelden de randen zijn opge
spoord, dienen de corresponderende randen te worden
bepaald. Hiervoor zijn verscheidene technieken ontwik
keld, waarvoor wordt verwezen naar [Haralick, 1984, en
287