根据外方位元素确定的透射变换的公式：
X a1 a2 a3 x
Y = b1 b2 b3 y
Z c1 c2 c3 －f

应用方面
1，利用后方交会求外方位元素
2，利用多像像片前方交会求地面点坐标
3，进行双片测图
4，求像底点坐标
5，利用DEM制作数字正射影像图
6，利用DEM进行单张像片测图
7，进行航空影像模拟
8，光束平差法的基本数学模型
9，摄影测量中的数字投影基础

解析法相对定向：计算相对定向元素，建立地面立体模型，恢复两张像片的相对位置和姿态，保证摄影光束处处相交

数字摄影测量：利用数字灰度信号，快速确定大量同名像点，根据数学解析的方法，通过绝对定向和相对定向，确定数字地面模型，从而得到等高线，数字正射影像，并为gis提供信息，是摄影测量自动化发展的必然趋势

问题准备：
1，大学期间参与过哪些实习？
学校安排的实习有很多，在珞珈山进行过水准测量，在东湖分校和信息学部做过导线测量和碎部测量，内业方面参加过平差，城市规划原理和gis的操作实习，然后在假期还自己找了两个实习，一个是在县检测站做过沉降观测，位移观测，道路弯沉检测，混凝土试块的应力检测（最后我算了一下，年前差不多搬了3吨），另外一个是去县图书馆，帮忙他们管理机房和数据库，虽然管理的时间不长，但这几天里我找馆长学习了adobe Premier pro的视频剪辑工具，还帮他们剪了两个宣传片。差不多就这么多吧。

2，简单介绍一下毕业论文的成果
我的毕业论文是《自适应的卡尔曼滤波分析》，这本来应该是C方向的题目，但我觉得它的计算量大，理论性强，挺适合我的，对我来说是一种挑战，就接下来了。卡尔曼滤波，主要是应用在船舶，卫星和导弹的导航与轨道纠正上面，它的数学模型是一个状态方程和一个观测方程，每个历元通过观测值来修正误差，利用最优估计理论，就可以达到预测值和真实值之间的匹配，我们把它称作滤波的稳定。但这是建立在模型已知的情况下，但现实应用中，我们始终会存在模型误差和偶然误差，如果还是使用经典的卡尔曼滤波算法，就会引起滤波的发散，所以需要寻找到新的算法来弥补这种未知的情况，所以我们必须从观测值中去提取它隐含的信息。
在我的论文中，主要比较了两种算法，一种是固定窗口的算法，一种是sage－husa算法，前者设定一个窗口N，取当前历元前的N个历元，将它们加权得到后验的结果，而另一种方法是设定一个遗忘因子b，b的取值在0.95到0.995之间，每往前一个历元，就多乘一个b，并且把所有历元纳入计算。最后得到的评估结果是，固定窗口的算法，现势性比较好，只要将窗口n调小，就能把最新的历元代入计算，但这种算法抗粗差能力太差，一旦出现粗差，将会严重污染滤波结果，而sage－husa算法就可以有效的抵抗粗差，而且还可以通过调节遗忘因子b的值来灵活地控制现势性，最后的结果都写成了算例，并且用matlab得到了验证

3，讲一讲数据结构和你专业的联系

监督分类：根据先验知识和样本类别来确定分类函数的方法，称为监督分类，其中利用已知类别的数据进行分类函数的参数确定，称为学习或训练，然后再代入未知类别的数据，对其类别进行判定