Na lineariseren volgt dan:
Voor elk pixel wordt deze vergelijking opgesteld. De onbekende verschuivingen
Ax, Ay kunnen nu met de kleinste kwadraten methode worden bepaald. Hierbij
wordt de kwadraatsom van de grijswaardeverschillen geminimaliseerd. Door
uitbreiding van vergelijking (3) kunnen ook parameters voor rotatie, contrast of
helderheid worden bepaald. De nauwkeurigheid van deze kleinste kwadraten
matching ligt (voor contrastrijke signalen) bij ongeveer 1/30 pixel.
In het eerste beeld van figuur 3 staan een aantal signalen van 100 x 100 pm
groot, die met een pixelgrootte van 2x3 pm zijn gedigitaliseerd. Het masker
hiervoor is gegenereerd. Het andere voorbeeld is een samenloop van rivieren,
opgenomen vanuit een satelliet. Het masker is hier een oudere opname van
dezelfde samenloop, die al een keer was gemeten. Door het matching worden de
coördinaten overgedragen op de nieuwe opname. SPOT IMAGE gebruikt deze
techniek voor het meten van hun paspunten in de SPOT satellietbeelden.
2-Dimensionale objecten met onbekende positie
en ongeveer bekende oriëntatie
- Meten van topografische paspunten
In het kader van de orthofotoproductie heeft het Landesvermessungsamt in
Nordrhein-Westfalen een grote database met circa 20.000 topografische
paspunten opgebouwd. Deze paspunten, hoofdzakelijk hoekpunten van huisdaken,
worden gebruikt om de oriëntering van de luchtfoto's te bepalen. Behalve de X-,
Y- en Z-coördinaten van de gevelspitsen, zijn ook de schetsen van de huisdaken
opgeslagen. Met methoden uit de digitale beeldverwerking en de vereffeningsthe
orie zal het interpretatie- en meetproces nu worden geautomatiseerd.
Uitgaande van de schets (figuur 4a), wordt een 3-dimensionaal model afgeleid
(figuur 4b), dat, met gebruik van de benaderde waarden van de oriëntatieparame-
367
Sbeeld(*O0 «masker(«O') |f (3)
Figuur 3: Beelden en modellen voor signaalmeting