基于Matlab 7.4的遥感图像近似几何校正
遥感影像几何校正的方法与步骤
遥感影像几何校正的方法与步骤遥感技术在现代科学和环境研究中扮演着重要的角色，它通过无人机、卫星等平台收集大量的遥感影像数据，这些数据可用于地表地貌的研究、城市规划、环境监测等多个领域。
然而，由于传感器的误差、地球表面的形变等因素的影响，遥感影像在采集过程中往往会发生几何畸变。
因此，几何校正成为了处理遥感影像的必要步骤之一。
一、几何校正的目的遥感影像的几何校正是指将采集的影像数据与真实地理坐标系统中的位置相对应，使影像能够准确地反映地球表面的特征。
几何校正的目的是消除影像中的几何变形，使其能够与其他地理数据进行叠加分析，从而得到更准确的结果。
二、几何校正的方法1. 传统校正方法传统的几何校正方法主要基于地面控制点（GCPs）的选择和提取。
首先，根据采集的影像和地理坐标系统中的地理特征，选择一组地面控制点。
然后，在影像中手动或自动提取这些地面控制点的位置，同时记录其在真实地理坐标系统中的位置。
最后，通过计算和调整，将影像中的像元位置校正到真实地理坐标系中。
2. 数字校正方法随着计算机和数字图像处理技术的发展，数字校正方法逐渐取代了传统的校正方法。
数字校正方法主要基于数学模型和算法来完成几何校正的过程。
常用的数字校正方法包括多项式模型、参数拟合模型和同步解调模型等。
这些模型可以将影像中的像素位置与地理坐标系中的位置互相转换，从而实现几何校正。
三、几何校正的步骤几何校正的具体步骤可以归纳为以下几个步骤：1. GCPs的选择和提取在进行几何校正之前，首先需要选择一组地面控制点。
这些地面控制点应该具有明显的地理特征，如建筑物的角点、道路的交汇处等。
然后，在影像中提取这些地面控制点的位置，并记录其真实地理坐标。
2. 模型的选择和拟合根据影像中地面控制点的位置和真实地理坐标，选择合适的数学模型和算法。
根据所选择的模型，在计算机中进行参数拟合，并得到校正过程所需要的参数。
3. 影像几何校正通过上面的步骤，我们已经获得了数学模型和参数。
MATLAB技术图像矫正方法
MATLAB技术图像矫正方法MATLAB技术在图像矫正中的应用引言：图像是我们日常生活中非常普遍的一种媒介，在各个领域都得到了广泛的应用。
然而，由于摄像设备的限制以及环境因素的影响，图像中往往会存在各种各样的畸变现象。
为了获得更加真实准确的图像，我们需要对这些畸变进行矫正。
本文将介绍MATLAB技术中常用的图像矫正方法。
一、几何矫正方法几何矫正方法主要用于纠正图像中由于成像设备本身造成的畸变，如镜头畸变、透视畸变等。
其中，常用的方法有摄像机标定和透视变换。
1. 摄像机标定摄像机标定是一种通过获取摄像机参数来矫正图像畸变的方法。
它通过拍摄特定的棋盘格图案，在摄像机视野范围内进行多个角度和位置的变换，从而计算出摄像机的内参和外参。
通过这些参数，可以将图像进行几何矫正，消除镜头畸变。
MATLAB提供了内置的相机标定工具箱，可以方便地进行摄像机的标定。
它提供了棋盘格图案的自动检测、校正板的自动提取等功能，大大简化了标定的过程。
2. 透视变换透视变换是一种通过投影变换矫正图像透视畸变的方法。
透视畸变是由于成像平面和实际场景之间的角度关系引起的，常见于拍摄建筑物或者远处景物时。
透视变换可以将图像中的平行线在成像平面上呈现为平行线，从而消除透视畸变。
在MATLAB中，可以利用仿射变换函数和透视变换函数实现透视矫正。
通过选取图像中的多个关键点，计算出变换矩阵，再进行透视变换，即可实现图像的透视矫正。
二、亮度矫正方法亮度矫正方法用于调整图像亮度和对比度，使图像更加清晰明亮。
其中，常用的方法有直方图均衡化和灰度拉伸。
1. 直方图均衡化直方图均衡化是一种通过增强图像对比度来提高图像亮度的方法。
它通过分布图像中像素值的频率来调整图像灰度级的分布情况，使其更加均匀。
这样可以使得图像的细节更加清晰，颜色更加鲜艳。
MATLAB中提供了直方图均衡化的函数，只需输入待矫正的图像，就可以得到均衡化后的图像。
同时，还可以通过调整直方图均衡化函数的参数，进一步调整亮度和对比度的效果。
遥感图像几何精校正实验报告
遥感图像几何精校正实验名称：遥感图像的几何精校正。
实验目的：1.了解和熟悉envi软件的几何校正的原理2.熟悉和掌握envi软件的几何校正的功能和使用方法；3.对自己的图像先找到投影，再另存一幅图像，去掉投影，在其它软件中旋转一角度，用原先的图像作为参考对旋转后的图像进行几何校正，使得其比较精确。
实验原理：几何校正，主要方法是采用多项式法，机理是通过若干控制点，建立不同图像间的多项式控件变换和像元插值运算，实现遥感图像与实际地理图件间的配准，达到消减以及消除遥感图像的几何畸变。
多项式几何校正激励实现的两大步：1. 图像坐标的空间变换：有几何畸变的遥感图像与没有几何畸变的遥感图像，其对应的像元的坐标是不一样的，如下图1右边为无几何畸变的图像像元分布图，像元是均匀且不等距的分布。
为了在有几何畸变的图像上获取无几何畸变的像元坐标，需要进行两图像坐标系统的空间装换。
图1：图像几何校正示意图在数学方法上,对于不同二维笛卡儿坐标系统间的空间转换,通常采用的是二元n次多项式,表达式如下:其中x, y为变换前图像坐标, u, v为变换后图像坐标, aij , bij为多项式系数, n = 1, 2,3, ⋯。
二元n次多项式将不同坐标系统下的对应点坐标联系起来, ( x, y )和( u, v )分别应不同坐标系统中的像元坐标。
这是一种多项式数字模拟坐标变换的方法,一旦有了该多项式,就可以从一个坐标系统推算出另一个坐标系统中的对应点坐标。
如何获取和建立二元n次多项式,即二元n次多项式系数中a和b的求解,是几何校正成败的关键。
数学上有一套完善的计算方法,核心是通过已知若干存在于不同图像上的同名点坐标,建立求解n次多项式系数的方程组,采用最小二乘法,得出二元n次多项式系数。
不同的二元n次多项式,反映了几何畸变的遥感图像与无几何畸变的遥感图像间的像元坐标的对应关系, 其中哪种多项式是最佳的空间变换模拟式,能达到图像间坐标的完全配准,是需要考虑和分析的。
基于MATLAB的影像几何校正方法崔璨璨
基于MATLAB的影像几何校正方法崔璨璨发布时间：2021-07-29T09:19:06.473Z 来源：《基层建设》2021年第14期作者：崔璨璨[导读] MATLAB被广泛应用于数字影像显示与计算，本文主要介绍了基于MATLAB进行影像几何校正的原理和方法上海科汇人才服务有限公司上海市虹口区 200080摘要：MATLAB被广泛应用于数字影像显示与计算，本文主要介绍了基于MATLAB进行影像几何校正的原理和方法，采用SIFT特征匹配方法将待校正影像与基准影像进行匹配，自动获取其控制点，实现图像自动校正。
实验表明，该处理方法可以有效的提高图像几何校正精度并实现图像自动校正。
关键词：MATLAB；SIFT；几何校正一、引言随着科学技术的进步，以及社会需求的不断增加，遥感技术作为当前社会应用需求领域的一个重要分支，其为社会发展提供了重要保障，遥感影像几何校正是遥感影像数据处理的主要环节之一[1]。
因此，更快、更有效、更便捷的提高遥感影像预处理的工作效率，对于遥感影像的应用具有很深的现实意义。
MATLAB已经成为一种高效的工程计算语言，在数值计算、数据处理、自动控制、图像处理、神经网络、小波分析等方面应用广泛。
其将数值分析、矩阵计算和数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成于一体的环境中。
本文基于MATLAB环境下，根据几何校正的处理原理与流程，对遥感影像进行几何校正。
二、几何校正处理流程2.像点坐标量测传统量测像点坐标的方法主要是借助仪器量测，主要由立体坐标量测仪、单像坐标量测仪和解析测图仪。
随着科技的进步以及摄影测量的发展，获取像点坐标的方式也逐渐趋近于多样化，从人工手动获取像点坐标逐步演变为采用计算机自动获取。
本文采用SIFT算法（Scale Invariant Feature Transform）对基准影像和待校正影像进行匹配，获取其同名点。
本文将仿射变换后的待校正影像作为SIFT匹配的初始影像，考虑到SIFT算法匹配到的特征点具有尺度不变性特征，在图像平移、旋转、缩放等情况下匹配到的点不影响其特征描述。
如何使用MATLAB进行遥感图像处理
如何使用MATLAB进行遥感图像处理近年来，遥感技术在地理信息系统、环境监测、资源调查等领域得到了广泛应用。
遥感图像处理是其中关键的环节之一，能够有效地提取和分析图像中的信息。
而MATLAB作为一款功能强大的科学计算软件，也被广泛运用于遥感图像处理。
本文就来探讨一下如何使用MATLAB进行遥感图像处理。
首先，我们需要了解一些基本的概念和原理。
遥感图像是通过航天器、飞机等载体获取的地面反射、辐射和散射的电磁能量记录。
常见的遥感图像类型有光学影像、雷达影像和卫星图像等。
这些图像包含了丰富的信息，如地表覆盖类型、地物高程、温度分布等。
而遥感图像处理的目标就是从这些图像中提取和分析所需的信息。
在MATLAB中，可以使用遥感工具箱（Remote Sensing Toolbox）来处理遥感图像。
这个工具箱提供了许多功能强大的工具和函数，用于读取、预处理、分析和可视化遥感图像数据。
例如，可以使用imread函数读取图像文件，imwrite函数保存处理结果。
还可以使用imadjust函数对图像进行亮度和对比度调整，使图像更加清晰明亮。
在进行遥感图像处理时，常见的一种操作是图像增强。
图像增强旨在改善图像的视觉效果、增强图像的特定特征或提高图像的质量。
在MATLAB中，可以使用各种滤波器对图像进行平滑、锐化、边缘检测等操作。
例如，可以使用imfilter函数对图像进行线性滤波，使用fspecial函数生成各种滤波核。
除了图像增强，遥感图像处理还包括特征提取和分类等操作。
特征是指图像中表达某一特定属性的数值或向量，如纹理特征、形状特征等。
提取图像的特征有助于分析图像内容和识别地物类型。
在MATLAB中，可以使用一些特征提取函数，如GLCM函数计算灰度共生矩阵纹理特征，regionprops函数计算图像的形状特征等。
分类是遥感图像处理的一个重要步骤，用于将图像中的像素划分为不同的类别。
常见的分类方法有有监督分类和无监督分类。
如何进行遥感影像的几何校正与处理
如何进行遥感影像的几何校正与处理遥感影像的几何校正与处理是遥感技术中非常重要的环节，它涉及到遥感影像数据的准确性与可靠性。
本文将从几何校正的意义、校正方法和影像处理方面展开论述。
一、几何校正的意义几何校正是指将遥感影像与地球表面几何特征进行匹配，消除影像的位置偏移、旋转和尺度变化等因素，以实现影像在地球表面的精确准位。
几何校正的意义在于：1. 提高遥感影像的空间准确性：经过几何校正的影像能够准确反映地球表面目标的位置和形状，使得遥感分析结果具有更高的可信度。
2. 为后续影像处理提供基础：几何校正是影像处理的基础，只有经过几何校正的影像才能进行后续的影像处理，如图像拼接、变化检测等。
3. 便于地理信息的提取和分析：几何校正后的影像与地理坐标系相一致，可以方便地与其他地理信息数据进行集成，进行地理信息的提取和分析。
二、几何校正的方法目前常用的几何校正方法主要包括控制点法、全自动匹配法和传感器模型方法。
其中，控制点法是最常用的方法，具体步骤如下：1. 选择控制点：在影像上选择一些地面特征明显、位置准确的点，并测量其地理坐标。
2. 特征提取与匹配：通过图像处理技术提取影像和地面控制点的特征，并进行特征匹配。
3. 几何变换：根据控制点的匹配关系，运用几何变换模型（如多项式变换或仿射变换）进行影像的几何变换。
4. 前后视觉精度检查：经过几何校正后，通过前后视觉精度检查来评估影像的校正效果，并及时调整参数以提高校正精度。
除了控制点法，全自动匹配法和传感器模型方法也在一些特定情况下得到应用。
全自动匹配法基于图像匹配算法实现几何校正，传感器模型方法则通过利用传感器系统的几何模型进行影像校正，适用于高精度的几何校正需求。
三、影像处理方面几何校正完成后，还需要进行一系列的影像处理操作，以进一步提取有用的信息。
1. 影像增强：通过图像增强技术，改善影像的对比度、清晰度和色彩等，以提高影像的可视化效果。
2. 影像拼接：在几何校正的基础上，将多个遥感影像进行拼接，生成大尺度的影像，以满足大范围的遥感监测需求。
MATLAB中的遥感图像处理方法解析
MATLAB中的遥感图像处理方法解析遥感图像处理是一项重要的技术，广泛应用于农业、环境保护、城市规划等领域。
MATLAB作为一种强大的科学计算软件，提供了许多有效的图像处理工具和算法，使得遥感图像的处理更加简便高效。
本文将通过几个实例，介绍MATLAB 中常用的遥感图像处理方法。
一、图像预处理遥感图像通常存在一些噪声和失真。
为了提高图像质量和后续分析的精确性，需要对图像进行预处理。
MATLAB提供了各种滤波器和降噪算法，如中值滤波、高斯滤波和小波变换。
这些方法可以降低图像中的噪声，并使细节更加清晰。
二、图像增强图像增强是提升图像视觉效果的重要方法。
在遥感图像处理中，一般采用直方图均衡化和对比度拉伸等方法。
直方图均衡化可以使图像的亮度分布更均匀，增强图像的视觉效果。
对比度拉伸则通过扩展图像的动态范围，使得图像中的细节更加丰富。
三、影像分割影像分割是将图像分割成不同的区域或目标的过程。
MATLAB提供了多种分割算法，如基于阈值的分割、基于区域的分割和基于边缘的分割。
这些方法可以帮助我们从遥感图像中提取出感兴趣的目标，为后续的分析提供有效的数据。
四、特征提取特征提取是从遥感图像中提取出有意义的特征信息的过程。
常用的特征包括纹理特征、形状特征和光谱特征等。
MATLAB提供了一系列用于特征提取的函数和工具箱，如灰度共生矩阵、哈尔小波变换和主成分分析等。
这些方法可以帮助我们从遥感图像中提取出有价值的特征，用于后续的分类和识别任务。
五、图像分类图像分类是将图像分成不同的类别或类别的过程。
在遥感图像处理中，一般采用监督学习和无监督学习的方法。
监督学习需要样本标注数据，可以通过支持向量机和随机森林等算法进行分类。
无监督学习则不需要标注数据，常用的方法有k均值聚类和自组织映射网络等。
MATLAB提供了这些算法的实现和函数，方便我们进行遥感图像的分类和识别。
六、图像融合图像融合是将多个传感器或多个波段的图像进行融合，得到更全面、更丰富的信息的过程。
遥感图像处理—几何校正
遥感图像处理—⼏何校正 本节将从原理和代码两个⽅⾯讲解遥感图像的⼏何校正。
原理 ⾸先介绍⼏何校正的概念：在遥感成像过程中，传感器⽣成的图像像元相对于地⾯⽬标物的实际位置发⽣了挤压、扭曲、拉伸和偏移等问题，这⼀现象叫做⼏何畸变。
⼏何畸变会给遥感图像的定量分析、变化检测、图像融合、地图测量或更新等处理带来的很⼤误差，所以需要针对图像的⼏何畸变进⾏校正，即⼏何校正。
⼏何校正分为⼏何粗校正和⼏何精校正。
粗校正是利⽤空间位置变化关系，采⽤计算公式和辅助参数进⾏的校正，叫做系统⼏何校正；精校正是在此基础上，使图像的⼏何位置符合某种地理坐标系统，与地图配准，调整亮度值，即利⽤地⾯控制点（GCP）做的⼏何精校正。
⼏何校正步骤：1.空间位置的变换（像元坐标）2.像元灰度值的重新计算，即重采样。
1. 坐标变换 坐标变换分为直接法和间接法。
1）直接法：从原始图像阵列出发，依次计算每个像元在输出图像中的坐标。
直接法输出的像元值⼤⼩不会发⽣变化，但输出图像中的像元分布不均匀。
2）间接法：从输出图像阵列出发，依次计算每个像元在原始图像中的位置，然后计算原始图像在该位置的像元值，再将计算的像元值赋予输出图像像元。
此⽅法保证校正后的图像的像元在空间上均匀分布，但需要进⾏灰度重采样。
该⽅法是最常⽤的⼏何校正⽅法。
由上图可见，直接法直接以原始图像的坐标为基准点，坐标偏移到校正后的图像，坐标的位置有很多出现在了像元的中间位置，所以直接输出像元值⼤⼩导致像元分布不均匀。
⽽对于间接法。
以输出图像的坐标为基准点，已经定义在了格点的位置上，此时反算出该点在原始图像上对应的图像坐标，坐标多数落在像元的中间位置。
这⾥采⽤最邻近法、双线性内插和三次卷积法来计算该点的灰度值，达成重采样的⽬的。
2. 重采样 图像数据经过坐标变换之后，像元中⼼的位置发⽣改变，其在原始图像的位置不⼀定是整数⾏\列，需要根据输出图像各像元在原始图像中对应的位置，对原始图像重采样，建⽴新的栅格矩阵。
- 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)。
ｐ ｌ ｎ ｍｉｌａ ｐ ｏ ｉ ｔ ｅ ｍｅｒ ｏ ｒｃ ｉｎ ｏ ｅ ｔ ｅ ｓｎ ｍａ ｅ ａ ｅ ｎ Ｍａ ａ ４ ｉ ｐ ｏ ｉｅ ｏｙ ｏ ａ ｐ ｒｘ ｍａ ｅ ｇ ｏ ｔ ｃ ｒｅ ｔ ｆｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｉ ｇ ｓｂ ｓ ｄ Ｏ ｄ ｂ ７． ｓ ｒ ｖｄ ｄ，ａ ｄ ｔ ｉ ｋ ｙ ｃ ｄ ｔ ｏ ｈ ｒｇ ｏ ｔ ｙ ｏ ｎ ｓ ｅ ｏ ｅ ｆ ｓ ｔ ｅ ｅ ｍｅｒ ｈ ｉ ｙ
中图分类号
遥感 图像 一般二次 多项 式
Ｔ３ Ｐ 文 献标 识 码
Ｍａａ ． ｔ ｂ７ ４ ｌ
Ａ
Ｄ Ｉ１ ．９ ９ｊｉ ｎ １０ —８ ｘ２ １．９ ０ ７ Ｏ ：０ ３６ ／．ｓ ．０ ０３ ６ ．０ ２ ０ ．６ ｓ
ＡＰＰＲｏＸＩ ＡＴＥ Ｍ ＧＥｏＭ ＥＴＲＹ ＣｏＲＲＥＣＴＩ ｏＮ ｏＦ ＲＥＭ ｏ ＴＥ ＥＮＳＩ Ｓ ＮＧ Ｍ ＡＧＥＳ Ｉ
然后把 原始图像上像点 （ Ｙ ， ）的灰度值赋给校正后 图像 中 对应的坐标点 （ ｙ 。 （ ）中 ， 为直接校正的坐标变换函 ， ） 式 １
数 。 为经 过 校 正 后 各 校 正 像 素 （ Ｙ 因 Ｘ， ）可 能 不 再 是 整 数 网 格
收稿 日期 ：０ １ ２—１ 。毕 节学 院重点科研项 目（０ １０９） ２ １ —１ ０ ２ １２ ０ 。孙
ｃ ｍＴｅ ｔｏ ｌ ｏ ｉｈ ｆｒｍｏｔ ｅ ｉ ｇ ｉ ａ ｅｔ ｏ ｃ ｉｎ ａｇ ｒｔ ｍｓ ｏ ｅ ｅ ｓ ｎｓｎ ｍ ｇ ｏ ． Ｋｅ ｙｗｏｒ ｄｓ Ｒｅ ｔ ｍａ ｅ Ｇｅ ｅ ａ ｑ ａ ａｉ ｏｙ ｏ ｉｌ Ｍａ ｌｂ ７． ｍｏ ｅ ｉ ｇ ｎ ｒ ｌ ｕ ｄｒｔｃ ｐ ｌｎ ｍ ａ ｔａ ４
直接法相似 ， 由于 （ Ｙ ，）可 能不 是 整数 值 ， 而 需 要 通 过 重 采 样 故
（ 内插 ） 的方 法求 出原始 图像 上该位 置的灰 度值 。图 １显示 了
直 接 法 和 间 接 法 校 正 的示 意 图 。
１ 遥 感 图像 几 何 校 正 原 理 ［ ］
１ １ 直 接法 校正 ．毕 节 ５ １０ ） ５ ７ ０
摘
要
介 绍遥感 图像近似几何校正原理 ， 供基于 Ｍ ｔ ｂ７ ４的一般二次多项式遥感 图像 近似几何校正的关键代 码 ， 提 ａｌ ． ａ 此代 码也
适合 于其他遥感 图像 近似 几何校正算法。 关键词
基础 。
１ ２ 间接 法 校 正 ．
间接法校正是从空 白的校正后 图像上 的像点坐 标 出发 ， 按 下列公式反求出在原始图像上 的对应坐标 。
ｒ ＝ Ｇ （ Ｙ Ｘ， ） ， ¨
ｌ ： ｌ Ｙ Ｇ（ ， ）
，
然后将原始图像上像点 （ ，） ＸＹ 的灰度值赋给校正后图像 中 对 应的坐标点（ Ｙ 。 （ ）中 Ｇ ， 间接校 正变换 函数 。 ， ） 式 ２ Ｇ 为 与
ＢＡＳＥＤ ｏＮ ＡＴＬＡＢ ４ Ｍ ７．
Ｓ ｎＪｎ Ｌ ｉ Ｌ ｅｕ ｕ ｕ ｉ ｉ ｒｉ Ｑ Ｈ
（ ｏｌ ｅｆＣｖｌ ｎｉｅｒ ｇａｄＡｃｉｃ ｒ，ｉｅＵ ｉ ｒｔ，ｉｅ５ １０ ， ｕ ｈ ｕ Ｃ ｉａ Ｃ ｌｇ ｉ ｇｎｅｉ ｎ ｒｈｔ ｔ ｅＢｊ ｎ ｅ ｉ Ｂｊ ５ ７０ Ｇ ￣ ｏ ，ｈｎ ） ｅ ｏ ｉＥ ｎ ｅｕ ｉ ｖ ｓｙ ｉ
点 ， 以校正后 的输 出图像 中的整数 网格点 的灰度值 必须通 过 所
重采样 （ 内插 ） 方 法 求 出 。 的
０ 引 言
自２ ０世纪 ５ ０年代末 起 ， 天遥感 技术 经历 了半 个多世 纪 航 的发展和应 用 ， 已成为人类 观测地球 、 索空间 、 探 了解宇宙 的火 眼金睛。一些 较著 名 的商业 遥 感 卫星 图像运 行 商 ， 如法 国 的 Ｓ Ｏ 印 度 的 ＩＳ 美 国 Ｓ ａｅＩ ａｉｇ公 司 的 ＩＯ Ｏ 、 国 Ｐ Ｔ、 Ｒ、 ｐｃ ｍ ｇｎ Ｋ Ｎ Ｓ美 Ｑ ｉ Ｂｒ ｕｋｉ ｃ ｄ公司 的 Ｑ ｉ Ｂｒ ， ｕｃ ｉ ｋ ｄ等 都会提供 不同级别 的 图像 产 品。 但 由于卫星遥感 成像时受到 自身结构 因素和各种环境 因素的影 响， 卫星遥感 图像必定 存在一 定的几何 变形 。采 用正 确的方法 消 除遥感 图像 的几 何 变 形 ， 卫 星 图像 应用 和 研究 的前 提 与 是
Ａｂｓ ｒ ｔ ｔａｃ Ｔｈ ｒｎ ｉ ｅ ｏ ｐｐ ｏ ｉ ｔ ｅ ｍｅ ｒ ｃ ｒｅ ｔｏ ｏ ｅ ｔ ｅ ｓｎ ｍａ ｅｓ ｓ ｎ ｒ ｄ ｃ ｄ， ｔ ｋ ｙ ｃ ｄｅ ｏ ｅｎ ｒｌ ｕａ ａｉ ｅ ｐ ｉ ｃｐｌ ｆａ ｒ ｘｍａ ｅ ｇ ｏ ｔｙ ｏ ｒ ｃｉ ｎ ｆｒ ｍｏｅ ｓ ｎ ｉ ｇ ｉ ｇ ｉ ｉｔｏ ｕ ｅ ｈｅ ｅ ｏ ｆ ｇ ｅ ａ ｑ ｄｒｔｃ
直接法校正从原始 图像上 的像点 坐标 出发 ， 下列公 式求 按
出校正后图像在地面坐标 系（ 输出图像坐标系 ） 中的相应 坐标 。
图 １ 直 接 法 和 间接 法 校 正
ｆ
Ｌ ＝ Ｆ ｙ
ｙ
（， ， ， ’
（ Ｙ ，）
（ ２ 遥感图像校正 １ ）
遥感 图像 的近似几 何校正 分为 Ｋ 均值 聚法提取 已知控 制 一
第２ ９卷 第 ９期
２１ ０ ２年 ９月
计 算机应 用 与软件
Ｃｏ ｕ ｅ ｐ ｉａ ｉｎ ｎｄ Ｓ ｆｗａ ｅ ｍｐ ｔ ｒＡｐ ｌｃ ｔｏ ｓ ａ ｏｔ ｒ
Ｖ０ ｜ ９ Ｎｏ ９ ｌ２ ． Ｓ ｐ． ０１ ｅ ２ ２
基 于 Ｍａｌｂ７ ４的遥 感 图像 近 似 几 何 校 正 ｔ ． ａ