遥感图像的几何校正(配准)
ENVI遥感图像处理实验教程 实验三 几何校正(影像、地形图)ok
实验三 ENVI影像的几何校正本专题旨在介绍如何在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的几何校正。
遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。
一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。
遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。
几何纠正包括两个核心环节：一是像素坐标的变换，即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。
本实验将针对不同的数据源和辅助数据，提供以下几种校正方法：Image to Map几何校正：通过地面控制点对遥感图像几何进行平面化的过程，控制点可以是键盘输入、从矢量文件中获取。
地形图校正就采取这种方法。
Image to image几何校正：以一副已经经过几何校正的栅格影像作为基准图，通过从两幅图像上选择同名点（GCP）来配准另一幅栅格影像，使相同地物出现在校正后的图像相同位置。
大多数几何校正都是利用此方法完成的。
Image to image自动图像配准：根据像元灰度值自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配准过程。
当同一地区的两幅图像由于各自校正误差的影像，使得图上的相同地物不重叠时，可利用此方法进行调整1. 地形图的几何校正（1）打开并显示地形图从ENVI主菜单中，选择file →open image file，打开3-几何校正\地形图\G-48-34-a.JPG。
（2）定义坐标从ENVI主菜单栏中，选择Map →Registration →Select GCPs：Image to map。
在image to Map Registration对话框中，点击并选择New,定义一个坐标系从ENVI主菜单栏中，选择Map →Registration →Select GCPs: Image to Map。
遥感图像配准技术与精度评定方法
遥感图像配准技术与精度评定方法引言：遥感图像是通过卫星、飞机等空中平台获取的地球表面的影像数据，它在各个学科领域中有着广泛的应用。
在实际应用中，遥感图像配准技术是一项关键的技术，它能够将多幅图像进行几何校正，以确保它们在同一坐标系下具有一致的几何特征，进而提高遥感影像的解译和分析的准确性。
本文将介绍遥感图像配准技术的原理和方法，并探讨相应的精度评定方法。
一、遥感图像配准技术原理遥感图像配准技术的基本原理是通过提取图像中的特征点，并通过匹配这些特征点来实现图像的几何校正。
根据匹配的原理和方法的不同，遥感图像配准技术可以分为点特征匹配法、区域特征匹配法和基于控制点的配准法等。
1. 点特征匹配法点特征匹配法是基于图像中的离散像素点进行配准的方法。
它通过寻找同一地物的相应像素点，并计算它们之间的几何变换关系来实现图像配准。
这种方法的优点是计算简单，但对于遥感图像中存在复杂地物和纹理的情况，点特征匹配法的效果较差。
2. 区域特征匹配法区域特征匹配法是基于图像中的纹理和结构信息进行配准的方法。
它通过提取图像中的区域特征，并计算它们之间的相似性来实现图像配准。
这种方法的优点是对遥感图像中的复杂地物和纹理有较好的适应性，但计算复杂度较高。
3. 基于控制点的配准法基于控制点的配准法是通过已知位置的控制点来实现图像配准。
它通过提取图像和参考影像中的控制点，并计算它们之间的变换关系来实现图像配准。
这种方法的优点是精度较高，但需要准确的控制点信息。
二、遥感图像配准技术方法遥感图像配准技术的方法多种多样，下面将介绍几种常用的方法。
1. 特征点提取与匹配该方法通过使用特征点检测算法（如SIFT、SURF等）来提取图像中的特征点，再使用特征点匹配算法（如RANSAC等）来进行特征点的匹配，以实现图像的配准。
2. 多尺度配准该方法通过使用金字塔多尺度图像处理方法，将原始图像金字塔进行分解，然后将不同层次的图像进行配准，逐步实现图像的几何校正。
遥感几何校正实验报告
遥感几何校正实验报告遥感几何校正实验报告一、引言遥感技术在地球科学和环境研究中起着至关重要的作用。
遥感图像的几何校正是确保图像的准确性和可用性的关键步骤之一。
本实验旨在通过对遥感图像进行几何校正，探索校正过程中的方法和技术。
二、实验目的1. 了解遥感图像的几何校正原理和意义；2. 掌握几何校正的基本步骤和技术；3. 分析几何校正对遥感图像质量的影响。
三、实验材料与方法1. 实验材料：- 遥感图像数据集；- 几何校正软件。
2. 实验方法：- 导入遥感图像数据集；- 对图像进行几何校正；- 分析校正前后图像的差异。
四、实验过程与结果1. 数据导入：在几何校正软件中导入遥感图像数据集，确保图像能够正确显示。
2. 几何校正：根据几何校正软件的操作指南，按照以下步骤进行几何校正：a) 选择合适的控制点：根据图像中的特征选择控制点，以确保校正的准确性；b) 校正图像：通过对控制点进行配准，对图像进行几何校正；c) 评估校正结果：查看校正后的图像，与原始图像进行对比，评估校正的效果。
3. 结果分析：a) 观察校正后的图像：比较校正前后图像的差异，注意观察图像的形状、位置和尺度是否发生变化；b) 分析校正效果：根据观察结果，评估几何校正的效果。
若图像形状、位置和尺度变化较小，说明校正效果较好；c) 讨论校正结果：讨论校正结果对后续遥感分析的影响，如地物提取、变化检测等。
五、讨论与总结几何校正是遥感图像处理的重要步骤，能够提高图像的准确性和可用性。
本实验通过对遥感图像进行几何校正，探索了校正过程中的方法和技术。
校正后的图像形状、位置和尺度变化较小，说明校正效果较好。
几何校正结果对后续遥感分析有重要影响，能够提高地物提取和变化检测的精度。
然而，几何校正过程中仍存在一些挑战和限制。
例如，控制点的选择和配准的准确性对校正结果至关重要。
此外，校正过程中可能出现图像畸变和信息丢失的情况，需要在校正结果的评估中进行综合考虑。
遥感影像几何校正
ENVI的图像配准与几何校正工具允许你将图像定位到地理坐标上，并校正它们使其与基图像几何形状相匹配。
图像可以用Rotate/Flip Data 菜单项在配准以前进行旋转。
通过使用全分辨率(主图像) 和缩放窗口选择地面控制点（GCPs），来进行图像－图像和图像－地图的配准。
基图像和未校正图像的GCPs 的坐标被显示，伴随有特定纠正算法计算的误差项。
纠正用重采样、缩放和平移，多项式函数或德洛内三角测量（RST）实现。
支持的重采样方法包括最近邻、双线性和立方体卷积。
用ENVI 的多个动态覆盖能力，对基图像和纠正图像进行比较，可以快速估价配准精度。
参阅ENVI Tutorial ImageGeoreferencing and Registration 中有关图像配准的详细描述。
镶嵌允许多个图像插入到一个用户定义了大小和坐标的基图像中。
独立图像或多波段图像文件被输入，且放到图像或地图坐标中或用鼠标确定位置。
输出的镶嵌特征可以用图幅显示，且能进行交互式调整。
用ENVI 可以进行虚拟镶嵌，这使你不必将数据的两个副本存到磁盘上。
羽化技术能用于混合图像边界，进行无缝镶嵌。
镶嵌模板可以被存储，用于其它图像。
ENVI 配准、校正和镶嵌功能可以从ENVI 的主菜单中的Register 菜单里选择。
Select Ground Control Points (选择地面控制点)在菜单Register 里的Select Ground Control Points菜单项允许交互式选择地面控制点（GCPs），并对单一波段图像或多波段文件纠正。
这一工具允许对不同控制点和纠正项进行原形恢复和检验。
支持图像-图像和图像-地图的配准。
详细步骤参见ENVI Tutorial ImageGeoreferencing and Registration 中的图像配准例子。
Image-to-Image Registration (图像-图像的配准)图像-图像配准需要两幅图像均打开。
遥感图像的几何校正实验报告
实验报告实验名称：遥感图像的几何校正课程名称：《遥感导论》教师：院系：矿业工程学院班级：姓名：遥感图像的几何校正实验报告一、实验目的通过实习操作，掌握遥感图像几何校正的基本原理和和方法，理解遥感图像几何校正的意义。
二、实验环境操作系统：windows 8.1软件：ENVI 4.3三、实验内容ERDAS 软件中图像预处理模块下的图像几何校正几何校正的必要性：由于遥感平台位置和运动状态的变化、地形起伏、地球表面曲率、大气折射、地球自转等因素的影响，遥感图像在几何位置上会发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变，称为遥感图像的几何畸变。
产生畸变的图像给定量分析及位置配准造成困难，因此在遥感数据接收后需要对图像进行几何校正以使其能够反映出接近真实的地理状况。
几何校正的原理：遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像。
在本次实验中采用的是Polynomial(多项式变换)的模型，通过在遥感影像和参考图像上分别选取相应的控制点，求出二元二次多项式函数：25243210'25243210'y b x b xy b y b x b b y y a x a xy a y a x a a x +++++=+++++=，得到变换后的图像坐标（x ′,y ′）与参考图像坐标的关系，从而对图像进行几何校正。
实验步骤：运行ENVI 软件第一步：显示图像文件从ENVI 主菜单中，选择File —— Open Image File 当Enter Data Filename文件选择对话框出现后，选择进入当前目录下的"几何校正"子目录，从列表中选择bldr_tm.img和bldr_sp.img文件。
遥感影像的几何校正和特征提取方法
遥感影像的几何校正和特征提取方法遥感影像是通过遥感技术获取的地球表面信息的图像或图像组。
由于数据获取过程中存在各种误差，如地球自转、大气扰动、平台运动等，遥感影像在获取后需要进行几何校正以提高图像的质量和精度。
此外，为了进一步分析遥感影像中的信息，特征提取是必需的，可以帮助科学家从图像中提取有关地理特征的信息。
一、遥感影像的几何校正方法1. 大地控制点法：这是一种常用的几何校正方法，通过确定遥感影像上一系列具有已知地理坐标的地物进行配准。
通过收集大量的地面控制点，利用全球定位系统（GPS）等技术获取精确的地理坐标，然后将遥感影像转化为地理坐标系统，实现几何校正。
2. 特征点匹配法：该方法利用遥感影像与参考图像之间的特征点进行匹配。
通过提取遥感影像和参考图像的特征点，并使用特征匹配算法对两幅图像进行配准，从而实现几何校正。
3. 数字高程模型法：该方法利用数字高程模型（DEM）来进行几何校正。
DEM是一种用来表示地表地形高程信息的数学模型。
通过提取遥感影像上的地物高程信息，并结合DEM数据，可以实现对遥感影像的几何校正。
二、遥感影像的特征提取方法1. 阈值分割：该方法基于像素间的灰度差异来实现特征提取。
通过设置适当的阈值，将像素灰度值划分为不同的区域，从而提取出感兴趣的特征。
例如，可以利用阈值分割方法提取出水体、植被等特征。
2. 目标识别和分类：该方法通过使用机器学习算法来实现对遥感影像中的目标进行识别和分类。
常用的机器学习算法包括支持向量机（SVM）、随机森林（RF）等。
通过对已标记的训练样本进行训练，然后对遥感影像进行分类，可以实现对特定目标的提取和分类。
3. 特征融合：该方法通过将多个特征进行融合，提高特征提取的准确性和稳定性。
常用的特征融合方法包括主成分分析（PCA）、小波变换、人工神经网络等。
通过将多个特征进行组合和处理，可以提取出更具辨识度的特征。
4. 目标检测：该方法通过一系列图像处理和模式识别技术来实现对目标的检测。
遥感图像配准实验报告
用SPOT校正TM数据，附操作过程截图和校正后TM影像图片
[体会及建议]
通过本次试验熟悉在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的配准和影像到地图的校正。在实验过程中移动光标，查看坐标值，要小心谨慎注意地图坐标和经纬度之间的关系。以免出现错误。
（2）通过计算机操作与地理知识的结合增强对地理学科的兴趣，为以后继续从事相关工作奠定基础。
（3）树立地理学思想，理解并掌握地理学科的学习、实践的方法。
二、实验内容
遥感图像的几何校正，IHS融合方法。
三、实验准备
（1）IHS融合: IHS融合法是比较常用的一种融合方法。其基本原理是首先将空间分辨率
较低的三个多光谱影像变换到IHS彩色空间，得到明度（I），色别（H）和饱和度（S）三个分量；然后将高空间分辨率影像进行对比度拉伸，达到与I分量具有相同的均值和方差；再将处理后的高空间分辨率影像替换I分量，作IHS逆变换后就得到融合后的影像。
篇三：遥感实验报告
实验报告（实验一）
[实验名称]ENVI窗口的基本作
[实验目的与内容]
实验目的
熟悉ENVI软件的窗口操作方法，掌握影像信息、像元信息浏览方法，影像上距离和面积量算方法。实验内容
1、熟悉遥感图像处理软件ENVI的窗口基本操作。2、查看影像信息和像元信息。3、距离测量与面积测量。
[实验数据处理及成果]
遥感图像配准实验报告
篇一：遥感图像处理实验报告
《遥感数字图像处理》
实习报告
学院：环境与资源学院
班级：地理1002
学号：周颖智
姓名：20101171
西南科技大学环境与资源学院遥感实习…………………......2
遥感数字图像处理-第6章 几何校正
二、几何校正原理
几何校正涉及两个过程： ➢ 一是空间位置（像元坐标）的变换 ➢ 二是像元灰度值的重新计算（重采样）
4
二、几何校正原理
坐标转换 （a）直接法；（b）间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据，回避了成像的空间 几何过程，主要借助地面控制点实现校正。其主要校正步 骤为：
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点：图像匹配 重点：几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像（数据），经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点（GCP），按照GCP选择原则，在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型，利用选择的GCP数据求取校正模型的参数，
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择，图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的，即都涉及到空间位置（像 元坐标）变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同：几何校正注重的是数据 本身的处理，目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图（数据）之间的一种几何关系，其目的是为 了和参考数据达成一致，而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外，几何校正更像前期数据处理，几何配准更像 后期处理。
envi遥感图像处理之几何校正
ENVI之几何校正
——影像到影像的配准步骤一：配准点的选取
1.打开待校正遥感影像与基准遥感影像
2.将基准影像和待校准影像在窗口中打开
3. 进行配准点的选取
1） 打开ENVI 主菜单的MAP —>Registration —>Select
GCPs:Image to Image ，启动影像到影像的校准窗口，选择基准影像和待校准影像
2） 进行对应点的选取和映射函数的次数的选取
在两幅遥感影像中选择同名点，例如山顶、小路的拐点、湖泊的边缘的拐点等，n次多项式，控制点的最少数目m = (n + 1) (n + 2)/2。
本实验中以选取一次多项式为例，按公式计算，选取一次多项式至少需要3个点来进行校准，本实验总共选取了8个点
八个点的校准情况如上图所示，总的均方根误差为0.43<1，所以校准的精度符合要求。
步骤二：遥感影像的校准
1.打开影像校准对话框：在控制点选取对话框的菜单栏中选择
Options—>Wrap File…，选择待校准的影像
2.出现校准重采样的对话框
可以进行重采样方法的选择，在Resamping中选择重采样方法：最近邻法，双向线形内插法和三次卷积内插法中选一。
最邻近法校正线形内插法
三次卷积内插法
3.至此，遥感影像到遥感影像的校正完成。
高精度遥感图像配准技术的步骤与要点
高精度遥感图像配准技术的步骤与要点遥感图像是采用遥感技术获取的地球表面的影像数据，广泛应用于农业、城市规划、环境监测等领域。
然而，由于遥感图像的采集方式和角度的差异，导致不同图像之间存在空间上的差异，使其无法直接进行比较和分析。
因此，对遥感图像进行精确配准是十分重要的。
本文将介绍高精度遥感图像配准技术的步骤与要点。
一、图像预处理在进行图像配准之前，需要对原始图像进行一些预处理操作，以便提高配准的准确性和可靠性。
首先，应该对图像进行几何校正，消除由于摄影条件、飞行姿态等因素引起的图像畸变。
其次，还需进行边缘增强、噪声抑制、图像增强等预处理操作，以提高图像质量。
二、特征提取与匹配特征提取是图像配准的核心步骤之一。
通过提取图像中的显著特征点或特征区域，可以为后续的图像匹配提供准确的依据。
在遥感图像配准中，常用的特征提取算法包括SIFT（尺度不变特征变换）、SURF（速度ed密度特征）等。
在特征提取之后，需要对两幅图像中的特征点进行匹配，找出相对应的点对。
匹配的准确性对于配准结果的精度至关重要。
三、几何变换模型选择几何变换模型的选择是遥感图像配准的一个重要环节。
根据图像之间的几何关系和变换特点，选择合适的几何变换模型可以更好地实现图像配准。
常见的几何变换模型包括刚体变换、相似变换、仿射变换和透视变换。
根据不同的应用场景和实际要求，选择适当的几何变换模型非常关键。
四、控制点选取与精确匹配控制点选取是配准的重要一步。
通过选取图像中的一些具有空间位置、形状、纹理等特征的明显地标点，作为控制点进行匹配，可以提高配准的准确性。
控制点的选取需要尽可能均匀地分布在图像中，尽量避免集中在某一区域。
在匹配时，应使用一些精确的匹配算法，如最小二乘法、RANSAC（随机一致性算法）等，以提高匹配的精度。
五、图像优化与验证配准后的图像可能存在一些小的误差或畸变。
为了进一步提高配准的质量和精度，可以通过图像优化算法对配准结果进行优化。
遥感影像的几何校正与配准技巧
遥感影像的几何校正与配准技巧遥感技术作为一种可以获取地球表面信息的非接触式观测手段，有着广泛的应用领域，包括地质勘探、环境监测、农业与林业资源调查等等。
然而，在应用遥感影像数据时，由于地球表面的形状和地球的自转等因素的存在，所得到的遥感影像会存在一定的几何失真。
因此，准确的几何校正和配准是遥感影像处理的一个重要环节。
本文将着重讨论几何校正和配准的技巧。
一、几何校正的原理与方法几何校正是指通过一系列的数学运算将影像的像素坐标与地理坐标相对应，以纠正影像中存在的几何失真。
几何失真主要包括平面失真和高程失真两个方面。
对于平面失真，传统的几何校正通常采用多个地物控制点进行平差，利用其坐标信息与遥感影像中相应位置的像素坐标进行对应，然后通过空间插值等方法对整个影像进行校正。
然而，由于地物控制点的选取和标定过程中存在一定的误差，传统的几何校正方法往往需要较高的精度要求和耗费大量的人力物力，且受限于地物控制点的分布密度和分布均匀性。
为了克服传统几何校正方法的不足，近年来出现了基于传感器模型的几何校正方法。
这种方法主要利用传感器的外方位元素和内方位元素，构建传感器模型，通过解模型方程求解像点的地理坐标，从而实现几何校正。
相比传统方法，基于传感器模型的几何校正方法不依赖于地物控制点，减少了传感器模型参数的确定和标定过程中的人工干预，提高了几何校正的自动化程度和精度。
二、影像配准的原理与方法影像配准是指将两幅或多幅影像通过平移、旋转、缩放、拉伸等运算将其坐标系进行相匹配，以实现不同影像之间的对应关系。
影像配准主要包括区域配准和特征点匹配两种方法。
对于区域配准，其原理是通过比较两幅或多幅影像中的像素值差异来确定其空间关系。
最简单的区域配准方法是直接比较影像中的像素值，根据差异来计算影像的平移、旋转和缩放参数。
然而，由于受到外部因素（如大气、云和阴影）的影响，图像的像素值会存在一定的变化，因此直接比较像素值的方法并不稳定。
几何校正,正射校正,影像配准,辐射定标,辐射校正,大气校正,地形校正概念详解
几何校正，正射校正，影像配准，辐射定标，辐射校正，大气校正，地形校正概念详解以下是这些校正和定标的概念详解：1. 几何校正：是指遥感成像过程中，受多种因素的综合影响，原始图像上地物的几何位置、形状、大小、尺寸、方位等特征与其对应的地面地物的特征往往是不一致的，这种不一致就是几何变形，也称几何畸变。
几何校正是通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。
2. 正射校正：是对影像进行几何畸变纠正的一个过程，它将对由地形、相机几何特性以及与传感器相关的误差所造成的明显的几何畸变进行处理。
正射校正一般是通过在像片上选取一些地面控制点，并利用原来已经获取的该像片范围内的数字高程模型(DEM)数据，对影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。
3. 影像配准：是指对同一区域内以不同成像手段所获得的不同影像图形在同一地理坐标的匹配。
包括几何纠正、投影变换与统一比例尺三方面的处理。
在多时相、多信息的复合综合分析时常需进行各种配准处理，例如在多光谱影像进行彩色合成时，必须进行不同波段影像的配准，以保证相同景物的有关像元能一一对应，使结果准备可靠。
4. 辐射定标：是遥感数据处理中的一个关键步骤，旨在将原始遥感数据的数字值转换为具有物理意义的辐射度或反射率值。
这个过程是为了确保不同时间和传感器采集的遥感数据具有一致的标度，使其可以用于定量分析和比较。
5. 辐射校正：是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。
辐射误差产生的原因可以分为传感器响应特性、太阳辐射情况以及大气传输情况等。
6. 大气校正：是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。
ENVI遥感图像的几何校正
遥感图像的几何校正（配准）1.实验目的与任务：（1）理解几何校正的原理；（2）学习使用 ENVI 软件进行几何校正；2.实验设备与数据：设备：遥感图像解决系统 ENVI数据：TM 数据3几何校正的过程：注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配准或几何校正。
1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2 中打开；2.在主菜单上选择map->Registration->select GCPs：image to image3 .出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。
BASE 图像指参考图像而warp 则指待校正影像。
选择OK!4.现在就能够加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方，就能够选择ADD POINT 添加点了。
（PS：看不清出别忘记放大）如果要放弃该点选择右下脚的delete last point，或者点show point 弹出image to image gcp list 窗口，从中选择你要删除的点，也能够进行其它诸多操作，自己慢慢研究，呵呵。
选好4 个点后就能够预测：把十字叉放在参考影像某个地物，点选predict 则待校正影像就会自动跳转到与参考影像相对应的位置，而后再进行合适的调节并选点。
5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII..固然你没有选完点也能够保存，下次就直接启用就能够：ground control points->file->restore gcps from ASCII...6.接下来就是进行校正了：在ground control points.对话框中选择：options->warp file(as image to map)在出现的imput warp image 中选中你要校正的影像，点ok 进入registration parameters对话框：首先点change proj 按钮，选择坐标系然后更改象素的大小，如果本身就是你所需要大小则不用改了最后选择重采样办法（resampling）,普通都是选择双线性的（bilinear），最后的最后选择保存途径就OK 了遥感图像的监督分类1 实验的目的和任务1）理解遥感图像计算机分类的原理和办法；2）掌握监督分类的环节和办法。
遥感图像的几何校正实验
遥感图像的几何校正实验报告1．实验目的和内容实验目的：学习如何使用ENVY中Image to Image和Image to Map两种方法对遥感图像进行几何校正，了解掌握遥感图像几何校正的基本原理和和方法，理解遥感图像几何校正的意义。
实验内容：（1）Image to Image以一副已经经过几何校正的栅格文件作为基准图，通过从二幅图像上选择同名点（或控制点）来配准另外一幅栅格文件，使相同地物出现在校正后的图像相同位置。
（2）Image to Map通过地面控制点对遥感图像几何进行平面化的过程，控制点可以是键盘输入，从矢量文件中获取或者从栅格文件中获取。
2．图像处理方法和流程A. Image to Image1、加载影像，打开ENVI，file>>open image file，加载待校正影像与已校正影像。
2、启动几何校正模块Map>>Registration>>Select GCPs:Image to Image，打开几何校正模块。
选择显示base.img文件的Display为基准影像（Base Image），显示uncorrected.img文件的Display为待校正影像（Warp Image）点击OK3、采集地面控制点（1）在两个Display中找到相同区域，在Zoom窗口中，将十字光标定位到相同点上，点击Ground Control Points Selection上的Add Point按钮，将当前找到的点加入控制点列表。
（2）当选择一定数量的控制点之后（至少3个），利用自动找点功能。
Ground Control Points Selection窗口>>Options>>Automatically Generate Tie Points，选择一个匹配波段点击OK。
（3）Image to Image GCP List窗口>>Options>Order Points by Error，按照RMS值有高到底排序。
几何校正和配准的异同
几何校正和配准的异同实际上两者的过程完全一样，只有意义和目的不同。
配准只要求一图像与另一幅图像配准，而不在乎该参考图像的几何精度高与否，只求两图像的对应位置坐标一致。
而几何纠正，要求参考图像的几何精度要很高，达到一定的要求。
如果配准的参考图像几何精度很高，那么他同时也进行了几何纠正。
对于配准，还有一个问题就是在保存配准文件的时候有两种选择：一是保存到原图像中，一种是另存为别的文件。
如果要保存到别的文件中那么要手工输入该图像的投影，此投影应与参考图像一致。
转自：/viewdiary.41442192.html在论坛上看到有人讨论几何校正和几何配准的区别，原文如下：几何校正与几何配准有什么区别？我在其他论坛上看到“其实几何校正和影像配准原理是一样的，几何校正是借助一组地面控制点，对一幅图像进行地理坐标的校正；把影像纳入一个投影坐标系中，有坐标信息地理参考；影像配准是用一影像对另一幅图像的校准，一式两幅图像的同名像元配准”，如果写的对的话，我觉得几何配准其实也是一种几何校正。
我的感觉配准是相对不同影像之间的处理，几何校正是对数据自己的处理。
为了进一步明确两者的区别，在Baidu，Google上进行了搜索，将其总结的定义记录如下：1、几何校正geometric rectification; geometric correction;是指消除或改正遥感影像几何误差的过程。
遥感影像的几何畸变，大体分为两类：①内部畸变。
由传感器性能差异引起，主要有：比例尺畸变（a），可通过比例尺系数计算校正；歪斜畸变（b），可经一次方程式变换加以改正；中心移动畸变（c），可经平行移动改正；扫描非线性畸变（d），必须获得每条扫描线校正数据才能改正；辐射状畸变（e），经2次方程式变换即可校正；正交扭曲畸变（f），经3次以上方程式变换才可加以改正；②外部畸变。
由运载工具姿态变化和目标物引起。
包括：由运载工具姿态变化（偏航、俯仰、滚动）引起的畸变，如因倾斜引起的投影畸变（g），可用投影变换加以校正；因高度变化引起的比例尺不一致（h），可用比例尺系数加以改正；由目标物引起的畸变，如地形起伏引起的畸变（i），需要逐点校正；若因地球曲率引起的畸变（j），则需经2次以上高次方程式变换才能加以改正。
浅析遥感图像的几何校正原理及方法
浅析遥感图像的几何校正原理及方法作者：张伟;曹广超来源：《价值工程》2011年第02期摘要：几何校正，就是清除遥感图像中的几何变形，是遥感影像应用的一项重要的前期处理工作。
本文简单分析了几何校正的原理和基本方法，并以ERDAS软件为例，对青海海东地区遥感影像进行了几何校正，从而直观地表述了遥感图像几何校正的完整过程。
结果表明，几何校正的精度受多方面因素影响，最主要的是控制点GCP的选取数量和选取位置。
本次校正精度小于0.5个像元，符合要求。
Abstract: Geometric correction, is to remove the geometric distortion of remote sensing images, is an important pre-processing in the application of remote sensing image. This paper discusses the principles and basic methods of the geometric correction, corrects the Haidong prefecture in Qinghaiwith ERDAS software, and visually represents the full process of geometric correction. The results show that the precision of geometric correction are affected by many factors, most notably the number and locationof GCP selected. The calibration accuracy is less than 0.5 pixel, which conforms to requirements.关键词：遥感；ERDAS；几何校正；GCPKey words: remote sensing；ERDAS；geometric correction；GCP中图分类号：TP7文献标识码：A文章编号：1006-4311（2011）02-0189-020引言遥感（Remote Sensing）20世纪60年代发展起来的对地观测综合性技术。
遥感图像影像几何校正方法与精度评价
遥感图像影像几何校正方法与精度评价遥感技术是一种通过航空器或卫星获取地球表面信息的技术手段。
为了获得准确的地理空间信息，遥感图像需要经过几何校正。
本文将介绍几种常用的遥感图像影像几何校正方法，并探讨它们的精度评价。
一、几何校正方法1. 多点校正法多点校正法是一种常用的几何校正方法。
它通过在图像中选择多个控制点，然后根据这些控制点在现实地面上的坐标，使用几何变换公式进行图像的几何校正。
这种方法简单易行，适用于中等分辨率的图像。
2. 数字高程模型校正法数字高程模型校正法是一种基于数字高程模型的几何校正方法。
首先，通过获取地面的数字高程模型，然后将图像与数字高程模型进行配准，最后进行几何校正。
这种方法的优点是精度较高，适用于高分辨率的图像。
3. 惯导校正法惯导校正法是一种利用航空器或卫星的惯性导航系统进行几何校正的方法。
惯性导航系统可以测量航空器或卫星的姿态和位置信息，根据这些信息对图像进行几何校正。
这种方法的精度较高，适用于航空器或卫星上配备有惯性导航系统的情况。
二、精度评价几何校正的精度评价是衡量几何校正过程中误差大小的方法。
常用的评价指标有均方根误差（RMSE）和控制点定位精度。
1. 均方根误差（RMSE）均方根误差是通过对校正前后的像素位置误差进行统计分析得到的一个指标。
它是校正后图像中所有像素位置误差的平方和的开方。
均方根误差越小，表示几何校正的精度越高。
2. 控制点定位精度控制点定位精度是通过选取一组已知坐标的控制点，然后对校正后图像中的相应像素进行位置测量，计算其与控制点的位置误差。
控制点定位精度越小，表示几何校正的精度越高。
三、案例分析以一幅航拍图像为例，使用多点校正法、数字高程模型校正法和惯导校正法进行几何校正，并对校正后的图像进行精度评价。
多点校正法得到的校正图像的RMSE为0.5个像素，控制点定位精度为2米。
数字高程模型校正法得到的校正图像的RMSE为0.2个像素，控制点定位精度为0.5米。
如何进行遥感影像的几何校正和地理配准
如何进行遥感影像的几何校正和地理配准遥感影像的几何校正和地理配准是遥感技术中非常重要的一个环节。
几何校正和地理配准的目的是将获取的遥感影像与现实世界的地理坐标系统对应起来，从而使得影像能够准确反映地球表面的实际情况。
本文将简要介绍几何校正和地理配准的基本原理和方法。
一、几何校正的基本原理几何校正是指将采集到的遥感影像与地球表面上的真实位置和方位对应起来，以实现影像的几何纠正。
其基本原理是通过确定遥感影像上的控制点与地面上的实际地理位置之间的对应关系，利用数学模型进行坐标转换，从而将影像上的像元像素与地面上的实际位置相匹配。
几何校正主要包含以下步骤：1. 收集控制点数据：通过测量或者利用现有的地理信息数据，收集一定数量的具有已知地理位置的控制点。
2. 提取影像上的控制点：在遥感影像上选取与地面控制点对应的像素点，并记录其影像坐标。
3. 建立坐标转换模型：通过控制点的影像坐标与地面坐标之间的对应关系，建立影像坐标到地理坐标的转换模型。
常用的转换模型包括线性变换模型、多项式变换模型、拟合曲线模型等。
4. 进行坐标转换：利用建立的转换模型，将整幅影像上的像元像素坐标转换为地理坐标。
5. 评估校正效果：通过计算实际地理位置与影像上的校正位置之间的误差，评估校正的效果。
二、地理配准的基本原理地理配准是指将采集到的遥感影像与已知地理位置的地理信息数据对齐，以实现影像的地理配准。
其基本原理是通过对影像进行几何变换，使得影像上的像元像素与地理信息数据上的地理位置相匹配。
地理配准主要包含以下步骤：1. 收集参考数据：收集一定数量的具有已知地理位置的地理信息数据，作为参考数据。
2. 提取影像和地理信息数据上的特征点：在遥感影像和地理信息数据上分别提取特征点，通常利用一些图像处理算法或特征提取算法来完成。
3. 特征匹配：对影像和地理信息数据上的特征点进行匹配，建立两者之间的对应关系。
4. 建立几何变换模型：根据匹配的特征点对，建立影像和地理信息数据之间的几何变换模型，常用的模型包括仿射变换、投影变换等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感图像的几何校正（配准）
1.实验目的与任务：
（1）了解几何校正的原理；
（2）学习使用ENVI软件进行几何校正；
2.实验设备与数据：
设备：遥感图像处理系统ENVI
数据：TM数据
3 几何校正的过程：
注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配
准或几何校正。
1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；2．在主菜单上选择map->Registration->select GCPs：image to image
3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。
BASE图像指参考图像而warp则指待校正影像。
选择OK!
4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方，
就可以选择ADD POINT添加点了。
（PS：看不清出别忘记放大）如果要放弃该点选择
右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择
你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。
选好4个点后就可以
预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参
考影像相对应的位置，而后再进行适当的调整并选点。
5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII..
当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII...
6.接下来就是进行校正了：在ground control points.对话框中选择：
options->warp file(as image to map)
在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters
对话框：
首先点change proj按钮，选择坐标系
然后更改象素的大小，如果本身就是你所需要大小则不用改了
最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
遥感图像的监督分类
1 实验的目的和任务
1）理解遥感图像计算机分类的原理和方法；
2）掌握监督分类的步骤和方法。
2.实验设备与数据：
设备：遥感图像处理系统ENVI
数据：ENVI自带的数据
3 实验内容：遥感图像监督分类。
监督分类（Supervised Classification）用于在数据集中根据用户定义的训练样本类别（Training Classes）聚类像元。
训练样本类别是像元的集合或者单一波谱，通常的训练区采用ROI来选择，而且应该尽可能的选择纯净的感兴趣区域。
具体的操作参考以下图和步骤：
1）、类别定义/特征判别
根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。
这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。
2）、样本选择
为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得，或者利用终端像元收集器（Endmember Collection）获得。
本例中使用ROIs方法，打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。
如图18所示，设置好颜色和类别名称（支持中文名称）。
在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。
如图19所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。
训
练样本的选择
样本可分离性计算报表
3）、分类器选择
根据分类的复杂度、精度需求等确定哪一种分类器。
目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。
4）、影像分类
基于传统统计分析的分类方法参数设置比较简单，这里选择支持向量机分类方法。
主菜单下选择Classification > Supervised > Support Vector Machine。
按照默认设置参数输出分类结果，如图21所示。
支持向量机分类器参数设置
支持向量机分类结果
5）、分类后处理
分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。
（1)更改类别颜色
可以在Interactive Class Tool面板中，选择Option->Edit class colors/names更改，也可以在Display->Color Mapping->Class Color Mapping。
如下图所示，直接可以在对应的类别中修改颜色。
也可以根据一个显示的RGB影像来自动分配类别颜色，打开主菜单->Classification->Post Classification->Assign Class Colors。
类别颜色的更改
类别颜色更改后的效果
自动颜色更改的效果图
（2)分类统计分析
主菜单->Classification->Post Classification->Class Statistics。
如图11所示，包括基本统计：类别的像元数、最大最小值、平均值等，直方图，协方差等信息。
分类结果统计
（3)小斑点处理（类后处理）
运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有Majority/Minority分析、聚类（clump）和过滤（Sieve）。
这些工具都可以在主菜单->Classification->Post Classification中找到。
Majority/Minority分析和聚类（clump）是将周围的“小斑点”合并到大类当中，过滤（Sieve）是将不符合的“小斑点”直接剔除。
如下图为Majority分析的结果。
类后处理结果图
4)栅矢转换
打开主菜单->Classification->Post Classification->Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者主菜单->Vector->Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件.
栅矢转换面板。