遥感图像的几何纠正
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。
遥感图像几何校正
第4讲遥感图像几何校正遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。
几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。
在开始介绍ENVI的几何校正操作之前，首先对ENVI的几何校正几个功能要点做一个说明。
1几何校正方法（1）利用卫星自带地理定位文件进行几何校正对于重返周期短、空间分辨率较低的卫星数据，如A VHRR、MODIS、SeaWiFS等，地面控制点的选择有相当的难度。
这时，可以利用卫星传感器自带的地理定位文件进行几何校正，校正精度主要受地理定位文件的影响。
（2） image to image几何校正通过从两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（3）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。
（4）image to image 自动图像配准根据像元灰度值或者地物特征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置过程。
（5）image registration workflow流程化工具将具有不同坐标系、不同地理位置的图像配准到同一坐标系下，使图像中相同地理位置包含相同的地物。
2控制点选择方式ENVI提供以下选择方式：∙从栅格图像上选择如果拥有需要校正图像区域的经过校正的影像、地形图等栅格数据，可以从中选择控制点，对应的控制点选择模式为Image to Image。
∙从矢量数据中选择如果拥有需要校正图像区域的经过校正的矢量数据，可以从中选择控制点，对应的模式为Image to Map。
∙从文本文件中导入事先已经通过GPS测量、摄影测量或者其他途径获得了控制点坐标数据，保存为以[Map (x,y), Image (x,y)]格式提供的文本文件可以直接导入作为控制点，对应的控制点选择模式为Image to Image 和Image to Map。
如何进行遥感图像的几何校正与分类处理
如何进行遥感图像的几何校正与分类处理遥感图像是通过人造卫星、航空器或遥感器获取的地球表面的图像信息。
在进行遥感图像的处理和分析时，几何校正和分类处理是其中重要的步骤。
本文将重点探讨如何进行遥感图像的几何校正和分类处理，并介绍相关的方法和技术。
一、遥感图像的几何校正遥感图像的几何校正是指将图像中的像素点与地球表面上真实位置进行对应，以消除因成像过程中的非完美性而引入的误差。
几何校正的目的是提高图像的空间分辨率和地理位置精度，从而能够更准确地用于地表特征的分析和监测。
1. 预处理在进行几何校正之前，需要先对遥感图像进行预处理，包括去除大气影响、辐射校正和减噪等。
这些预处理步骤有助于提高图像的质量和准确性。
2. 控制点的选择几何校正过程中需要选择一些已知地理位置的控制点，用于图像与地理坐标系统的对应。
这些控制点可以是地面标志物、地理信息系统（GIS）数据或其他已知位置的遥感图像。
控制点的选择应均匀分布在图像中，并要尽量选择在不同地貌和地物类型上的点，以提高校正的准确性。
3. 变换模型的选择几何校正过程中需要选择适合图像特性和误差来源的变换模型。
常用的变换模型包括线性变换模型、多项式模型和地面控制点法等。
选择合适的变换模型可以提高校正的准确性和效率。
4. 校正方法和工具进行几何校正时，可以使用遥感软件如ENVI、ERDAS等提供的功能和工具。
这些软件提供了多种校正方法和算法，如影像配准、几何校正、快速校正等。
根据具体需求和图像特性选择合适的校正方法和工具，并进行参数设置和调整。
二、遥感图像的分类处理遥感图像的分类处理是指将图像中的像素按照其所代表的地物类型进行分类和划分。
分类处理的目的是将图像中的信息有效地提取出来，并用于地表特征的研究、资源调查和环境监测等。
1. 数据预处理在进行分类处理之前，需要对遥感图像进行数据预处理，包括辐射校正、几何校正、噪声抑制等。
这些预处理步骤可以提高分类的准确性和可靠性。
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。
遥感图像的几何纠正答案
6.2.6 最小二乘法
最小二乘法最早称为回归分析法。由著名的英 国生物学家、统计学家道尔顿（F.Gallton） 所创。 探索变量之间关系最重要的方法，用以找出变 量之间关系的具体表现形式。 后来，回归分析法从其方法的数学原理——误 差平方和最小（二乘是平方的意思）出发，改 称为最小二乘法。
6 遥感图像的几何畸变 和几何纠正方法
6.1遥感图像几何畸变
1. 遥感器本身引起的畸变 2. 外部因素引起的畸变 3. 处理过程中引起的畸变
辐射 畸变
6.1.1遥感器本身引起的畸变
遥感器本身引起的几何畸变与遥感器的结构、特性和 工作方式不同而异。这些因素主要包括： 1 透镜的辐射方向畸变像差； 2 透镜的切线方向畸变像差； 3 透镜的焦距误差； 4 透镜的光轴与投影面不正交； 5 图像的投影面非平面； 6 探测元件排列不整齐； 7 采样速率的变化； 8 采样时刻的偏差; 9) 扫描镜的扫描速度变化。
6.2.1 坐标关系
数字图象几何纠正：通过计算机对离散结构 的数字图像中的每一个像元逐个进行纠正处理的 方法。
这种方法能够精确地改正动态扫描图像所具 备地各种误差。
基本原理：利用图像坐标和地面坐标（另一 图像坐标、地图坐标等）之间的数学关系，即输 入图像和输出图像间的坐标转换关系实现。
6.2.1 坐标关系（续1）
2) 选择要在那个图像窗口上画ANN, IMAGE? SCROLL? ZOOM?
3) 在窗口上，选择菜单命令Object—Polyline； 4) 使用鼠标画线，按右键后画线停止，出现一个handle， 鼠标在
handle 上时候，按下左键可以拖动Ployline，按下鼠标中键则删除 该Ployline。画线的过程中，按下中键则删除上一个节点。再点击 右键则确定所画的线。
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)。
1 更改数据格式（BSQ转BIL或者BIP）
(1)显示图像
选择TM数据，右键查看数据源文件：
Toolbox里面查找raster managerment---convert interleave，打开界面后选择需要转换格式的文件，进入convert file parameters 界面：（经典界面在basic tools菜单里）
选择输出格式BIP或BIL，设置输出路径，结果：
2.更改数据投影信息
（1）打开envi classic 开打tm 和spot 文件, map菜单里找convert map projection
选择更改投影文件：
点击change projection：
设置输出路径，查看数据信息：
3. envi中图像堆栈
（1）显示单波段图像
（2）Toolbox工具箱中找raster management—Layer Stacking （经典界面中在basic tools里）
（3）调整参数
3 图像校正
第一步：打开并显示图像文件
开始>程序>ENVI5.x>Tools>ENVI Classic，主菜单>File>Open Image File，将SPOT （bldr_sp.img）和TM图像（bldr_tm.img）文件打开，并分别在Display中显示两个影像。
第二步：启动几何校正模块
1.主菜单>Map>Registration>Select GCPs:Image to Image，打开几何校正模块。
2.选择显示SPOT文件的Display为基准影像（Base Image），显示TM文件的Display
为待校正影像（Warp Image），点击OK进入采集地面控制点。
图5 选择基准与待校正影像
第三步：采集地面控制点
1、在两个Display中找到相同区域，在Zoom窗口中，点击左小下角第三个按钮，打开定位十字光标，将十字光标到相同点上，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、用同样的方法继续寻找其余的点，当选择控制点的数量达到3时，RMS被自动计算。
Ground Control Points Selection上的Predict按钮可用，选择Options>Auto Predict，
打开自动预测功能。
这时在Base Image（Spot影像）上面定位点，Warp Image（TM影像）上会自动预测区域。
3、当选择一定数量的控制点之后（至少3个），可以利用自动找点功能。
Ground Control Points Selection上，选择Options>Automatically Generate Points，选择一个匹配波段，这里选择band5，点击OK，弹出自动找点参数设置面板，设置Tie点的数量为50，Search Window Size为131，其他选择默认参数，点击OK。
图6 Tie点自动选择参数设置
4、点击Ground Control Points Selection上的Show List按钮，可以看到选择的所有控制列表，如下图所示。
选择Image to Image GCP List上的Options>Order Points by Error，按照RMS值有高到底排序。
图7 控制点列表
5、对于RMS过高的点，一是直接删除：选择此行，按Delete按钮；二是在两个影像的ZOOM窗口上，将十字光标重新定位到正确的位置，点击Image to Image GCP List上的Update按钮进行微调，这里直接做删除处理。
6、总的RMS值小于1个像素时，完成控制点的选择。
点击Ground Control Points Selection面板上的File>Save GCPs to ASCII，将控制点保存。
第四步：选择校正参数输出
有两种校正输出方式：Warp File和Warp File (as Image Map)。
推荐使用Warp File (as Image Map)。
Warp File
1.在Ground Control Points Selection上，选择Options->Warp File，选择
校正文件(TM文件)。
2.在校正参数面板中，校正方法选择多项式（2次）。
3.重采样选择Bilinear，背景值（Background）为0.
4.Output Image Extent：默认是根据基准图像大小计算，可以做适当的调整。
5.选择输出路径和文件名，单击Ok按钮。
这种校正方式得到的结果，它的尺寸大小、投影参数和像元大小（如果基准图像有投影）都和基准图像一致。
Warp File (as Image Map)
1.在Ground Control Points Selection上，选择Options> Warp File (as
Image to Map) ，选择校正文件(TM文件)。
2.在校正参数面板中，默认投影参数和像元大小与基准影像一致。
3.投影参数保持默认，在X和Y的像元大小输入30米，按回车，图像输出大小
自动更改。
4.校正方法选择多项式（2次）。
5.重采样选择Bilinear，背景值（Background）为0.
6.Output Image Extent：默认是根据基准图像大小计算，可以做适当的调整。
选择输出路径和文件名，单击Ok按钮。
第五步：检验校正结果
检验校正结果的基本方法是：同时在两个窗口中打开图像，其中一幅是校正后的图像，一幅是基准图像，通过地理链接（Geographic Link）检查同名点的叠加情况。
在显示校正后结果的Image窗口中，右键选择Geographic Link命令，选择需要链接的两个窗口，打开十字光标进行查看，如下图所示。
或者直接在ENVI5新界面下打开两幅图像进行对比。