高分辨率遥感影像图的制作与研究
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样是指将高分辨率遥感影像转化为低分辨率的过程，或者将低分辨率遥感影像转化为高分辨率的过程。
重采样方法对于遥感影像处理和分析具有重要意义，尤其是在遥感图像融合、遥感影像目标提取、变化检测等方面。
常用的遥感影像重采样方法有最近邻法、双线性插值法和三次样条插值法。
最近邻法是一种简单而快速的重采样方法，它通过选择原始像素中最接近目标像素的值进行重采样。
最近邻法容易产生锯齿状的伪影。
双线性插值法是一种常用的重采样方法，它通过对目标像素周围的四个最近邻像素进行线性插值计算得到目标像素的值。
双线性插值法能够减少锯齿状伪影，但对于高频信息处理得不够理想。
三次样条插值法是一种取样点周围像素进行三次多项式内插得到插值像素的方法。
它可以更好地保留遥感影像的细节信息，但计算复杂度较高。
遥感影像重采样方法的应用主要包括以下几个方面。
遥感图像融合是将不同分辨率、不同波段的遥感影像融合为一幅具有多波段、高分辨率的影像，以提高遥感影像的解译精度。
重采样方法在图像融合中起到关键作用，能够将不同分辨率的影像进行对齐，并保留各自影像的特征信息。
遥感影像目标提取是指从遥感影像中自动提取感兴趣目标的过程。
重采样方法能够提高遥感影像的分辨率，使目标边界更加清晰，有助于目标提取算法的准确性和可靠性。
遥感影像的变化检测是指对于相同地区的不同时间的遥感影像进行比较，以确定变化区域的过程。
重采样方法能够将不同时间的遥感影像进行像素对齐，提高变化检测的精度和可靠性。
遥感影像重采样方法在遥感影像处理和分析中具有重要的作用。
不同的重采样方法适用于不同的应用场景，选择合适的重采样方法能够提高遥感影像处理的结果质量。
随着遥感技术的不断发展和应用的扩大，重采样方法的研究和应用将会得到进一步的深化和拓展。
遥感数字图像处理主要研究的内容
遥感数字图像处理主要研究的内容有以下几个方面：1、图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2、图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3、图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4、图像分割图像分割是遥感数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5、图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
卫星影像在地图制图中的应用探讨
卫星影像在地图制图中的应用探讨摘要：遥感卫星影像因为覆盖面广，能够实现大范围面积内地物信息的快速准确获取，通过对同一地区不同时期的遥感影像进行综合比对，可以实现对大面积区域的长期动态监测，并依据实时遥感影像数据，对现有资料进行更新存档，在多个领域得到了较为广泛的应用。
随着遥感技术的不断发展，基于遥感影像的地图制图技术应运而生。
在遥感卫星影像的基础上，以专业的地图符号和地图注记对地物空间信息进行准确表达，从而形成遥感影像地图。
鉴于此，本文将针对地图制图期间卫星影像的应用展开更为深入的探讨与分析，仅供相关人士参考和借鉴。
关键词：卫星影像；地图制图；应用前言：近年来，经济日新月异，国产高分辨率卫星影像质量得到了稳步提升，与其相关的制图技术也得到了迅猛发展。
但由于国产高分辨率遥感影像技术起步较晚，遥感影像地图多采用国外遥感卫星影像数据。
随着我国遥感技术的迅速发展，越来越多的学者投入基于国产遥感影像的地图制图研究中去，拟定更为规范的遥感影像地图制图方法，形成标准化制图流程，具有重要的现实意义。
1数据基础本次研究以国产高分辨率遥感卫星影像为研究对象，分别以资源三号、高分一号以及高分二号遥感影像进行制图。
资源三号卫星搭载了多台高分辨率相机，包括正视多光谱相机（分辨率5.8m）、全色延迟积分成像相机（分辨率2.1m）等，全国陆地覆盖率可达99.37%以上；高分一号卫星的成功发射标志着我国高分辨率对地观测时代的开启，同样搭载多台高分辨率相机，其中多光谱相机共5台（4台分辨率为16m，1台分辨率为8m），全色延迟积分成像相机共1台（分辨率2.0m）；高分二号卫星空间分辨率相对较高，所搭载相机的分辨率优于1m，国产遥感卫星正式进入亚米级时代。
除遥感影像数据外，还需要地理矢量要素数据，主要可分为三大类，分别是行政区划数据、道路矢量数据、位置信息及地名数据，数据格式一般为shp格式，分别来源于国家基础地理信息中心、OpenStreetMap网站、已出版地图或百度地图等。
高分辨率卫星遥感影像制作DOM质量检验方法研究
高分辨率卫星遥感影像制作DOM质量检验方法研究作者：金宜来源：《科技创新导报》2019年第17期摘 ; 要：本文基于笔者从事测绘产品质量检验的相关工作实践，探讨了利用WorldView-2、WorldView-3卫星遥感影像制作DOM产品成果的质量检验内容、检验方法以及成果质量评定流程。
通过全数概查和抽样详查的方式，采用人机交互和人工审查相结合的方法进行检查，从而保证影像加工生产的质量控制。
关键词：卫星遥感影像 ;DOM ;质量元素中图分类号：TP751 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; 文献标识码：A ; ; ; ; ; ; ; ; ; ; ; ;文章编号：1674-098X（2019）06（b）-0127-03目前，遥感卫星影像已经被广泛应用于军事侦察、测绘制图、气象预报、国土资源勘查、环境质量评价和自然灾害监测与防治、以及地球系统科学等研究领域，发挥着极其重要的作用。
为满足日益广泛的前端应用，其定位已不能拘泥于传统的地貌展示，须同时满足分析与建库的需求。
数字正射影像图是利用DEM对遥感影像逐像元进行辐射改正、微分纠正和镶嵌，并按规定图幅范围裁剪生成的，带有公里格網、图廓（内、外）整饰和注记的平面图。
检验其数据的精度、现势性和完整性，也可从中提取自然资源和社会经济发展信息，为防灾治害和公共设施建设规划等应用提供可靠依据。
某城市高分辨率卫星遥感影像图制作项目是基于WorldView-2、WorldView-3卫星遥感影像数据通过对原始影像数据进行正射纠正、对单景正射影像图进行调色、镶嵌和裁切制作1：2000正射影像图成果数据，并对此DOM成果数据进行质量验收。
1 ;检查内容首先，审查项目的资料质量，其中包括技术设计书、技术总结、检查报告、仪器检定证书等文字报告的质量及资料的整理和装订等。
然后，依据《数字测绘成果质量检查与验收》（GB/T 18316-2008）从空间参考系、位置精度、影像质量和逻辑一致性及附件质量5个质量元素对DOM成果进行检验。
高分辨率遥感影像正射影像图制作.doc
高分辨率遥感影像正射影像图制作摘要：以Quick Bird遥感数据为例，本文介绍了从原始卫星图像的收集到在ENVI遥感图像处理软件中进行遥感图像正射图制作的方法和步骤。
描述了在正射影像图制作过程中融合、纠正等步骤以及其原理。
遥感卫星数据具有时效性好、覆盖范围大、成本低廉。
因此利用商业化的遥感图像处理软件直接对遥感卫星图像产品进行正射校正，继而制作正射影像图，是一条好的路线，能够取得好的结果。
关键词：卫星遥感 QuickBird影像数字正射影像图（DOM） ENVI1.引言遥感影像是通过遥感技术获得的地球表面客体或事物的图像，高分辨率的卫星影像是指像素空间分辨率在10m以内的遥感影像，正射影象是指消除了由于传感器倾斜、地形起伏及地物等引起的畸变以后的影响。
正射影象图直观、生动，影像所记录的信息量非常丰富，细节表达的也很清楚，同时更新速度非常快。
利用高分辨率卫星影像制作的正射影像精度高，时效性好，生产周期短、更新速度快，能够满足很多行业的要求，可以大大地节省生产成本提高生产效率。
2.DOM的特点数字正射影象图是利用DEM对遥感图像逐像元进行辐射改正、微分纠正和镶嵌，按照规定图幅范围裁剪生产形象数据，同时它带有公里网格、图廓整饰和注记的平面图。
DOM具有地图精度和影响特征，精度高、信息量丰富、直观性好、制作周期短、连续性好。
3.正射影像制作原理：数值微分纠正根据已知影像的参数（内、外方位元素）与数字地面模型，利用相应的构像方程式，或按一定的数学模型用控制点解算，从原始非正射投影的数字影像获取正射影像，这种过程是将影像化为很多微小的区域逐一进行。
通过解求像素的位置，然后进行灰度内插与赋值运算，实现像素与相应地面元素的几何变换。
4.正射影像图制作数字正射影像（Digital Orthophoto Map，简称DOM）是利用数字高程模型（DEM）对经扫描处理的数字化航空影像，经逐像元进行投影差改正、镶嵌，按国家基本比例尺地形图图幅范围裁剪生成的数字正射影像数据集。
遥感影像配准技术及应用研究
遥感影像配准技术及应用研究遥感技术是现代化社会的产物，它以卫星遥感和航空遥感为主要手段，以在海、陆、空中相机等数码影像获取设备为载体，利用成像分辨率优异和快速获取数据的特点，实现短时间内大面积地图制作和数据采集的效果。
而遥感影像配准技术的应用则在众多研究领域中具有广泛的应用，如城市规划、农业、环境监测等领域，无疑是未来发展的重要方向。
遥感影像配准技术的概念所谓遥感影像配准技术，简单来说就是将两幅及以上的遥感图像进行位置和方位决策，从而使它们能够在同一个几何坐标系下进行比较、对照和计算，以获取更精确更全面的信息。
它的主要目的是为了将多个遥感图像融合到一起，形成高分辨率、高时效性、高精度度数值地图或时间序列地图。
遥感影像配准技术的分类根据分类方法的不同，遥感影像配准技术可以分为以下几种：1.点对点配准技术：这是最早的遥感影像配准方法，它利用人工地识别待配准遥感图像和已知参考图像中具有对应关系的某些物点和地标物，求出两图像中对应相同点的变换之间的数学传递函数，并将待配准图像变换至与标准图像相同的地理坐标系下，以实现两幅图像对比和分析。
2.特征点匹配配准技术：特征点匹配配准技术是一种自动匹配待配准图像和已知参考图像中的特征点，建立两幅图像之间的几何变换关系的方法。
该技术在配准速度、自动性和通用性方面有很大的优势。
它适用于图像中含有特殊标志物、建筑物等的区域。
3.基于互信息的配准技术：基于互信息的配准技术是一种权衡速度和精度的取舍，通过比较待配准和标准图像中像素值的相似度、互异性和相关性等统计指标，来计算两幅图像之间的相似度，实现图片配准。
遥感影像配准技术的应用遥感影像配准技术在很多领域都有着广泛的应用，下面将介绍一些最为典型的应用场景。
1.城市规划：随着城市化进程的加速，城市规划和管理变得越来越复杂。
高分辨率遥感影像指导了城市空间结构的分析和控制，对于合理规划和管理城市起到了至关重要的作用。
在城市规划中，通常需要对不同时间或不同数据源的遥感影像进行配准，以实现城市空间态势的比较和分析。
遥感图像处理与分析技术的发展趋势
遥感图像处理与分析技术的发展趋势随着遥感技术的不断发展和进步，越来越多的遥感数据被获取到并被应用到各种领域中。
然而，在大量的遥感影像中，如何提取出所需的信息和数据，进一步研究遥感图像的信息，是遥感图像处理与分析技术的重要方向。
本文将从影像处理与分析两个角度来讨论遥感图像处理与分析技术的发展趋势。
一、遥感图像处理技术的发展趋势1. 数字化数字化是遥感图像处理的基础，也是其发展的前提。
在遥感图像的获取过程中，通常需要使用许多成像传感器，获取到大量的数据后，需要进行数字化处理才能获得高质量的遥感图像。
数字化技术能够移除遥感图像中的噪声和不必要的信息，还能够提高遥感图像处理的效率。
2. 智能化智能化处理是遥感图像处理的一大发展趋势。
随着计算机应用的发展以及人工智能技术的进步，人工智能技术已经被应用到遥感图像处理中。
智能化处理能够利用计算机算法进行遥感图像自动分析，如目标自动检测、红外图像处理等。
智能化处理不仅可以提高遥感图像分析精度，也能够提高分析处理的效率。
3. 高分辨率遥感图像处理随着国内外遥感图像技术的快速发展，高分辨率遥感图像已经成为遥感图像处理发展的重要标志。
高分辨率遥感图像处理技术的目标是提取大量详细的空间信息，如地图、城市规划、资源研究、环境监测等方面。
高分辨率遥感图像处理技术因其高精度、高分辨率和强大可靠性，在城市规划、林业、水资源和农业等领域已有广泛应用。
二、遥感图像分析技术的发展趋势1. 特征提取特征提取是遥感图像分析的重要环节，该技术能够从大量的遥感影像中提取出具有重要意义的信息和数据。
遥感图像的特征提取可以通过遥感影像自动解算和特征选择工具实现，提高遥感图像分析的精度和效率。
在这个过程中，通常会使用计算机视觉技术和机器学习技术。
2. 遥感图像分类遥感图像分类是将特定的地物或目标从遥感图像中抽象出来，进行半自动和自动识别。
遥感图像分类可以分为监督和非监督两种方法。
监督的分类方法是根据已知的地物类型和特性建立分类模型，然后将这个模型用于其他遥感数据的分类。
基于深度学习的高分辨率遥感影像道路自动提取研究
基于深度学习的高分辨率遥感影像道路自动提取研究1. 引言1.1 研究背景和意义随着遥感技术的飞速发展，高分辨率遥感影像已经成为地理空间信息获取的主要手段。
从高分辨率遥感影像中自动提取道路信息，对于城市规划、交通管理、灾害监测等领域具有重要的应用价值。
然而，传统的基于图像处理的方法在道路提取中往往受到噪声、阴影、光谱变异等因素的干扰，难以实现高精度、高效率的自动提取。
深度学习技术的兴起为遥感影像道路自动提取提供了新的解决方案。
通过深度学习模型的学习和优化，可以从复杂的遥感影像中准确地提取出道路信息，大大提高了道路提取的精度和效率。
1.2 国内外研究现状国内外学者在基于深度学习的遥感影像道路提取方面进行了大量的研究。
早期的研究主要集中在利用卷积神经网络（CNN）进行道路提取，通过设计不同的网络结构和训练策略来提高提取精度。
近年来，随着全卷积网络（FCN）和U-Net等模型的提出，研究者开始尝试利用这些模型进行遥感影像的道路提取，取得了显著的效果。
此外，还有一些研究将深度学习与其他技术相结合，如条件随机场（CRF）、图模型等，以进一步提高道路提取的准确性。
1.3 研究目标和方法本文的研究目标是基于深度学习技术，设计并实现一种高精度、高效率的高分辨率遥感影像道路自动提取方法。
为实现这一目标，本文将采用以下研究方法：首先，对高分辨率遥感影像进行预处理，包括辐射定标、大气校正、正射校正等步骤，以提高影像质量；其次，设计一种基于深度学习的道路提取模型，通过大量的训练数据对模型进行训练和优化；最后，对提取结果进行后处理和优化，以提高道路提取的准确性和完整性。
2. 高分辨率遥感影像数据预处理2.1 数据来源和特性本文所采用的高分辨率遥感影像数据主要来源于卫星遥感平台。
这些数据具有高空间分辨率、多光谱特性和丰富的地物信息。
然而，由于受到大气条件、传感器误差等因素的影响，原始遥感影像往往存在辐射失真、几何变形等问题，需要进行预处理以消除这些影响。
- 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)。
根据规范，1：10000 地图的单点定位误差为图上 0.5mm，即 5 米，由计算结果 m 可知 根据此模型计算得到的检查点数据满足精度要求。
4. 高分辨率遥感影像和 AutoCAD 图像的叠加
4.1 高分辨率遥感影像和 AutoCAD 图像的叠加制作过程
4.1.1 AutoCAD 下的图像处理 a 打开 AutoCAD 文件：启动 AutoCAD 软件，单击“文件”命令，打开“文件”菜单，选择
0.318 0.501 0.323 0.309 0.374 0.059 0.065 0.118 0.281 0.353 0.502 0.824 0.499 0.428 0.370
根据上表计算总的控制点误差为：
15
∑ ∆xi2 = 2.199905
i =1
15
∑ ∆yi2 = 0.216384
i =1
Correction→打开 Set Geo Correction Input File 对话框，选择 From Image File 打开融合后的影 像，单击 OK,打开遥感影像图。
②在 AutoCAD2002 中打开相应的内 AutoCAD 矢量图作为校正依据。 b 启动几何校正模块 ①在打开 Set Geometric Model 对话框中，选择多项式几何校正计算模型为 Polynomial。
待校正模型建立起来以后，在影像上选取 10 个检查点（Check Point，简称为 CHP）， 以检查模型的校正精度。将其在影像上的坐标和在地形图上的坐标进行比较，得到了如表所 示的结果。
表 2 检查点精度统计结果 Table 2 The precision statistics results
检查点 CHP #1
由表 2 的数据进一步计算得到：
10
∑ ∆xi2 = 14.213086
i =1
10
∑ ∆yi2 = 17.341017
i =1
∑ mx =
1 10
10
∆xi2
i =1
= 1.192186
∑ my =
1 10
10
∆y
2 i
i =1
= 1.316853
m=
m
2 x
+
m
2 y
= 1.776347
-5-
（6） （7） （8） （9） （10）
3.2.2 高分辨率遥感影像的拼接 遥感影像图不是一个完整的 img 格式的影像，需要进行影像的拼接[3]。 在 ERDAS 图标面板工具条，单击 Data Preparation 图标→Mosaic Images 命令，打开
Mosaic Tool 对话框。 ①在 Edit 菜单中选择 Add Images 命令，将所要拼接的影像加到 Mosaic Tool 页面中。 ②在 Mosaic Tool 图标面板中工具条，根据需要单击相应的图标设置拼接关系。 ③在 Process 菜单中选择 Run Mosaic 命令，执行图像拼接处理。
影像达到真彩色的效果。 在 ERDAS 图标面板工具条，单击 Data Preparation 图标→Subset Imagine 命令，打开
Subset 对话框。在 Subset 对话框中，在 Output Options 中的 Select Layers 键入要输出图像的 波段数，设置为 1：3。
影像图的整饰
影像图的输出 图 1 遥感影像处理基本流程 Fig.1The processing basic process of remote sensing image
3.2 高分辨率遥感影像的处理
3.2.1 高分辨率遥感影像波段处理 QuickBird 彩色影像（多光谱）中，包含蓝、绿、红三个波段，剔除掉近红外波段，使
1. 引言
随着遥感技术的飞速发展，遥感应用的逐步深入，地图制作也发生了翻天覆地的变化。 1943 年德国开始利用航空相片制作各种比例尺的影像地图。1945 年前后美国开始产生影像 地图，中国在 20 世纪 70 年代开始研制影像地图[1]。由于遥感影像图具有遥感影像与地图的 各自优点，它比遥感影像具有可读性和可量测性，比普通地图更加客观真实，信息量更加丰 富，因此日益受到人们的重视。目前遥感影像图无论在农业的土地资源调查，农作物生长状 况及其生态环境的监测，还是在林业的森林资源调查，监测森林病虫害、沙漠化或是在海洋 资源的开发与利用，海洋环境污染监测都有着非常重要的应用[2]。
3.2.3 高分辨率遥感影像的几何校正 由于遥感器的内部畸变，遥感平台的运行状态，地球本身对遥感图像的影响等会使遥感
图像成像过程中产生的各种几何畸变，需要进行几何纠正。 a 显示图像文件 ① 在 ERDAS 图 标 面 板 工 具 条 上 ， 单 击 DatePreperation 图 标 →Image Geometric
的数值。 d 定义输出像元大小（Output Cell Sizes），X 值为 30/Y 值为 30。 e 设置输出统计中忽略值，即选中 Ignore Zero in Stats 复选框。 f 设置重新计算输出默认值（Recalculate Output Defaults），设 Skip Factor 为 10。 g 单击 OK 按钮。
ห้องสมุดไป่ตู้
1.562312 -0.985290 -2.000456 -1.288565 -1.542185 0.977512 -0.795421 0.824521 1.401033
5.525219 1.995067 5.836866 4.129351 3.670560 2.165787 1.363191 1.388555 3.419916
坐标差
∆xi /m
-1.436001
坐标差
∆yi /m
-1.287591
∆xi2 + ∆yi2
/m 3.719989
CHP #2 1.756246 CHP #3 -1.012063 CHP #4 1.354637 CHP #5 0.899195 CHP #6 1.136761 CHP #7 -1.100117 CHP #8 -0.854691 CHP #9 0.841855 CHP 10 1.207072
∑ mx =
1 15
15
∆xi2
i=1
= 0.382963
（1） （2） （3）
-4-
∑ my =
1 15
15
∆yi2
i =1
= 0.120107
m=
m
2 x
+
m
2 y
= 0.401356
（4） （5）
所以 X 方向总误差为 0.382963， Y 方向总误差 0.120107； RMS(Root Mean Square， 均方根中误差)为 0.401356，以上单位均为像素。
-2-
②单击 OK 按钮。 ③同时打开 Geo Correction Tools 对话框和 Polynomial Model Properties 窗口。 在 Polynomial Model Properties 窗口中，定义多项式模型参数及投影参数。 ④定义多项式次方（Polynomial Order）为 2。 ⑤定义投影参数（Projection）中的 Map Units(地图单位)选择 Meters。再点击 Set Projection from GCP Tool 选择地面控制点的获取方式。 ⑥在打开的 GCP Tool Reference Setup 对话框中选择 Keyboard Only 键盘输入控制点方 式，点击 OK。 ⑦在弹出的 Reference Map Information 对话框中，在 Map Units 中选择“Meters”,再点击 Add/Change Map Projection 选择投影方式。 ⑧单击 OK 按钮，对影像进行几何校正。 c 采集地面控制点 在图像几何校正过程中，采集控制点是一项非常重要和相当繁琐的工作， 具体过程如下（如图 2）： ①在 GCP 工具对话框中单击 Select GCP 图标，进入 GCP 选择状态。 ②在 GCP 数据表中将输入 GCP 的颜色（Color）设置为比较明显的红色。 ③在打开的 AutoCAD 图中找出位置明显的点作为控制点，记录其坐标，再打开的 Viewer#1 窗口中找到所选控制点的位置，再点击 GCP Tool 对话框中的 图标，点击所 选点的位置，再 GCP Tool 对话框中 X Ref 和 Y Ref 输入所记录的坐标。
0.306 -0.474 -0.304 -0.289 -0.358 0.058 0.061 0.100 -0.266 0.341 -0.487 0.783 0.478 0.408 -0.358
0.086 -0.162 -0.110 -0.107 -0.109 0.010 -0.021 -0.063 -0.091 0.091 -0.124 0.254 -0.142 0.131 -0.095
3.2.4 高分辨率遥感影像图的重采样 在 Geo Correction Tool 对话框中单击 Image Resample 图标，打开 Resample（图像重采
样）对话框，在 Resample 对话框中，定义重采样参数： a 输出图像文件名（Output File）为*.img。 b 选择重采样方法（Resample Method）为 Nearest Neighbor。 c 定义输出范围（Output Corners），在 ULX、ULY、LRX、LRY 微调框中分别输入需要
3.3 实验数据整理
表 1 遥感影像图几何校正结果 Table1 The results of geometric correction of image of remote sensing
RMS 中 误 差 / 像
GCP
X 残差/像素 Y 残差/像素 素