第七讲

1. 第七讲 误差处理与可靠性理论 袁修孝教授 武汉大学遥感信息工程学院

2. 第 五章 粗差的检测和定位 §5-1 粗差定位及其方法分类 §5-2 粗差归入函数模型的粗差定位方法 §5-3 粗差归入随机模型的粗差定位方法 §5-4 光束法平差程序BLUH中的粗差检测方法 §5-5 独立模型法平差程序PAT-M43中的粗差定位 §5-6 线性规划在粗差检测中的应用 §5-7 数字摄影测量影像匹配中的粗差检测 §5-8 利用人工智能方法进行粗差的启发式搜索

3. §5-1 粗差定位及其方法分类 一、粗差定位的基本概念 • 在平差过程中自动地发现粗差的存在并正确地指出粗差的位置，从而将它从平差中剔除 二、方法分类 • 将粗差视为函数模型的一部分 • 将粗差视为随机模型的一部分 • 从改正数绝对值总和最小出发的线性规划法 最小二乘法

4. f(li) li E（ li |H0） E（ li |Hai） §5-1 粗差定位及其方法分类 将粗差视为函数模型的一部分

5. f(li) li §5-1 粗差定位及其方法分类 将粗差视为随机模型的一部分

6. §5-2 粗差归入函数模型的粗差检测方法 一、单个粗差的检测方法

7. §5-2 粗差归入函数模型的粗差检测方法 二、多个粗差的检测方法 • 向后选择法 • 向前选择法 • 向后-向前选择法

8. §5-3 粗差归入随机模型的粗差定位方法 一、选择权迭代法 • 从最小二乘平差开始，每次迭代后根据残差和其他有关参数按所选择的权函数计算每个观测值在下步迭代平差中的权。如果权选择得当且粗差可定位，则含粗差观测值的权将愈来愈小，直至趋近于零。迭代终止时，相应残差将指出粗差的大小，而平差结果将不受粗差的影响 最小范数迭代法 丹麦法 带权数据探测法

9. §5-3 粗差归入随机模型的粗差定位方法 二、验后方差估计导出的选权迭代法 • 将粗差视为来自期望为零、方差很大的正态母体之子样。通过最小二乘平差的验后方差估计求出观测值的验后方差，然后根据经典的权与观测值的方差成反比的定义给予它一个相应小的权进行下步迭代平差，以实现粗差定位

10. 确定各观测值的先验权 最小二乘平差求观测值残差 是 计算各观测值的统计检验量 检验值超限否? 否 §5-3 粗差归入随机模型的粗差定位方法 三、平差中自动检测粗差的过程 建立函数模型 含粗差观测值的权变小

11. {0} 初始状态 好观测值的纳入 粗差的去除 {1} {2} {3} {4} … {N} {1，2} {1，3} {1，4} … {1，N} {1，2，3} {1，2，4} … {1，2，N} ……目标状态 §5-8 利用人工智能方法进行粗差的启发式搜索 粗差探测的状态空间图

12. 全体观测值平差求出各统计检验值和相关系数 向下搜索 根据 和 产生集合G 和A，将A作为回代集合 相对定向平差 采取措施防止A中含好观测值太多而导致多余观测数太少 采取措施防止G 中含有带粗差的观测值 向上搜索 将A中所有元素逐个回代平差，根据回代求出的 以及前面的 作最后决定，产生集合B 输出B §5-8 利用人工智能方法进行粗差的启发式搜索 启发式搜索粗差流程图

13. 再 见

14. §5-7 数字摄影测量影像匹配中的粗差检测 一、最小二乘影像匹配中的参数检验 几何变形改正函数 辐射校正函数 图像 不可测定的参数

15. §5-7 数字摄影测量影像匹配中的粗差检测 二、基于特征的数字影像误匹配剔除