遥感影像几何校正
实验遥感影像的几何校正
实验遥感影像的几何校正简介遥感技术是通过获取遥感影像和数据对地面资源进行探测、监测和评估的一种空间信息技术。
遥感影像是一种带有几何畸变的二维投影图像，其中可能出现伸缩、扭曲、歪斜等问题。
因此，为了更精确地进行信息提取和分析，需要进行几何校正以使影像像素遵循真实地物在地球表面的几何位置分布规律。
实验遥感影像的几何校正是遥感技术学习中重要的一环，本文将介绍实验遥感影像的几何校正的基本概念和方法。
几何校正的基本概念几何校正主要包括校正模型的建立和校正参数的计算。
在进行几何校正之前，需要先确定地面控制点（GCP）和栅格坐标，然后以GCP为基础建立校正模型，计算校正参数，最终将原始影像像素校正为符合真实地物在地球表面位置分布规律的栅格影像。
几何校正的具体流程如下：1.确定GCP：GCP是几何校正的基础，一般应该选取光线影响较小的地物进行标注，例如道路交叉口、建筑物边角等。
标注时需要保证正方向一致，以实现最佳标注效果。
2.建立校正模型：GCP标注完成后，需要以这些GCP为基础建立几何校正模型。
在建立校正模型时，可以使用任意至少3个GCP的组合，其中至少包含一个控制点。
常用的校正模型有仿射变换模型、投影变换模型和多项式变换模型等。
3.计算校正参数：建立校正模型后，需要基于该模型计算校正参数，一般来说，校正参数是指实际地物坐标和栅格影像像素坐标之间的转换参数。
根据不同的校正模型，计算校正参数的方法也不同。
4.生成新影像：计算出校正参数后，需要进行像素级别的校正，使原始影像符合真实地物在地球表面位置分布规律，从而生成新的栅格影像。
几何校正的常用方法实验遥感影像的几何校正方法包括：仿射变换模型在实验中，仿射变换模型适用于影像伸缩和旋转校正，可以通过3个或4个GCP实现，其变换公式为：Xa = a1X + a2Y + a3Ya = a4X + a5Y + a6其中，Xa和Ya为校正后的像素坐标，X和Y为未校正的像素坐标，a1、a2、a3、a4、a5、a6是校正参数。
遥感影像的几何校正方法与技巧
遥感影像的几何校正方法与技巧遥感影像是通过遥感技术获取到的地球表面的图像信息。
在遥感应用中，几何校正是一项非常重要的工作，它可以提高遥感影像的地理准确度和精度。
几何校正是指将影像与地理坐标系统进行一致性匹配，消除由于卫星平台姿态、扫描仪器误差等因素引起的像素位置偏差，使得影像能够准确地反映地球表面的真实位置。
一、几何校正的方法1. 基于控制点的校正方法这是最常用的几何校正方法，它通过选取一些地面上具有已知地理位置的标志物作为控制点，然后通过对其在影像上的位置进行测量，计算出转换参数，从而实现影像校正。
常见的控制点包括标志物、道路、河流等。
2. 基于全局栅格校正方法全局栅格校正方法是一种较为简单但精度相对较低的方法，它通过对整个影像进行平移、旋转和缩放等操作，以使校正后的影像与地理坐标系统的一致性较好。
3. 基于形变模型的校正方法除了平移、旋转和缩放等刚性变换外，影像在校正过程中往往还需要进行非刚性的形变操作，以适应地貌复杂、存在高程变化的地区。
基于形变模型的校正方法可以通过建立影像的形变模型，对不同区域进行适应性校正，从而提高几何校正的精度。
二、几何校正技巧1. 标志物选取的注意事项在进行几何校正时，选择合适的标志物对于提高校正精度至关重要。
应选择具有明显几何形状、易于在影像上检测和测量的标志物，例如明显的道路交叉口、建筑物的棱角等。
此外，这些标志物应分布在整个影像区域内，避免出现局部区域校正误差过大的情况。
2. 利用地形高程信息进行校正地形高程信息对于影像的几何校正具有重要作用。
在进行几何校正时，如果有数字高程模型（DEM）数据可用，可以将地形高程信息与影像的几何信息相结合，从而进一步提高几何校正的精度。
3. 考虑大气影响大气对于遥感影像的几何校正同样具有一定的影响。
在进行几何校正前，应先进行大气校正，消除大气造成的影响，提高校正精度。
4. 多尺度校正在进行几何校正时，可以考虑多尺度校正，即根据不同的应用需求，对不同尺度的影像进行校正处理。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
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。
遥感卫星影像图的几何校正
何精校正。
几何粗校正是针对造成畸变的原因进行的校正，我们得到的卫星遥感数据一般都是经过几何粗校正处理的。
几何精校正是利用地面控制点进行的几何校正，它是用一种数学模型来接近描述遥感图像的几何畸变过程，并利用标准图像和畸变的遥感图像之间的一些对应点（地面控制点数据）确定几个几何畸变模型，然后利用此模型进行几何畸变的校正，这种校正不考虑畸变的具体形成原因，而只考虑如何让利用畸变模型来校正遥感图像由于几何校正后的影像可以用于提取精却的距离、多边形面积以及方向等信息，同时可以建立遥感提取的信息与地理信息系统（GIS）或空间决策支持系统（SDSS）中其他专题信息之间的联系，所以对遥感数据进行预处理，消除几何畸变是十分重要的。
二、研究方法遥感影像一般存在内部误差和外部误差，识别内外部误差源以及他们是系统误差还是随机误差非常重要。
一般来说，内部误差引起的畸变通常是系统性的、可预测的，外部误差引起的畸变通常是随机的。
系统误差通常比较容易改正，方法简单，而随机误差相对复杂，所以本文主要是讨论随机误差的几何校正。
1，内部误差的产生原因及消除方法内部误差引起的几何畸变主要包括：地球自转引起的偏差、扫描系统引起的标称地面分辨率变化、扫描系统一维高程投影差、扫描系统切向比例畸变。
对于地球自转引起的偏差，通常进行偏差校正，偏差校正就是将影像像幅中的像元向西做系统的位移调整，改正卫星传感器系统的角速度和地表线速度的相互作用。
扫描系统引起的标称地面分辨率变化主要是指亚轨道多光谱扫描系统，由于距星下点越远，地面分辨率就越低，所以大多数科学家主要使用横向扫描数据·幅中央70%的区域（星下点左右各35%）。
在星下点曝光瞬间，垂直航摄相片仅有一个位于飞行器正下方的像主点，这种透视几何关系使得所有高于周围地面的目标地物会出现从像主点向外放射状分布的不同程度的平面维系。
这就产生了扫描系统一维高程投影差。
由于扫描镜匀速旋转，传感器扫描星下点的地理距离要比影像边缘区域的短，这就使垂直于轨道方向的一个轴发生了压缩。
提高遥感影像几何纠正的精度的方法
提高遥感影像几何纠正的精度的方法1. 高精度地面控制点：在遥感影像几何纠正过程中，使用高精度测量的地面控制点是提高几何纠正精度的关键。
这些控制点应该具有稳定的地理位置，并采用精确的测量方法进行定位。
2. 精确的数字地面模型（DEM）：准确的DEM可以提供地表高程的精确信息，从而帮助更准确地纠正遥感影像的几何畸变。
采用高解析度的DEM和精确的高程测量技术可以获得更准确的DEM。
3. 高精度的相机定位：准确的相机定位参数可以帮助准确地计算遥感影像的几何畸变。
使用精确的GPS定位和惯性导航系统（INS）可以提供准确的相机定位参数。
4. 影像配准：配准是将不同时间或不同传感器采集的遥感影像对齐的过程。
准确配准遥感影像可以减小几何纠正的误差。
5. 消除地层效应：地层效应是由地表材料反射特性的空间变化引起的影像几何畸变。
通过对地层效应进行建模和校正，可以提高遥感影像几何纠正的精度。
6. 改进的坐标转换算法：在进行遥感影像几何纠正时，通常需要将图像坐标转换为地理坐标。
改进的坐标转换算法可以提高几何纠正的精度。
7. 光线校正：光线校正可以消除由光照条件和大气影响引起的影像几何畸变。
通过校正光线条件，可以提高遥感影像几何纠正的精度。
8. 影像去噪：影像中的噪声会影响遥感影像的几何纠正精度。
通过去除噪声，可以提高几何纠正的精度。
9. 优化数据采集：在进行遥感影像数据采集时，应选择适当的传感器和采样参数，以获取具有高空间分辨率和高光谱分辨率的影像数据，从而提高几何纠正的精度。
10. 基于模型的几何纠正：使用几何模型来纠正遥感影像的几何畸变可以提高纠正精度。
常见的几何模型包括多项式模型、仿射模型和透视模型等。
11. 使用多源数据：利用多源数据，如航空影像、卫星影像、地面测量数据等，可以提高几何纠正的精度。
多源数据可以提供更多的几何参考信息，从而减小几何畸变。
12. 定义适当的控制点布局：在选择地面控制点时，应将它们布置在整个影像中以确保均匀覆盖。
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。
实验七 遥感图像几何精校正
图像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。
一、影像到影像的几何纠正1、打开并显示图像文件在ENVI主菜单栏中，选择File →Open Image F ile，打开参考影像（这里以SPOT图像为例）和需校正影像（这里以TM图像为例）。
它们将分别显示在Display窗口，如图2.12所示。
图2.12 待纠正影像和参考影像显示图2、启动几何纠正模块（1）在ENVI主菜单中，选择Map→Registration→Select GCPs：Image to Image，弹出Image to Image Registration几何纠正模块对话框。
（2）选择显示参考影像（SPOT文件）的Display为基准图像的（Base Image），显示需校正影像（TM文件）的Display为待纠正图像（Warp Image）（如图2.13所示）。
（3）点击OK按钮，弹出Ground Control Point Selection对话框，进行地面控制点的采集，如图2.14所示。
图2.14 地面控制点选择对话框图2.13 选择基准影像与待纠正影像3、采集地面控制点在图像几何纠正过程中，采集地面控制点是一项重要和繁重的工作，直接影响最后的纠正结果，在实际操作中要特别认真和具有耐心。
（1）在Ground Control Point Selection对话框中，选择Options→ Set Point Colors，设置或修改GCP在可用和不可用状态的颜色。
（2）在两个Display中移动方框位置，寻找明显的地物特征点作为输入GCP。
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。
第二讲 遥感图像处理影像几何纠正
遥感监测实施技术流程
影像融合
遥感监测实施技术流程
4. 变化信息提取及变化类型确定
• 变化信息发现
• • • • 光谱特征变异法 差值法 多波段主成份变换 主成份差异法
• 变化类型的确定
• 目视解译法 • 计算机自动解译分类法 • 人机交互解译法
遥感监测实施技术流程
5. 外业调查与复核
• • • • • 实地检查确认遥感内业判读的变化图斑； 实地调查影像上识别或定位不准的小图斑边界线； 实地量测影像上量测精度不足的线状地物宽度； 对影像上有云影遮盖的范围做补充调查； 实地收集监测区内与真正变化图斑相对应的土地变更 调查资料，为变化信息分类后处理及精度评定提供依 据。
3. 多源多时相遥感数据的融合
数据融合目的是通过将监测区内两个或多个 时相的数据融合，提高影像数据的空间分辨率和 光谱分辨率，增强影像判断的准确性。 同时两个时段影像的交叉融合又会突出变异， 有助于检测出变化信息。
遥感监测实施技术流程
数据融合的关键技术：
• 充分考虑不同遥感数据之间波谱信息的相关性而 引起的有用信息的增加和噪声误差的增加，对多 源遥感数据作出合理的选择； • 解决遥感影像的几何畸变问题，使各种影像在空 间位置上能精确配准起来； • 选择合适的融合算法，最大限度地利用多种遥感 数据中的有用信息。
其中，f为等效焦距；Xi,Yi,Zi为地面点i的地面坐标；xi,yi为其图像坐标；Xsi,Ysi,Zsi 为li行上传感器的地面坐标；aj,bj,cj为li行的外方位元素Фi，Ωi，κi所确定的旋转矩 阵中的9个元素。
2.1 遥感影像几何校正
• 多项式纠正－线 性 变 换
对于地形起伏 不大的地区，我们 可以忽略DEM的影 响，采用多项式纠 正方式，多项式纠 正是常用的遥感影 像纠正方法。
第四章(3) 遥感图像处理——几何校正
遥感图像的几何变形有两层含义
一是指平台在运行过程中，由于姿态、 一是指平台在运行过程中，由于姿态、地球曲 地形起伏、地球旋转、大气折射、 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。 感器自身性能所引起的几何位置偏差。 二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。 应坐标之间的差异。
计算量增加，且对影像起到 平滑作用，从而使对比度明 显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
遥感图像的镶嵌处理
数字影像镶嵌(Mosaicking)是将两幅或 是将两幅或 数字影像镶嵌 多幅数字影像(它们有可能是在不同的摄影 多幅数字影像 它们有可能是在不同的摄影 条件下获取的)拼在一起，构成一幅整体图 条件下获取的 拼在一起， 拼在一起 像的技术过程。在遥感应用中， 像的技术过程。在遥感应用中，影像镶嵌 有着重要的应用。 有着重要的应用。
多图像几何配准
在实际应用过程经常需要将同一地区的不同类型 传感器获得的各种遥感数据“匹配”起来， 传感器获得的各种遥感数据“匹配”起来，以利 用各自优点，这种作法称为多图像几何配准。 用各自优点，这种作法称为多图像几何配准。 多图像几何配准
3次卷积内插法使用周围16个观测点的像元值，用3次卷积函数 对所求像元值进行内插，具有影像的均衡化和清晰化的效果， 可得到较高的影像质量，但缺点是破坏了原来的数据。
三种内插方法比较
方法 优点 简单易用，计算量小 缺点 处理后的影像亮度具有不连 续性，影响精确度
1
2
精度明显提高，特别是对亮度 不连续现象或线状特征的块状 化现象有明显的改善。
第四章（ 遥感图像处理— 第四章（3） 遥感图像处理—几何校正
遥感影像的几何校正
控制点选取标准：校正模型约定控制点数目、
控制点残差评价控制点选取好坏
ReM r roS x rxor2i gyyor2ig
4、重采样内插：为了使校正后的输出图像像元与输入 的未校正图像相对应,根据确定的校正公式，对输入图像的数 据重新排列。在重采样中，由于所计算的对应位置的坐标不 是整数值，必须通过对周围的像元值进行内插来求出新的像 元值。
像几何畸变进行纠正。几何粗校正的服务通常由卫 星接收系统提供, 因此下面重点讨论几何精校正。
❖ 一、几何精校正原理及方法： 从物理上看, 却在彼处。因此可用两种方法 实现畸变图像的校正:
1、把被错置的像素点搬运到该在的位置, 此方法 被称为直接变换法;
2、斜距投影变形 侧视雷达属于距投影，其成像变形规律如图
（二）、传感器外方位元素变化畸变
（三）、地球自转的影响
地球自转对于瞬时光学成像遥感方式没有影响， 对于扫描成像则造成图像的平移错动。
（四）、地球曲率的影响
（五）、地形起伏的影响 中心投影：地形起伏造成像点位移。 垂直投影：不存在像点位移。
图像的校正——几何校正
20092305028 09电信1班 曹远晶
主要内容
❖ 遥感影像几何畸变原因 ❖ 遥感影像几何校正方法
遥感影像几何畸变原因
❖ 一、几何畸变： 遥感图像在获取过程中由于多种原因导致景物
中目标物的相对位置的坐标关系图像中发生变化。
❖ 二、遥感图像几何畸变的来源： （一）、传感器成像几何形态的影响 传感器一般的成像几何形态有中心投影、距投影 以及平行投影等几种不同的类型。 1、全景投变形 红外机械扫描仪、CCD 线阵推帚式传感器
遥感图像的几何校正原理
遥感图像的几何校正原理遥感图像的几何校正是指通过对图像进行空间几何变换，将其投影到地球表面，使得图像中的每一点对应到地球表面上的一个准确位置。
这样做的目的是为了消除图像中由于遥感器在获取图像时的姿态、高度、地球自转等因素造成的图像畸变，并且使得图像能够与地理信息系统中的地图数据进行精确叠加，从而实现对地理空间信息的准确提取和分析。
在遥感图像处理中，几何校正是非常重要的一环，对于后续的遥感信息提取、地图制图和空间分析等应用具有重要的意义。
遥感图像的几何校正原理主要包括以下几个方面：1. 姿态校正：遥感器在获取图像时往往会受到外部因素的影响，导致姿态不稳定，从而引起图像中的位置畸变。
因此，需要对图像进行姿态校正，使得图像中的每一个像素能够按照准确的空间位置进行定位。
姿态校正的主要方法包括使用姿态角信息进行校正、使用GPS/惯导等辅助信息进行姿态测量以及使用地面控制点进行姿态精确校正。
2. 像元定位：在遥感图像中，像元是指图像中的一个最小单元，通常对应于地面上的一个小区域。
在进行几何校正时，需要将图像中的像元与地球表面上的实际位置进行对应，这就需要确定每个像元的准确位置，即像元的定位。
像元定位的主要方法包括使用地面控制点进行像元定位、通过建立像元坐标系系统进行像元定位以及通过地形起伏对像元进行补偿。
3. 系统误差校正：在遥感图像获取过程中，会受到一些系统误差的影响，例如大气、地形或者地面表面的变化等因素会导致图像中的位置畸变。
因此，需要进行系统误差校正，以消除这些系统误差对图像的影响，从而提高图像的精度和准确度。
系统误差校正的主要方法包括对图像进行大气校正、进行地形效应校正以及通过地面控制点进行系统误差校正。
4. 投影变换：在进行几何校正时，需要对图像进行投影变换，将其投影到地球表面上的准确位置。
投影变换的最常用方法是采用地图投影方法，将图像投影到地图数据的坐标系上，从而实现图像与地图数据的叠加和精确对应。
如何进行遥感影像的几何校正与配准
如何进行遥感影像的几何校正与配准遥感影像的几何校正与配准是遥感技术和地理信息系统（GIS）中一个重要的环节。
几何校正与配准能够纠正遥感影像中存在的地理位置偏差、形变等问题，使其符合真实的地理位置，从而提供准确的地理信息。
本文将介绍遥感影像的几何校正与配准的基本原理和方法。
一、几何校正的概念和原理遥感影像的几何校正是指将影像投影到地理坐标系下，使其能够与地理数据进行叠加分析。
几何校正的基本原理是通过对影像进行几何变换，使其与地理空间坐标系相匹配。
校正的过程通常包括平面校正、高程校正和形变校正等步骤。
平面校正是将影像从像素坐标系转换到地理坐标系。
通过获取空间控制点（GCPs），可以建立影像像素坐标系与地理坐标系之间的转换模型，从而实现像素坐标与地理坐标的一一对应。
高程校正是将影像的高程信息与地形数据进行配准，以得到准确的地理位置。
通过获取地面高程模型或数字高程模型（DEM），可以将影像的高程信息与DEM 数据进行比对，以实现高程校正。
形变校正是指纠正影像因大地形变、大地陷落等地表变化引起的形变偏差。
通过对影像进行形变模型建立和参数估计，可以将影像的形变偏差纠正到最小，提高影像的几何精度。
二、几何校正的方法1. 参数法：通过建立一个几何校正模型，将像素坐标与地理坐标之间的转换关系表示为一组参数，然后通过最小二乘法估计这组参数的值。
其中常用的模型有多项式变换模型、透视变换模型等。
2. 控制点法：选取一些具有确定地理位置的控制点，通过测量像素坐标和地理坐标之间的差异，建立像素坐标系和地理坐标系之间的转换关系。
通常需要选择足够多的控制点来保证几何校正的精度。
3. 特征点匹配法：通过提取影像和地理数据中的特征点，并利用特征点之间的匹配关系进行几何校正。
常用的特征点匹配算法有SIFT（尺度不变特征变换）算法、SURF（加速稳健特征）算法等。
三、配准的概念和方法配准是指将不同时间、不同传感器或不同分辨率的遥感影像对齐，使其能够进行比较和分析。
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。
如何进行遥感图像的几何校正与纠正
如何进行遥感图像的几何校正与纠正遥感图像是通过无人机、卫星等远距离设备获取的地球表面的影像数据。
这些图像在应用于地理信息系统(GIS)、自然资源管理、城市规划等领域时，需要进行几何校正与纠正。
本文将介绍什么是遥感图像的几何校正与纠正，以及如何进行这一过程。
一、什么是遥感图像的几何校正与纠正遥感图像的几何校正与纠正是指将采集到的图像数据与真实地理空间进行对应，消除由于图像采集时摄像设备、地球曲率等因素引起的形变、偏移等问题，使图像具备准确的地理位置信息。
这项工作是遥感技术应用的重要环节，对于后续的数据分析和信息提取至关重要。
二、遥感图像的几何校正与纠正方法1. 外方位元素法外方位元素法是利用航片或图像外方位元素（像空间坐标与地面坐标之间的变换参数）进行几何校正与纠正的方法。
在这种方法中，需要准确确定图像的摄影中心、摄影距离以及摄影方位角等相关参数，通过计算来修正图像的几何形变。
外方位元素法准确性较高，适用于相对高精度的项目。
2. 控制点法控制点法是通过在图像上选择一系列已知地理位置的控制点，在地面实地测量其坐标，然后通过像点与地理坐标的对应关系，进行几何校正与纠正的方法。
该方法的关键在于控制点的选择与测量精度，控制点越多、分布更均匀，纠正效果越好。
3. 数字高程模型（DEM）法数字高程模型法是通过使用数字高程模型数据，将遥感图像与地面实际高程进行对照校正的方法。
通过图像与DEM之间的高差计算，对图像进行几何校正与纠正。
这种方法适用于大范围的地形起伏、高程变化较大的区域。
三、遥感图像的几何校正与纠正注意事项1. 数据预处理在进行几何校正与纠正之前，需要对采集到的遥感图像进行预处理。
预处理包括影像增强、去噪、边缘检测等步骤，以提高图像质量和准确性。
2. 参考数据选择在进行校正与纠正时，需要选择适当的参考数据，以确保纠正结果的准确性。
参考数据可以包括航片、已经准确校正的图像、已知地理坐标点等。
3. 校正模型选择校正模型选择是几何校正与纠正的关键步骤之一。
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。
- 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)。
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。
用每一个显示的缩放窗口选择地面控制点。
可以选择Subpixel (小数的)坐标。
一旦已经选择了足够用于定义一个纠正多项式的控制点，就能预测纠正图像中的GCP 位置。
GCPs 可以被存储或从文件中恢复，彩色标签与GCP 标记的顺序可以更改（有关纠正方法的描述，参见“Warping and ResamplingOptions”部分）。
1 用Available Bands List 打开基图像和纠正图像文件，并在两个窗口显示它们。
2 一旦两幅图像都已经显示，选择Register > Select GroundControl Points > Image to Image。
3 出现Image to Image Registration对话框时，在“Base Image:”下面点击需要显示的名字，选择基图像（参照图像）。
4 在“Warp Image:”下方点击需要显示的名字，选择被纠正的图像。
5 点击“OK”，出现Ground Control PointsSelection 对话框。
·改变对话框的大小，用鼠标左键点击任何一个角处，拖曳到需要的大小和形状。
参见ENVI Tutorial “ImageGeoreferencing and Registration”中对图像配准的描述。
选择地面控制点选择地面控制点（GCP 或Tie Point），通过在缩放窗口定位十字准线，在基图像和纠正图像中选择像元。
像元的左上方是整个数字坐标的原点，自这点向右和向下对应的X值和Y值不断增加。
在缩放窗口中，可得到的像元fraction与缩放系数是成比例的。
例如，缩放系数为4x，像元将被分成4个亚区。
缩放系数为10x时，定位可能只有1/10像元。
GCP 标记被放在缩放窗口中，显示出亚像元(subpixel) 的位置。
在选择GCPs 时，亚像元被用于提高准确度。
·在基础和纠正图像中，选择GCP 的位置。
1 为每幅图像移动缩放窗口到需要的GCP 区域。
2. 在缩放窗口的一个特定像元上点击鼠标左键，把光标定位在该像元或像元的一部分上。
注意从图像窗口，点击Functions > Pixel Locator 选择像元位置，并提供整数的GCP 坐标(见第227 页的“Pixel Locator”)。
在Ground Control PointsSelection 对话框，被选择处的坐标按sample、line 顺序分别显示在标签为“Base X, Y”和“Warp X, Y”文本区中。
在缩放窗口处，定位提供了亚像元坐标，因此对话框中显示浮点坐标值。
3 一旦两幅图像都选择了需要的像元，在Ground Control PointsSelection 对话框中点击“Add Point”，将选择的GCPs 添加到已经选择的X、Y（样本，行）坐标对列表里。
他们将按基图像(第一个圆括号)、纠正图像(第二个圆括号) 顺序被列出。
当已经选择了四个或更多个GCPs，对选择的纠正预测的X、Y 坐标将显示在第三组圆括号中，X、Y 的误差被列表显示在第四组圆括号中，RMS 误差列表显示在最后一组圆括号中。
当GCPs 已经被添加到列表中时，在两幅图像的缩放窗口里选择的像元（或亚像元）处画一个标记。
选择的GCP 数将出现在标记附近。
标记中心（在十字准线下面）显示了实际的GCP 位置。
4 用同样的方法添加其它的GCPs 。
使RMS Error 最小化在Ground Control PointsSelection 对话框里，选择的GCPs 数被显示在文本标签“Pairs”旁的文本框里。
一旦选择了足够的GCPs，运行一次多项式纠正，像元中的X、Y RMS 误差项按照sample, line 顺序列表显示在第四组圆括号中。
所有点的总RMS 误差列表显示在标签为“RMS误差”的文本框里。
为了最好的配准，试图使RMS 误差最小化。
用于计算误差的多项式的次数显示在对话框顶部“Degree”的附近，当已经选择了足够的GCPs数时，多项式的次数可以改变。
·对于一次多项式，你可以选择RST (Rotation, Scaling, andTranslation) 计算误差。
点击“YES”切换按钮，选择RST。
地面控制点选项地表控制点选项与GCP 列表相互作用，包括编辑和更新位置、开启或关闭点、删除所选择的点，以及预测点的位置。
这些按钮排列在Ground Control PointsSelection 对话框底部。
·重新移动缩放窗口到任何一个选择的GCPs 处，在列表上点击需要的GCP，点击“Goto”。
描述选择的GCP 轮廓的标记，将被定位在基图像和纠正图像缩放窗口的中心。
·手动地编辑GCP 位置：1 在Ground Control Points 列表中选择要编辑的GCP，点击“Edit”。
当前的X 和Y 值将出现在“GCP Edit Point”对话框里。
2 在合适文本框里，点击并手工输入需要的数值，以编辑基图像和纠正图像的X 和Y 值。
3 点击“OK”，在Ground Control Points Selection 对话框里改变它们。
如果已经选择了几个GCPs，将会延迟一段时间，由于GCPs 需要被重新画上，误差也需重新计算。
·配准过程中，有选择性地忽视控制点，选择“On/Off”按钮，点击准备忽略的点不用已经选择的点重新计算RMS 误差和空间转换。
在选择的“OFF”点的左边将出现一个星号，GCP 标记的颜色将发生改变。
再次打开GCP，点击列表中的点，再次选择“On/Off”按钮。
·从列表中永久性删除一些单个控制点，点击要被删除的GCP，点击“Delete.”·交互式改变一些特定GCP 的位置：1 在Ground Control PointsSelection 对话框，点击要更新的GCP。
2 在基图像与纠正图像中重新定位缩放窗口。
3 点击“更新”。
在两个缩放窗口里，以前的GCP 将被编辑过的GCP 代替，GCP 的标记位置将被移到当前像元位置处。
·用由当前的GCPs 和选择的多项式次数决定的纠正，预测在纠正图像中一个GCP 的位置1 在基图像中将缩放窗口定位到一个像元处。
2 点击“预测”。
纠正图像缩放窗口将被移到预测的像元处。
3 在纠正图像中选择正确的像元以使预测值更精确。
4 点击“Add Point”，输入G CP。
File 下拉菜单在Ground Control PointsSelection 对话框中，File 菜单包括存储和恢复地面控制点文件选项。
·退出Ground Control PointsSelection 对话框，选择File > Cancel.如果当前的点还没有存储到一个文件中，用户可以选择退出时保存它们。
·将GCPs存储到一个ASCII输出文件中：1 选择File > Save GCPs to ASCII.2 键入一个扩展名为.pts 的输出文件，用“Choose”按钮选择一个输出文件，点击“OK”保存文件。
·恢复以前存储的GCPs:1 选择File > Restore GCPs fromASCII.2 输入需要的GCP .pts 文件名。
·存储到GCPs，误差输出到一个ASCII 文件：1 选择File > Save Points w/RMS toASCII.2 输入一个输出文件名，点击“OK”。
GCPs 下拉菜单在Ground Control PointsSelection 对话框中的GCPs 菜单，控制了地面控制点的标签、颜色、顺序，并允许基础和纠正图像翻转。
地面控制点用一个十字准线，圆圈和数字被标注在图像上。
·将关闭/开启标签, 在GCPs 菜单下，点击“Label GCPs Off”或“Label GCPs On”旁的切换按钮。
·选择GCP 对是否通过它们的索引“ID#”或“Error”，显示在列表中，点击“Order GCPs by Index”或“Order GCPs by Error”附近的按钮。
索引ID 顺序是它们被选择的顺序。
误差顺序按照从高到低的顺序列出。
·删除列表中所有GCPs，选择GCPs > Clear GCPs.·改变GCP 标记标签的颜色：1 选择GCPs > Set GCP Colors。
2 出现GCP Colors 对话框时，用初始标签为“Red”（与“GCPs which are “Off”紧邻）的按钮菜单（next to the “GCPs which are “On”label），选择GCP 标记的颜色。