遥感图像配准

合集下载

测绘技术中如何进行地图与图像配准

测绘技术中如何进行地图与图像配准

测绘技术中如何进行地图与图像配准地图与图像配准是测绘技术中的一个重要环节,它解决了地图和图像之间的关联问题,使得地图与图像能够相互补充,提供更加全面和精准的地理信息。

本文将从配准的概念、方法和应用方面进行探讨,以帮助读者更好地了解和应用地图与图像配准技术。

一、配准的概念和意义地图与图像配准是指将已有的地图与获取的遥感图像进行几何校正和精确定位,使其实现空间上的一一对应。

通过配准,我们可以将地图上的坐标系统和图像上的像素坐标系统进行统一,从而实现地图与图像之间的关联和交互。

配准的意义在于提高地理信息的准确性和可靠性。

在测绘领域,我们常常需要利用遥感图像进行地理信息的提取和更新。

而地理信息的精确度和实用性很大程度上取决于地图与图像的配准质量。

只有保证了地图与图像的一致性,才能在地理信息的分析和决策中提供准确、可靠的依据。

二、配准的方法和流程地图与图像配准主要依赖于几何校正和点匹配两种方法。

几何校正是指通过空间变换将地图与图像进行对齐,使得它们在几何形状上一致;点匹配是利用已知坐标点在地图和图像上的对应关系,计算出坐标转换模型,实现地图与图像的精确定位。

在进行几何校正时,我们需要选取一些具有显著地物特征且在地图和图像上都存在的特定点,常用的特征包括道路交叉口、建筑物拐角等。

通过人工或自动提取这些特征点的像素坐标,再与地图上对应点的地理坐标进行关联,最终得到几何变换模型,使得地图与图像的形状一致。

点匹配的过程相对复杂一些。

首先,我们需要在地图和图像上选择一些具有地理坐标的参考点,这些点通常应分布在整个区域内,同时又易于提取和匹配。

然后,利用各种配准方法(如最小二乘、刚性变换、仿射变换等)计算出地图与图像之间的转换参数。

最后,通过误差分析和迭代调整,进一步提高配准精度。

三、配准的应用和挑战地图与图像配准的应用非常广泛。

首先,它可以用于地理信息系统(GIS)中的实时定位和导航。

通过将实时获取的地理位置与已有的地图进行配准,我们可以实现GPS定位的精确显示和导航引导。

测绘技术中图像配准和变换的原理与实践指南

测绘技术中图像配准和变换的原理与实践指南

测绘技术中图像配准和变换的原理与实践指南近年来,随着遥感和测绘技术的迅猛发展,图像配准和变换成为测绘工作的重要环节。

图像配准是通过对不同源的图像进行空间定位和相对准确的匹配,使得它们在地理坐标上具有一致性。

而图像变换则是利用数学方法将图像从一种坐标系统转换到另一种坐标系统,达到矫正和精确定位的目的。

本文将介绍图像配准和变换的原理与实践指南。

一、图像配准原理图像配准的主要原理是通过对两幅或多幅图像进行特征匹配,找到它们之间的对应关系,进而确定它们的空间位置和姿态。

常用的特征匹配方法包括兴趣点匹配、线特征匹配和区域特征匹配等。

1. 兴趣点匹配兴趣点匹配是一种基于特征点的图像配准方法,通过在图像中提取出具有显著特征的兴趣点,并对这些点进行匹配,从而得到图像之间的对应关系。

兴趣点可以是角点、边缘点或斑点等。

在匹配过程中,常用的算法有SIFT、SURF和FAST等。

2. 线特征匹配线特征匹配是一种基于线特征的图像配准方法,在图像中提取出具有一定长度并且有明显方向的线段,并通过线段的形状、方向和长度等信息进行匹配。

常用的线特征提取算法有Hough变换、LSD和特征线索引等。

3. 区域特征匹配区域特征匹配是一种基于图像区域的图像配准方法,通过对图像区域进行特征提取,并计算区域之间的相似性,从而实现图像的配准。

常用的区域特征包括颜色直方图、纹理特征和形状特征等。

二、图像变换原理图像变换是指将一幅图像从一个坐标系统转换到另一个坐标系统的过程。

常见的图像变换包括几何变换和光学变换两类。

1. 几何变换几何变换是通过对图像的像素进行坐标变换,实现图像的平移、缩放、旋转和仿射等操作。

平移是将图像在水平和垂直方向上移动一定距离;缩放是按照一定比例改变图像的尺寸;旋转是将图像按照一定角度进行旋转;仿射变换是保持直线和平行线性质的变换。

常用的几何变换方法有双线性插值、最近邻插值和三次样条插值等。

2. 光学变换光学变换是指通过光线传输的过程对图像进行变换。

遥感图像几何校正

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。

矢量与遥感影像的自动配准

矢量与遥感影像的自动配准

矢量与遥感影像的自动配准矢量数据和遥感影像在地理信息系统(GIS)和遥感领域中具有广泛的应用。

矢量数据是一种描述地理要素的数据格式,包括点、线、面等几何形状和属性信息,常用于地图制作和空间分析。

遥感影像是通过遥感技术获取的地球表面图像,可以包括可见光、红外、雷达等多种类型,用于土地资源调查、环境监测、城市规划等领域。

在应用过程中,往往需要将矢量数据与遥感影像进行配准,以便实现空间位置的精确对应,进而进行一体化分析和应用。

提高精度:通过对矢量数据和遥感影像进行精确配准,可以将不同数据源的数据进行精确对接,减少地图制作和空间分析中的误差,提高数据精度。

降低成本:手动配准数据不仅需要大量时间,而且容易出错。

自动配准技术可以通过程序实现快速、准确的数据对接,大大降低配准成本。

促进数据融合:通过将矢量数据和遥感影像进行配准,可以促进多种数据源的融合,扩展数据的应用领域,提高数据的利用率。

矢量与遥感影像的自动配准主要涉及以下技术和方法:特征提取:通过对矢量数据和遥感影像进行特征提取,获取具有代表性的特征点、线、面等元素,为后续匹配提供依据。

匹配算法:常见的匹配算法包括基于概率统计的匹配算法、基于距离的匹配算法、基于梯度的匹配算法等。

这些算法可以根据矢量数据和遥感影像的特征,选择合适的算法进行自动配准。

变换模型:常用的变换模型包括仿射变换、透视变换、多项式变换等。

这些模型可以将矢量数据和遥感影像进行几何变换,以实现精确配准。

优化算法:为了找到最优的变换参数,需要使用优化算法进行求解。

常见的优化算法包括梯度下降法、牛顿法、遗传算法等。

矢量与遥感影像的自动配准技术在诸多领域都有广泛的应用。

以下是一些典型案例:土地资源调查:将矢量地图与遥感影像进行配准,可以准确获取土地资源的分布、面积、利用状况等信息,为政府决策提供科学依据。

环境监测:通过对矢量数据和遥感影像进行配准,可以实时监测环境污染状况,为环境保护提供数据支持。

测绘技术中的遥感影像配准方法

测绘技术中的遥感影像配准方法

测绘技术中的遥感影像配准方法引言遥感技术在测绘领域中扮演着重要的角色,它可以通过卫星、飞机等传感器获取地球表面的数据。

然而,由于不同传感器、不同时间获取的数据存在空间和时间上的差异,需要进行影像配准来融合和比较这些数据。

本文将介绍测绘技术中常用的遥感影像配准方法。

一、特征点匹配法特征点匹配法是一种常用的配准方法,也是最直观和简单的方法之一。

该方法基于图像中的特征点,通过将两幅影像中的对应特征点进行匹配,来实现影像的配准。

在这个过程中,可以采用特征描述子来提取特征点的信息,如SIFT(尺度不变特征变换)和SURF(加速稳健特征)等算法。

二、直接法直接法是一种比较常见的配准方法,它通过像素级的匹配来将两幅影像对齐。

这种方法的优点是简单直接,可以在不考虑图像特征的情况下完成配准,但由于像素匹配的计算量较大,所以在处理大尺寸影像时效率较低。

三、控制点法控制点法是一种基于地面控制点的配准方法。

它首先在待配准影像和参考影像中选择具有较好识别度的标志物作为控制点,然后通过测量这些控制点在两幅影像中的坐标,建立空间转换模型,进而实现影像的配准。

这种方法精度较高,适用于对地物变化较大的区域进行配准。

四、基于影像几何校正模型的配准方法利用影像几何校正模型进行配准是一种比较常见的方法,它主要根据空间变换模型进行配准。

常用的几何校正模型有平移、旋转、仿射和投影等。

通过对影像进行几何校正,可以将其与参考影像进行对比和融合,以获得更加准确和具有空间一致性的结果。

五、基于图像配准质量评估的方法在影像配准过程中,如何评估配准结果的质量是一个重要的问题。

一种常用的方法是计算影像配准后的残差误差,该误差越小,表示配准效果越好。

另外,可以利用图像质量评价指标,如峰值信噪比(PSNR)和结构相似性(SSIM)等指标来评估配准结果的质量。

六、配准精度与应用影像配准的精度对于后续的测绘应用具有重要影响。

在地图制图、城市规划、资源调查和环境监测等领域,高精度的影像配准可以提供准确的地理信息,为决策和规划提供支持。

测绘技术中的遥感影像匹配与配准方法

测绘技术中的遥感影像匹配与配准方法

测绘技术中的遥感影像匹配与配准方法遥感影像匹配与配准方法是测绘技术中的重要研究内容。

遥感影像匹配是指将不同时间或不同传感器获取的遥感影像进行比对,找出它们之间的相似性和差异性。

而遥感影像配准则是将不同时间或不同传感器获取的遥感影像进行几何校正,使它们在空间上具有一致的坐标和尺度。

在测绘应用中,遥感影像匹配与配准是非常关键的。

首先,它们能够帮助提取地表特征和地物信息。

通过匹配不同时间的遥感影像,我们可以观测到地表的变化情况,例如城市的扩张、农田的变化等。

通过配准不同传感器获取的遥感影像,我们可以获得一致的地物几何信息,从而进行更精确的测量和分析。

其次,遥感影像匹配与配准还可以用于制作地图和更新地理信息数据库。

通过将不同时间或不同传感器获取的遥感影像进行匹配和配准,可以实现地图的更新和变化监测,为城市规划、土地管理等提供决策支持。

遥感影像匹配与配准的方法有很多种。

其中,基于特征点的方法是最常用的一种。

该方法通过提取影像中的特征点,比如角点、边缘等,然后利用特征点之间的相互关系进行匹配和配准。

这种方法具有计算速度快、适用范围广的特点,但对于存在大量相似的地物和复杂的地形条件,其匹配结果可能存在误差。

为了解决这个问题,研究人员还提出了基于区域的匹配与配准方法。

该方法首先将影像划分为若干个区域,然后对每个区域进行特征提取和匹配,最后将各个区域的匹配结果进行整合。

这种方法能够更好地处理影像中存在的局部匹配问题,但对于区域划分和整合过程的准确性要求较高。

除了基于特征点和区域的方法外,还有一些其他的遥感影像匹配与配准方法。

例如,基于模型的方法利用地物的几何特征和变换模型进行匹配和配准。

这种方法适用于具有明显几何特征的地物,如建筑物、道路等。

另一种方法是基于图像配准校正点的方法,该方法通过选取几个具有已知准确坐标的地物作为控制点,利用它们在遥感影像中的位置信息进行匹配和配准。

这种方法能够提高配准的精度,但需要事先获取控制点的准确坐标。

遥感数字图像处理-第6章 几何校正

遥感数字图像处理-第6章 几何校正
3
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。

遥感技术在测绘中的影像匹配方法

遥感技术在测绘中的影像匹配方法

遥感技术在测绘中的影像匹配方法遥感技术是一种通过远距离获取和获取地球物体信息的技术手段。

在测绘领域,遥感技术被广泛应用于地图制作、地形分析和资源调查等方面。

其中,影像匹配是遥感技术中重要的一环,它通过对遥感影像进行准确的配准,使得不同时间或者不同源的影像能够互相重叠,因此具有重要的意义和应用价值。

影像匹配是指将两个或多个影像通过寻找各个影像之间的相同或相似的特征点,并利用这些特征点建立变换模型,将影像转换到同一坐标系下以实现重叠,从而完成准确的配准。

在影像匹配的过程中,有许多方法可以用于提取和匹配特征点,如几何特征匹配、密集光流法和SIFT等。

其中,SIFT(Scale-Invariant Feature Transform)是目前较为常用且常见的影像匹配方法之一。

SIFT是一种在计算机视觉领域常用的特征提取和描述算法。

它的基本思想是通过在影像中寻找并描述关键点,然后利用这些关键点在不同影像之间进行匹配。

SIFT算法有三个主要步骤:尺度空间极值检测、关键点定位和描述符的生成。

在尺度空间极值检测中,通过使用高斯差分函数来检测影像中不同尺度下的极值点。

接着,在关键点定位中,通过阈值筛选和边缘响应去除等方法来确定最稳定的关键点。

最后,在描述符的生成中,利用关键点周围的图像梯度来生成一个128维的向量表示,该向量能够保持关键点的尺度和旋转不变性。

此外,除了SIFT方法外,基于区域的匹配方法也是影像匹配中常用的一种方法。

该方法针对影像中大范围的区域进行匹配,以获取图像的全局特征。

基于区域的匹配方法主要基于相似性度量,通过计算不同区域的相似度来找到最佳匹配的位置。

这种方法特别适用于遥感影像中存在遮挡、相似和重复纹理结构的情况。

总的来说,影像匹配方法在测绘中有着重要的作用。

它能够解决不同时间或者不同源的影像在几何上的差异,从而实现不同时空条件下的影像对比和变化检测。

通过遥感影像匹配,我们能够更加准确和可靠地获取地表的信息,进一步提高地理信息系统(GIS)和遥感技术在测绘中的应用水平。

  1. 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. 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. 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.实习目的:遥 感 图 像 的 配 准 2.实习内容: 2.1掌握ENVI自定义坐标,以及基于地形图的遥感影像配准过程。 2.2本次实习中带有地理坐标的西安市城区地形图被用作基准影像,对资源三号全色影像进行配准。在此基础上,以纠正后的全色影像为基准,校正资源三号多光谱影像,用于下节的图像融合。 3.实习步骤: 3.1 基于地形图配准全色影像的具体操作步骤: 3.1.1 打开并显示资源三号全色影像与地形图 1) 从ENVI主菜单中,选择File → Open Image File。加载地形图文件和全色影像到可用波段列表Available Bands List中; 2) 点击Load RGB将地形图加载到显示窗口display#1; 3) 在可用波段列表Display #1下拉菜单 ,点击New Display按钮,并从下拉式菜单中选择New Display。点Load RGB按钮,将全色影像加载到一个新的显示窗口display#2。 3.1.2 修改地形图头文件中的地图信息 由于地形图为西安80坐标系,而ENVI系统自带的投影文件中并没有相关基准面和椭球体,因此打开的地形图无法正确显示地图信息Map Info; 1) 定义椭球体,进入ENVI安装目录:C:\Program Files\ITT\IDL71\products\envi47\ map_proj,打开椭球体文件ellipse.txt,在最后一行增加IAG-75,6378140.0, 6356755.3; 2) 定义基准面,在相同的目录,打开基准面文件datum.txt文件,在最后一行增加D_Xian_80,IAG-75,0,0,0; 3) 在可用波段列表中,右键点击地形图文件,选择Edit Header,从弹出的窗口的Edit Attributes的下拉箭头中选择Map Info,进入Edit Map Information。输入图像左上角XY坐标与像素大小;选择Change Proj,新建投影,输入相关参数 3.1.3影像配准 1) 从ENVI主菜单栏中,选择Map → Registration → Select GCPs: Image to Image; 2) 在Image to Image Registration对话框中,点击并选择Display #1 (地形图),作为Base Image。点击Display #2(全色影像),作为Warp Image。 3) 点击OK,启动配准程序。通过将光标放置在两幅影像的相同地物点上,来添加单独的地面控制点。 4) 当选好同名点后,在Ground Control Points Selection对话框中,点击Add Point,把该地面控制点添加到列表中。点击Show List可以查看地面控制点列表。当选好三个点后,Ground Control Points Selection对话框中Predict将自动激活可用,然后可以在基准影像上选好一个控制点后,点击Predict后,系统会自动定位后待校正的全色影像的相同位置,此时可以微调,满足要求后即可将该点添加到地面控制点列表。也可以勾选Ground Control Points Selection →Option → Auto Predict,此时当在基准影像上移动时,待校正的全色影像窗口会随之移动,以便于选择控制点。 5) 一旦已经选择了至少4个地面控制点以后,RMS误差就会显示出来。一般要求RMS必须控制在1个像素以内,如果误差较大,可以点击Ground Control Points Selection →Show List,打开Image to Image GCP List窗口,点击Update,可以将误差较大的点删除,重新选点。当选好足够数量,且精度满足要求的同名点后,从Ground Control Points Selection对话框中,选择Options →Warp File(as Image to map)(两幅影像传感器类型不一致,分辨率大小不同)。 6) 在Registration Parameters对话框中,输入校正影像分辨率大小,Method选择Polynomial。在Resampling的按钮菜单中选择Bilinear重采样法。并输入输出路径及文件名,单击OK输出。 7) 将校正的全色影像加载到New Display。并通过在主影像窗口菜单中选择Tools → Link Displays → Link,将地形图与校正后的全色影像进行比较,检查校正结果。 3.2 基于校正后全色影像配准多光谱影像的具体操作步骤: 1) 从ENVI主菜单中,选择File → Open Image File。加载校正后全色影像pan_warp.img和待纠正全色影像ms.img到可用波段列表Available Bands List中,并分别加载到两个Display中; 2) 从ENVI主菜单栏中,选择Map → Registration → Select GCPs: Image to Image; 3) 在Image to Image Registration对话框中,点击并选择Display #1 (全色),作为Base Image。点击Display #2(多光谱影像),作为Warp Image。 4) 点击OK,启动配准程序。通过将光标放置在两幅影像的相同地物点上,来添加单独的地面控制点。 5) 以下过程与上述配准过程基本一致; 6) 下面介绍一种自动选择控制点的方法。当至少选好3个同名点后(手动选择控制点数量越多,自动选点的精度越高),可以选择Ground Control Points Selection →Option → Automatically Generate Tile Point,然后在Warp Image Band Matching选择一个波段进行基于像素匹配,一般选择信息量丰富的波段(不要选择前面的波段,噪声较多,本实习可以选择第四个近红外波段)。选择最后一个波段,打开Automatic Tile Points Paramet窗口,输入选择控制点的个数Number of Tie Point,点击OK;

7) 点击Ground Control Points Selection →Show List,对自动选择的控制点进行筛选,对于明显错误的点删除,位置略有偏差的点手工移动后选择update。 7) 在控制点筛选完成,并满足精度要求的情况后,即可选择Options →Warp File(as Image to map)。在Registration Parameters对话框中,输入校正影像分辨率大小,Method选择Polynomial。在Resampling的按钮菜单中选择Bilinear重采样法。并输入输出路径及文件名,单击OK输出。 8) 将校正的全色影像加载到New Display。并通过在主影像窗口菜单中选择Tools → Link Displays → Link,将校正后的全色和多光谱影像进行比较,检查校正结果。 4.实习结果: 影像的配准成果表达 全色图像

图中红色数字标记的为所选择的20个特征控制点 多光谱影像

图中红色数字标记的为所选择的34个特征控制点 5.实习心得: 遥感实习是一门应用型课程,在实习过程中,我们将一学期所学的知识运用于实际操作中,深入了解了遥感与地理信息系统的作用并初步学会了运用相关软件对图像进行处理制作。课程中,了解了ENVI理与制作。的基本功能和基本作用,完成了图像的处理与制作。 今天的实习给我的最深体会是只有动手操作才会真正学会运用软件,再多地文字资料也比不上一次认真地操作。我从头至尾地操作了ENVI,使我对ENVI软件有了初步的了解。实习刚刚开始,我会对ENVI和对与ENVI有关软件的比如ArcGIS进行学习,早日实现对这几个软件灵活运用。成为一名遥感的应用性人才! 思考题: 多项式校正模型的原理,以及控股点选取得原则。

答:多项式校正模型属于一种近似校正方法,在卫星图像校正过程中应用较多。校正时先根据多项式的阶数,在影像中选取足够数量的控制点,建立影像坐标与地面坐标的关系式,再将整张影像进行转换。此校正方式会受到影像面积及高程变化程度的影响,如果影像范围不大且高程起伏不明显,校正后的精度一般会满足要求,反之则精度会明显降低。因此多项式模型一般适用于平地或者精度要求相对较低的校正处理。 遥感图像校正选择控制点有几个原则:1.控制点不要选择太少也不要太集中,一般要分布在整幅遥感图像上好。2.一般选择道路交叉点,河流拐点等特征点,由于我们一般看到的的遥感图像分辨率一般都在几十米,所以你在标准图像和矫正图像上看似差不多的两个点在实地上是相差很多的,这些点不选。 3 . 选点时要选择没有变化的相同区域,如明显的道路交叉路口、建筑物或构筑物的边角等等。因为遥感影像与航片有时相差异,成像时的太阳高度角、方位角、大气等条件也不尽相同,因此同样的建筑物或其它具有明显高程差的地物上不宜放置控制点,以避免像差带来的几何误差,保证点位的精准度。4.一般来说,采用多项式数学模型时,控制点个数与多项式阶项n及地形情况有密切关系。控制点个数最少应2倍于(n+1)(n+2)/2。当阶项n=2或更高时,通常要求每景控制点在25个以上,困难地区应适量增加控制点,保证在30~50个左右。5.在复杂地形条件下,对整景影像要进行分区选点和校正并保证相邻分区有影像重叠区和公共控制点,在公共区域有意的均匀增加控制点,来保证两个相邻的公共区域校正效果一致,从而方便将相邻两幅图镶嵌起来。

相关文档
最新文档