CN111047698A - 一种真正射影像采集方法 - Google Patents

Abstract

本发明提供一种真正射影像采集方法，包括：步骤1，建立数字表面模型，将数字高程模型和数字建筑物模型DBM进行叠加在一起形成真正射影像采集需要的数字表面模型；步骤2，进行视线分析，建立主影像的二维索引矩阵，用于记录主影像的可见性；步骤3，根据遮蔽检测算法，结合内外方位元素，反投影所有的物方点，结合步骤1像素点的状态判断点是否可见，进而记录检测出的遮蔽区；步骤4，由于索引图和真正射影像的大小与解析度是相同的，它记录了遮蔽区域的位置，因此将步骤3检测出的遮蔽区投影至主影像以外相邻影像，然而根据索引图来填补主影像不可见遮蔽区域，并进行遮蔽区域纹理修补；步骤5，进行色彩的一致性处理；步骤6，影像镶嵌。

Description

一种真正射影像采集方法

技术领域

本发明涉及空间等摄影技术领域，特别是一种真正射影像采集方法。

背景技术

真正射影像采集过程中最为关键的技术是遮蔽区域的检测和纹理填补，不同的真正射影像采集技术的差异取决于遮蔽检测方法，目前真正射影像生成技术分为两类，一类是基于DBM的真正射生成技术，另一类是基于DSM的真正射生成技术。相比DSM，DBM能够更加准确的描述空间建筑物的地理信息，尤其是建筑物的轮廓信息，因此更加有利于进行多视影像的遮挡检测，使得检测的遮蔽区域边界平整规则，同时区域是闭合的，利于后续的遮蔽区域纹理填补工作，目前基于DBM的真正射影像制作的关键技术包括基于高程面投影的迭代检测算法，多边形反演成像遮蔽检测算法，基于最小边界扇区的遮蔽检测以及基于三角网的遮蔽检测算法等。基于DSM的真正射影像生成技术可以分为使用DSM方法，结合DTM与DBM方法，DSM与DTM结合的方法以及利用DBM与DEM制作真正射影像的方法，这些方法制作流程相似，大致分为三步：使用DSM进行正射投影、遮挡区域的检测以及相邻影像重叠信息进行遮挡区域纹理补偿。

然而目前的方法在遮挡检测和遮挡区域信息补偿方面仍然存在困难，在地形平坦且建筑物稀疏的区域，遮挡区域的检测相对比较简单，但是地形复杂，大型人工建筑物云集的情况下，就变得比较困难，目前对于真正射影像上遮挡信息的补偿处理方法主要集中在：

1、对遮挡区域不做实际的信息补偿，只是简单的以灰色或黑色调来简单的填充遮挡区域，该方法虽然处理简单，但是结果中丢失了影像的部分空间地物信息，降低了影像的解译能力及应用能力，美观性也相应变差。

2、采用相邻影像的重叠区域对遮挡进行处理，由于对遮挡区域信息补偿所用的数据是地面的真实信息，所以效果理想，但遮挡信息补偿需要对多张相邻影像进行遮挡检测而后进行纹理修补，使得色彩的一致性处理难度加大，导致需要人工干预而难以实现自动化。

3、采用纹理外推的方式进行遮挡区域补偿，对于遮挡范围小且纹理变化不明显，同时被遮蔽区域的地物信息不是很关键时，可以采用该方法，但当遮挡范围大且该区域包含关键地物信息时，显然此方法不适用。

发明内容

本发明的目的在于提供一种真正射影像采集方法，利用现有经典且可靠的Z-buffer算法进行遮挡区域检测、纹理修补等，最后完成真正射影像(True-Orthophoto)制作。真正射影像生成研究中利用高分辨率的多视影像，针对传统正射纠正几何方面的不足，在已获取的密集、精确、可靠的数字表面模型基础上，进行遮蔽检测并对遮蔽区域进行标记，根据这些标记在相邻航向和旁向上寻找被遮蔽区域的重叠影像，利用获得的对应纹理信息补偿被遮蔽区域，然后是补偿区域边缘匀光匀色处理以及后续的影像镶嵌等，最后完成真正射影像的制作。包括如下步骤：

步骤1，建立数字表面模型，利用激光雷达获得地面点云和建筑物点云，将地面点云和建筑物点云分开建模，用地面点云生成用不规则三角网或规则网表示的数字高程模型DEM，再根据相关算法从建筑物点云中通过已有密集点匹配提取出数字建筑物模型DSM，将数字高程模型和数字建筑物模型DBM进行叠加在一起形成真正射影像采集需要的数字表面模型；

步骤2，进行视线分析，建立主影像的二维索引矩阵，用于记录主影像的可见性；

步骤3，根据遮蔽检测算法，结合内外方位元素，反投影所有的物方点，结合步骤1像素点的状态(可见或不可见)判断点是否可见，进而记录检测出的遮蔽区；

步骤4，由于索引图和真正射影像的大小与解析度是相同的，它记录了遮蔽区域的位置，因此将步骤3检测出的遮蔽区投影至主影像以外相邻影像，然而根据索引图来填补主影像不可见遮蔽区域，并进行遮蔽区域纹理修补；

步骤5，进行色彩的一致性处理；

步骤6，影像镶嵌。

优选的，所述步骤1包括点云数据的滤波和分类，激光雷达点云数据滤波用于从原始激光点云中提取出用于生成数字高程模型DEM时需要的代表地形的点云，激光雷达点云的分类是指从建筑物、植被等地物点中提取出属于建筑物或植被的激光点云。

优选的，点云滤波采用数学形态学滤波，数学形态学滤波首先设置一个一定大小的平移窗口，初始地面点取窗口内的最低点，该点一定范围邻域内的高程值小于阈值的点被归入到地面点集，同时根据平移窗口的大小赋予一定的权值，结合尺寸大小不同的移动窗口反复进行，最终根据个点获取的权值完成数字高程模型的内插。

优选的，点云滤波采用迭代线性最小二乘内插模型残差法预测滤波，利用地物点的高程值比对应区域地面点的高程值大，经过线性最小二乘内插值，激光点的高程的拟合残差不服从正态分布，高出地面的地物点云的残差均为较大的正值，采用迭代运算，首先将所有激光点云的高程观测值按照等权值计算一个初始的、比较粗糙的曲面模型，该模型是介于真实数字高程模型和数字表面模型之间的一个曲面，地面点云与该曲面的差值一般是绝对值较大的负数，低矮地物点云与该曲面的差值一般为绝对值较小的负数，其他高大地物点云与该曲面的差值一般为正值，根据这些差值给每一个点的高程观测值赋予权值，负得越多的差值对应赋予较大的权值，因为更接近真实地面，而居于中间的差值点赋予较小的权值，将差值为正的激光点云的权值设定为零。将权值为零的非地面点去掉，再次将剩下的激光点云生成曲面模型，如果某些被去除的激光点与新曲面模型的差值为负，会被重新划分到地面点云中。

优选的，点云滤波采用移动窗口滤波，首先设置一个较大的窗口，找出窗口内激光点云的最低点，并将窗口内到最低点的高差小于阈值的点划分为地面点，然后移动窗口遍历整个测区寻找最低点，并利用这些最低点生成一个粗略的地形模型，不断缩小窗口，重复上述操作，最终窗口和阈值的大小会影响滤波效果。

优选的，点云滤波采用渐进不规则三角网加密滤波算法，步骤a，首先对原始的激光雷达点云数据进行中值滤波处理，经过中值滤波处理，将具有噪声激光点从原始数据中剔除，不参与后续的地面点提取过程，避免这些噪声点对提取地形产生影响；步骤b，通过将上一步处理后的点云数据划分为初略网格，并选取每个网格中的最低点作为初始种子点，生成一个稀疏而粗糙的不规则三角网；步骤c，然后获得不规则三角网后，原始激光点云的每一个点都作为候选点落在与其相对应的三角形中，计算该点到所属三角形的距离，如果所得的距离小于特定的阈值，便将该点加入到地面点中；步骤d，将步骤c中判断为地面点的激光脚点重新建立不规则三角网；重复步骤c和d，直到不再有新的激光脚点加入到地面点类中为止。

优选的，点云数据分类融合多源数据信息完成。机载激光雷达测量系统在快速测量目标点三维坐标信息基础上，还能记录激光回波的强度信号，利用不同物体的激光回波信号强度不同这一特点，根据回波反射强度可以直接区分植被点云与建筑物点云，原始激光点云中地面点已经在点云的滤波处理中剔除了，特别是在植被和建筑物靠的近的区域，根据点云的高程变化难以将两者分开，而借助回波强度信息可以将它们分开。

优选的，所述步骤4包括：在完成遮蔽检测处理后，得到了每幅影像对应的遮蔽区域，可见区域直接利用数字微分纠正获取了纹理信息，遮蔽区域简单地利用黑色空白像素填充，单幅影像的遮蔽区域利用相邻影像中地可见部分进行纹理修补，利用逻辑运算单元，结合DEM与DBM的正射纠正成果，再通过多张真正射影像进行影像镶嵌，来填补遮蔽区域影像，保证填补区域在其他影像上可见情况下通过相邻影像进行遮蔽区的填补。

优选的，所述步骤5包括两种方法：

一种是利用影像的成像模型对色彩分布不一致问题的处理，根据在局部区域内获得采样值，利用数学模型对场景范围内亮度变化的趋势进行拟合；另一种是利用低通滤波对影像的匀光匀色处理，从影像中快速分离出亮度分布信息，将亮度分布信息进行归一化处理后，对原始影像与背景信息执行除操作，最后以达到对影响亮度分布进行调节的目的。

优选的，所述步骤6实现大区域内影像间的拼接镶嵌，包括：

步骤61，生成拼接线，拼接线是在拼接区域内根据相邻影像的临接情况生成的裁减线，在自动生成初始接缝线的基础上，由用户根据需要对初始接缝线进行进一步的编辑，从而形成最后的相邻影像镶嵌时的接缝线，所述初始接缝线采用平分线原则生成；

步骤62，确定有效镶嵌多边形，对各个像片依次找出与其相邻的像片的拼接区域，在每个拼接区域内生成拼接线，用这些拼接线依次分割像片的范围，最后得到的多边形就是该像片的有效镶嵌多边形；

步骤63，基于扫描线填充的快速镶嵌，在获得了每张像片的有效镶嵌多边形后，进行镶嵌处理了，在镶嵌处理时，首先应根据每张像片的范围，求出输出镶嵌影像的范围，即所有像片范围的最大外接矩形范围，然后为了获得大范围的无缝镶嵌的正射影像，对每张像片，将其有效镶嵌多边形范围内对应的所有正射影像进行镶嵌，如果暂不考虑拼接线的色彩过渡处理，以及影像间的色彩平衡等处理，以获得大范围的无缝镶嵌的正射影像为例，镶嵌处理可以简化为：对每张像片的正射影像，按照该像片的有效镶嵌多边形范围，取出其相应区域范围的影像填充到输出的镶嵌影像对应的区域中。

本发明的有益效果：本发明的方法形成的真正射影像是一种更加高级的地理空间数据，保持了绝对垂直的地表景观，真实、准确的再现诚实区域地形地貌的三维坐标信息和纹理信息，比传统的正射影像具有更高的使用价值和市场需求，其中使用的渐进不规则三角网加密地面滤波算法对城市区域地面点云不连续具有稳健的适应性，并且将计算机视觉中的多视影像三维重建方法引入到影像处理中，充分利用无人机影像幅面小、数量大、重叠度高和分辨率高的特点，在获取DSM上具有较好的效果，各种检测方法采用由内向外依次使用前一次检测结果的方式，具有较高的采集效率。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

图1表示根据本发明实施例的方法流程图。

具体实施方式

参见图1，一种真正射影像采集方法，利用现有经典且可靠的Z-buffer算法进行遮挡区域检测、纹理修补等，最后完成真正射影像(True-Orthophoto)制作。真正射影像生成研究中利用高分辨率的多视影像，针对传统正射纠正几何方面的不足，在已获取的密集、精确、可靠的数字表面模型基础上，采用Z-buffer算法进行遮蔽检测并对遮蔽区域进行标记，根据这些标记在相邻航向和旁向上寻找被遮蔽区域的重叠影像，利用获得的对应纹理信息补偿被遮蔽区域，然后是补偿区域边缘匀光匀色处理以及后续的影像镶嵌等，最后完成真正射影像的制作。包括如下步骤

步骤1，建立数字表面模型，利用激光雷达获得地面点云和建筑物点云，将地面点云和建筑物点云分开建模，用地面点云生成用不规则三角网或规则网表示的数字高程模型DEM，再根据相关算法从建筑物点云中通过已有密集点匹配提取出数字建筑物模型DSM，将数字高程模型和数字建筑物模型DBM进行叠加在一起形成真正射影像采集需要的数字表面模型；

理论上DSM是对空间所有空间地物的描述，包括建筑物、地形以及植被信息，但是由于植被信息复杂多样性，很难以模型进行描述，因此一般的DSM仅仅包括地形与建筑物信息，即DTM和DBM，使用激光扫描仪对地面扫描获得的DSM更加接近一个类似于真实的表面，但是密度和精度仍不能通过标准的摄影测量获得的DSM相比。

该步骤包括点云数据的滤波和分类。在三维空间中，由机载激光雷达采集的点云具有随机、离散分布的性质，复杂的点云是不能用来生成影像正射纠正过程中需要的数字高程模型DEM和数字表面模型DSM的。激光雷达点云数据滤波的目的就是从原始激光点云中提取出用于生成数字高程模型DEM时需要的代表地形的点云，激光雷达点云的分类是指从建筑物、植被等地物点中提取出属于建筑物或植被的激光点云。

其中点云滤波采用数学形态学滤波，数学形态学滤波首先设置一个一定大小的平移窗口，初始地面点取窗口内的最低点，该点一定范围邻域内的高程值小于阈值的点被归入到地面点集，同时根据平移窗口的大小赋予一定的权值，结合尺寸大小不同的移动窗口反复进行，最终根据个点获取的权值完成数字高程模型的内插。

点云滤波采用迭代线性最小二乘内插模型残差法预测滤波，利用地物点的高程值比对应区域地面点的高程值大，经过线性最小二乘内插值，激光点的高程的拟合残差不服从正态分布，高出地面的地物点云的残差均为较大的正值，采用迭代运算，首先将所有激光点云的高程观测值按照等权值计算一个初始的、比较粗糙的曲面模型，该模型是介于真实数字高程模型和数字表面模型之间的一个曲面，地面点云与该曲面的差值一般是绝对值较大的负数，低矮地物点云与该曲面的差值一般为绝对值较小的负数，其他高大地物点云与该曲面的差值一般为正值，根据这些差值给每一个点的高程观测值赋予权值，负得越多的差值对应赋予较大的权值，因为更接近真实地面，而居于中间的差值点赋予较小的权值，将差值为正的激光点云的权值设定为零。将权值为零的非地面点去掉，再次将剩下的激光点云生成曲面模型，如果某些被去除的激光点与新曲面模型的差值为负，会被重新划分到地面点云中。

点云滤波采用移动窗口滤波，首先设置一个较大的窗口，找出窗口内激光点云的最低点，并将窗口内到最低点的高差小于阈值的点划分为地面点，然后移动窗口遍历整个测区寻找最低点，并利用这些最低点生成一个粗略的地形模型，不断缩小窗口，重复上述操作，最终窗口和阈值的大小会影响滤波效果。

点云滤波采用渐进不规则三角网加密滤波算法，步骤a，首先对原始的激光雷达点云数据进行中值滤波处理，经过中值滤波处理，将具有噪声激光点从原始数据中剔除，不参与后续的地面点提取过程，避免这些噪声点对提取地形产生影响；步骤b，通过将上一步处理后的点云数据划分为初略网格，并选取每个网格中的最低点作为初始种子点，生成一个稀疏而粗糙的不规则三角网；步骤c，然后获得不规则三角网后，原始激光点云的每一个点都作为候选点落在与其相对应的三角形中，计算该点到所属三角形的距离，如果所得的距离小于特定的阈值，便将该点加入到地面点中；步骤d，将步骤c中判断为地面点的激光脚点重新建立不规则三角网；重复步骤c和d，直到不再有新的激光脚点加入到地面点类中为止。

点云数据分类融合多源数据信息完成。机载激光雷达测量系统在快速测量目标点三维坐标信息基础上，还能记录激光回波的强度信号，利用不同物体的激光回波信号强度不同这一特点，根据回波反射强度可以直接区分植被点云与建筑物点云，原始激光点云中地面点已经在点云的滤波处理中剔除了，特别是在植被和建筑物靠的近的区域，根据点云的高程变化难以将两者分开，而借助回波强度信息可以将它们分开。

步骤2，进行视线分析，建立主影像的二维索引矩阵，用于记录主影像的可见性；

步骤3，根据遮蔽检测算法，结合内外方位元素，反投影所有的物方点，结合步骤1像素点的状态(可见或不可见)判断点是否可见，进而记录检测出的遮蔽区；

步骤4，由于索引图和真正射影像的大小与解析度是相同的，它记录了遮蔽区域的位置，因此将步骤3检测出的遮蔽区投影至主影像以外相邻影像，然而根据索引图来填补主影像不可见遮蔽区域，并进行遮蔽区域纹理修补；

在完成遮蔽检测处理后，得到了每幅影像对应的遮蔽区域，可见区域直接利用数字微分纠正获取了纹理信息，遮蔽区域简单地利用黑色空白像素填充，单幅影像地遮蔽区域可以利用相邻影像中地可见部分进行纹理修补，待修补的影像称为主影像，用于纹理修补的影像称为副影像。主影像中遮蔽区域为点3到点5之间，对于副影像来说该区域为可见区域，因此主影像中的遮蔽区域纹理可通过副影像进行修补。可以利用逻辑运算单元，结合DEM与DBM的正射纠正成果，再通过多张真正射影像进行影像镶嵌，来填补遮蔽区域影像。通过相邻影像进行遮蔽区的填补，首先必须要保证填补区域在其他影像上可见。

步骤5，进行色彩的一致性处理，包括两种方法：

一种是利用影像的成像模型对色彩分布不一致问题的处理，根据在局部区域内获得采样值，利用数学模型对场景范围内亮度变化的趋势进行拟合；另一种是利用低通滤波对影像的匀光匀色处理，从影像中快速分离出亮度分布信息，将亮度分布信息进行归一化处理后，对原始影像与背景信息执行除操作，最后以达到对影响亮度分布进行调节的目的。

目前很多图像处理软件可以实现影像的色彩平衡处理，包括PixelGrid，ERDAS,IMAGINE,PHOTOSHOP,GeoDodging，通过提供的多种数学模型模拟影像亮度的变化，对影像的不同部分进行不同级别的色彩补偿和模拟，降低影像在色彩和亮度上的差异性。

步骤6，影像镶嵌。

根据前面的步骤，已经得到了真正射影像，该步骤实现大区域内影像间的拼接镶嵌，包括：

步骤61，生成拼接线，拼接线是在拼接区域内根据相邻影像的临接情况生成的裁减线，在自动生成初始接缝线的基础上，由用户根据需要对初始接缝线进行进一步的编辑，从而形成最后的相邻影像镶嵌时的接缝线，所述初始接缝线采用平分线原则生成，设某一像片的范围为A，其相邻像片的范围为B，A与B重叠部分为这两个相邻像片的拼接区域，初始的接缝线根据A与B的相对位置按平分线原则生成的，ab和cd部分是角平分线，bc部分是拼接区域的中线，按照这样的平分线的原则生成的拼缝线，由于接缝线基本上位于输入影像靠近中间部分，影像的变形相对较小，因此有利于镶嵌处理。

步骤62，确定有效镶嵌多边形，对各个像片依次找出与其相邻的像片的拼接区域，在每个拼接区域内生成拼接线，用这些拼接线依次分割像片的范围，最后得到的多边形就是该像片的有效镶嵌多边形。根据拼接线对像片范围进行分割以形成有效镶嵌多边形的规则为：设由A1A2A3A4构成的矩形区域A，由B1B2B3B4构成的矩形区域B以及由C1C2C3C4构成的矩形区域C分别是相邻的三张像片的范围，A与B，B与C之间有重叠，aA2dB4矩形区域是像片A与B的拼接区域，abcd是该拼接区域内的拼接线，eB2hC4矩形区域是像片B与C的拼接区域，efgh是该拼接区域内的拼接线。对于像片A，经过A与B的拼接区域的拼接线abcd切割后，形成的有效镶嵌多边形A1abcdA3A4；对于像片B，经过A与B的拼接区域的拼接线abcd切割后，形成多边形B1B2B3dcba，然后以此多边形作为初始形状，再经过B与C的拼接区域的拼接线efgh切割，形成最后的有效镶嵌多边形B1efghB3dcba，如果还有像片与B具有拼接区域，则用其拼接区域内的拼接线对多边形B1efghB3dcba继续进行切割，直至得到最后的有效镶嵌多边形，对于像片C，经过B与C的拼接区域的拼接线efgh切割，形成的有效镶嵌多边形为C1C2C3hgfe。

步骤63，基于扫描线填充的快速镶嵌，在获得了每张像片的有效镶嵌多边形后，就可以进行镶嵌处理了，在镶嵌处理时，首先应根据每张像片的范围，求出输出镶嵌影像的范围，即所有像片范围的最大外接矩形范围，然后为了获得大范围的无缝镶嵌的正射影像，对每张像片，将其有效镶嵌多边形范围内对应的所有正射影像进行镶嵌，如果暂不考虑拼接线的色彩过渡处理，以及影像间的色彩平衡等处理，以获得大范围的无缝镶嵌的正射影像为例，镶嵌处理可以简化为：对每张像片的正射影像，按照该像片的有效镶嵌多边形范围，取出其相应区域范围的影像填充到输出的镶嵌影像对应的区域中。因此镶嵌的效率取决于对每一幅影像的像素，判断其是否在有效镶嵌多边形内，以及随后的填充处理，判断像素是否在有效镶嵌多边形内，主要考虑减少计算量以提高效率，填充处理主要考虑尽量减少磁盘的访问次数来提高效率，很明显，如果逐像素来处理，一方面判断像素是否在有效镶嵌多边形内时，计算量很大，因为每个像素都要计算一遍，另一方面填充处理时，每个像素都进行以此读取和写入操作，磁盘的访问次数很多，效率也就大大降低。

本实施例的方法形成的真正射影像是一种更加高级的地理空间数据，保持了绝对垂直的地表景观，真实、准确的再现诚实区域地形地貌的三维坐标信息和纹理信息，比传统的正射影像具有更高的使用价值和市场需求，其中使用的渐进不规则三角网加密地面滤波算法对城市区域地面点云不连续具有稳健的适应性，并且将计算机视觉中的多视影像三维重建方法引入到影像处理中，充分利用无人机影像幅面小、数量大、重叠度高和分辨率高的特点，在获取DSM上具有较好的效果，各种检测方法采用由内向外依次使用前一次检测结果的方式，具有较高的采集效率。

虽然本发明已经参考特定的说明性实施例进行了描述，但是不会受到这些实施例的限定而仅仅受到附加权利要求的限定。本领域技术人员应当理解可以在不偏离本发明的保护范围和精神的情况下对本发明的实施例能够进行改动和修改。

Claims (10)

1.一种真正射影像采集方法，其特征在于包括如下步骤：

步骤1，建立数字表面模型，利用激光雷达获得地面点云和建筑物点云，将地面点云和建筑物点云分开建模，用地面点云生成用不规则三角网或规则网表示的数字高程模型DEM，再根据相关算法从建筑物点云中通过已有密集点匹配提取出数字建筑物模型DSM，将数字高程模型和数字建筑物模型DBM进行叠加在一起形成真正射影像采集需要的数字表面模型；

步骤2，进行视线分析，建立主影像的二维索引矩阵，用于记录主影像的可见性；

步骤3，根据遮蔽检测算法，结合内外方位元素，反投影所有的物方点，结合步骤1像素点的状态判断点是否可见，进而记录检测出的遮蔽区；

步骤4，由于索引图和真正射影像的大小与解析度是相同的，它记录了遮蔽区域的位置，因此将步骤3检测出的遮蔽区投影至主影像以外相邻影像，然而根据索引图来填补主影像不可见遮蔽区域，并进行遮蔽区域纹理修补；

步骤5，进行色彩的一致性处理；

步骤6，影像镶嵌。

2.根据权利要求1所述的一种真正射影像采集方法，其特征在于：所述步骤1包括点云数据的滤波和分类，激光雷达点云数据滤波用于从原始激光点云中提取出用于生成数字高程模型DEM时需要的代表地形的点云，激光雷达点云的分类是指从建筑物、植被等地物点中提取出属于建筑物或植被的激光点云。

3.根据权利要求2所述的一种真正射影像采集方法，其特征在于：点云滤波采用数学形态学滤波，数学形态学滤波首先设置一个一定大小的平移窗口，初始地面点取窗口内的最低点，该点一定范围邻域内的高程值小于阈值的点被归入到地面点集，同时根据平移窗口的大小赋予一定的权值，结合尺寸大小不同的移动窗口反复进行，最终根据个点获取的权值完成数字高程模型的内插。

4.根据权利要求2所述的一种真正射影像采集方法，其特征在于：点云滤波采用迭代线性最小二乘内插模型残差法预测滤波，利用地物点的高程值比对应区域地面点的高程值大，经过线性最小二乘内插值，激光点的高程的拟合残差不服从正态分布，高出地面的地物点云的残差均为较大的正值，采用迭代运算，首先将所有激光点云的高程观测值按照等权值计算一个初始的、比较粗糙的曲面模型，该模型是介于真实数字高程模型和数字表面模型之间的一个曲面，地面点云与该曲面的差值一般是绝对值较大的负数，低矮地物点云与该曲面的差值一般为绝对值较小的负数，其他高大地物点云与该曲面的差值一般为正值，根据这些差值给每一个点的高程观测值赋予权值，负得越多的差值对应赋予较大的权值，因为更接近真实地面，而居于中间的差值点赋予较小的权值，将差值为正的激光点云的权值设定为零。将权值为零的非地面点去掉，再次将剩下的激光点云生成曲面模型，如果某些被去除的激光点与新曲面模型的差值为负，会被重新划分到地面点云中。

5.根据权利要求2所述的一种真正射影像采集方法，其特征在于：点云滤波采用移动窗口滤波，首先设置一个较大的窗口，找出窗口内激光点云的最低点，并将窗口内到最低点的高差小于阈值的点划分为地面点，然后移动窗口遍历整个测区寻找最低点，并利用这些最低点生成一个粗略的地形模型，不断缩小窗口，重复上述操作，最终窗口和阈值的大小会影响滤波效果。

6.根据权利要求2所述的一种真正射影像采集方法，其特征在于：点云滤波采用渐进不规则三角网加密滤波算法，步骤a，首先对原始的激光雷达点云数据进行中值滤波处理，经过中值滤波处理，将具有噪声激光点从原始数据中剔除，不参与后续的地面点提取过程，避免这些噪声点对提取地形产生影响；步骤b，通过将上一步处理后的点云数据划分为初略网格，并选取每个网格中的最低点作为初始种子点，生成一个稀疏而粗糙的不规则三角网；步骤c，然后获得不规则三角网后，原始激光点云的每一个点都作为候选点落在与其相对应的三角形中，计算该点到所属三角形的距离，如果所得的距离小于特定的阈值，便将该点加入到地面点中；步骤d，将步骤c中判断为地面点的激光脚点重新建立不规则三角网；重复步骤c和d，直到不再有新的激光脚点加入到地面点类中为止。

7.根据权利要求2所述的一种真正射影像采集方法，其特征在于：点云数据分类融合多源数据信息完成。机载激光雷达测量系统在快速测量目标点三维坐标信息基础上，还能记录激光回波的强度信号，利用不同物体的激光回波信号强度不同这一特点，根据回波反射强度可以直接区分植被点云与建筑物点云，原始激光点云中地面点已经在点云的滤波处理中剔除了，特别是在植被和建筑物靠的近的区域，根据点云的高程变化难以将两者分开，而借助回波强度信息可以将它们分开。

8.根据权利要求1所述的一种真正射影像采集方法，其特征在于：所述步骤4包括：在完成遮蔽检测处理后，得到了每幅影像对应的遮蔽区域，可见区域直接利用数字微分纠正获取了纹理信息，遮蔽区域简单地利用黑色空白像素填充，单幅影像的遮蔽区域利用相邻影像中地可见部分进行纹理修补，利用逻辑运算单元，结合DEM与DBM的正射纠正成果，再通过多张真正射影像进行影像镶嵌，来填补遮蔽区域影像，保证填补区域在其他影像上可见情况下通过相邻影像进行遮蔽区的填补。

9.根据权利要求1所述的一种真正射影像采集方法，其特征在于：所述步骤5包括两种方法：

一种是利用影像的成像模型对色彩分布不一致问题的处理，根据在局部区域内获得采样值，利用数学模型对场景范围内亮度变化的趋势进行拟合；另一种是利用低通滤波对影像的匀光匀色处理，从影像中快速分离出亮度分布信息，将亮度分布信息进行归一化处理后，对原始影像与背景信息执行除操作，最后以达到对影响亮度分布进行调节的目的。

10.根据权利要求21述的一种真正射影像采集方法，其特征在于：所述步骤6实现大区域内影像间的拼接镶嵌，包括：

步骤61，生成拼接线，拼接线是在拼接区域内根据相邻影像的临接情况生成的裁减线，在自动生成初始接缝线的基础上，由用户根据需要对初始接缝线进行进一步的编辑，从而形成最后的相邻影像镶嵌时的接缝线，所述初始接缝线采用平分线原则生成；

步骤62，确定有效镶嵌多边形，对各个像片依次找出与其相邻的像片的拼接区域，在每个拼接区域内生成拼接线，用这些拼接线依次分割像片的范围，最后得到的多边形就是该像片的有效镶嵌多边形；

步骤63，基于扫描线填充的快速镶嵌，在获得了每张像片的有效镶嵌多边形后，进行镶嵌处理了，在镶嵌处理时，首先应根据每张像片的范围，求出输出镶嵌影像的范围，即所有像片范围的最大外接矩形范围，然后为了获得大范围的无缝镶嵌的正射影像，对每张像片，将其有效镶嵌多边形范围内对应的所有正射影像进行镶嵌，如果暂不考虑拼接线的色彩过渡处理，以及影像间的色彩平衡等处理，以获得大范围的无缝镶嵌的正射影像为例，镶嵌处理可以简化为：对每张像片的正射影像，按照该像片的有效镶嵌多边形范围，取出其相应区域范围的影像填充到输出的镶嵌影像对应的区域中。

Images