6.1几何校正概述
一、几何畸变
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、拉伸、扭曲和偏移等问题。这一现象我们称之为几何畸变。
二、几何校正
几何畸变会给基于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误差,所以需要针对图像的几何畸变进行校正,也就是几何校正。
三、几何畸变原因
◆传感器内部因素:包括透镜、探测元件、采样速率、扫描镜等引起的畸变。
◆遥感平台因素:包括由于平台的高度、速度、轨道偏移及姿态变化弓引起的图像畸变。
◆地球因素:地球自转、地形起伏、地球曲率等。
◆此外,大气折射和投影方式的选择也会造成图像畸变。
四、几何畸变的类型
按照畸变的性质 ,可以将几何畸变分为系统性畸变(内部)和随机性畸变(外部)。
系统性畸变是指遥感系统造成的畸变,这种畸变一般有一定的规律性,并且其畸变程度事先能够预测,例如扫描镜的结构方式和扫描速度等造成的畸变。随机性畸变是指大小不能预测,其出现带有随机性质的畸变,例如地形起伏造成的随地而异的几何偏差。
五、几何校正类型
遥感图像几何校正分两种:几何粗校正和几何精校正。几何粗校正是根据产生畸变的原因,利用空间位置变化关系,采用计算公式和取得的辅助参数进行的校正,又称为系统几何校正。
几何精校正是指利用地面控制点做的精密校正。几何精校正不考虑弓|起畸变的原因,直接利用地面控制点建立起像元坐标与目标物地理坐标之间的数学模型,实现不同坐标系统中像元位置的变换。

6.2几何校正原理
一、几何校正过程
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)
二、坐标变换
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(校正后图像)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(空白图像)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。
此方法能保证校正后图像的像元在空间上均匀分布,但需要进行灰度的重采样,是最常用的几何校正方法。
3.多项式校正模型

4、地面控制点的选择
●地面控制点需在图像上有明显的、清晰的识别标志,如道路交叉点、建筑边界、农田界线、飞机场、 城廓线等。
●地面控制点上的地物不随时间而变化,以保证当两幅不同时间的图像或地图几何校正时,可以同时识别出来。
●在没有做过地形校正的图像上选择控制点时,应在同一地形高度上进行。
●地面控制点应当均匀地分布在整幅图像内,且要有一定的数量保证
(大于多项式校正模型的未知参数个数,n次多项式控制点的最少数目为(n+1)(n+2)/2 )。
5、几何校正精度评估

三、灰度值的重采样
◆图像数据经过坐标变换之后,像元中心位置通常会发生变化,其在原始图像中的位置不一定是整数的行列号因此需要根据输出图像每个像元在原始图像中的位置,对原始图像按一定规则进行重采样 ,通过对栅格值进行重新计算,建立新的栅格矩阵。
◆重采样就是根据原始图像的像元信息内插为新的像元值。
◆数字图像灰度值最常用的重采样方法有最近邻法、双线性内插法和三次卷积法。
1、最近邻法:与谁近,就取谁的灰度值为自己的灰度值。(保持光谱信息)
最近邻法的优点是方法简单处理速度快,且不会改变原始栅格值,但该方法最大会产生半个像元大小的位移,处理后的图像不够平滑。一般用于数据的预处理。
2、双线性内插法:所求像元点水平垂直做两条线,计算交点处的值,最后通过交点处的值计算该点像元的灰度值。
与最近邻法不同的是,用到了四个点像元的灰度值,而最近邻法只用到了一个点像元的灰度值。
(光谱信息被改变)
使用双线性内插法的重采样结果会比最邻近法的结果更光滑,但会改变原来的栅格值,丢失了一些微小的特征。适用于表示某种现象分布、地形表面的连续数据。
3、三次卷积法:用了更多的像元点的灰度值,原理和双线性内插法相似。
三次卷积法能使图像变得平滑,视觉效果好,但是会破坏图像光谱信息,当不需要再进行基于光谱分析的数据处理,而只是用于制图表达时可采用此方法。适用于制图表达。
四、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:
1. 对畸变图像和基准图像建立统一 的坐标系和地图投影。
2.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。
3.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。
(一般采用二项式校正模型)
4. 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。
5.几何校正的精度分析
6.3几何校正类型
一、图像到图像的几何校正
图像到图像的几何校正是利用具有已知地理信息的基准图像进行控制点选取,在基准图像和畸变图像上选取相同目标物,建立起基准图像与畸变图像之间的图像坐标转换关系,再利用基准图像的实际坐标投影信息对畸变图像进行几何校正。
二、图像到地图的几何校正图像到地图的几何校正与图像到图像的几何校正基本类似,只是控制点的选择方式更加灵活。可以通过具有地理坐标信息的栅格图像、矢量图像、文本文件导入,也可以从纸质地图、GPS测量数据中读取,通过键盘手动输入坐标信息。
三、具有已知几何信息的几何校正
一般是通过输入几何文件 ( Input Geometry , IGM )和地理位置查找表文件( Geographic Lookup Table,GLT)来实现。
四、正射校正
正射校正不仅能够实现常规的几何校正功能,还能通过测量高程点和DEM来消除地形起伏引起的图像几何畸变,提高图像的几何精度。正射校正的图像具有精确的空间位置,全幅图像具有统一的比例尺,称为数字正射影像。
◆常用的正射校正方法很多,主要包括严格物理模型和通用经验模型两种。
严格物理模型是通过利用图像与地面之间的严格几何成像关系而建立的,其参数具有明确的物理意义,如传感器的轨道参数和姿态参数。
用经验模型不考虑图像成像的物理过程,不需要传感器的内外方位元素数据,直接采用数学函数建立地面控制点和对应像元之间的几何关系。(地面控制点需要XYZ三个维度,Z就是高程)

6.4图像配准与投影转换
一、图像配准概念
◆几何校正和图像配准
图像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。图像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。
而图像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。
二、图像自动配准:
1、图像自动配准要素
◆图像自动配准方法可以看作是特征空间、相似性度量、搜索空间和搜索策略这四个要素的不同选择组合。
●特征空间:图像自动配准需要在图像之间自动识别同名点,同名点的自动识别借助于图像特征,参与匹配的图像特征便组成特征空间。
●相似性度量:确定待匹配图像特征之间的相似性,通常定义为某种代价函数或者是距离函数的形式。
●搜索空间:建立输入图像特征与基准图像特征之间各种可能的对应关系,所有这些可能的变换的集合就是搜索空间。
●搜素策略:通过合适的搜索方法在搜索空间中找出平移、旋转等变换参数的最优估计,使得图像之间经过变换之后的相似性最大,这就是搜素策略。
2、图像自动配准:性能
◆图像自动配准算法的性能可以从匹配速度、匹配精度、匹配概率和匹配适应性这四个指标来进行评估。
●匹配速度是指匹配算法运行的效率,由算法的计算量和算法结构(并行或串行)决定。
●匹配精度是由图像匹配误差决定,也就是估计匹配点与实际匹配点之间的偏差, 采用均方根误差RMS描述。
●匹配概率是指每次匹配操作能够把匹配误差限定在精度范围的概率,为正确匹配次数与总匹配次数的比值。
●匹配适应性指匹配算法是否适用于不同来源的图像数据。

三、投影转换
◆与几何校正类似,投影转换也涉及到空间位置(像元坐标)变换和像元灰度值的重新计算(重采样)两个过程。
二者的区别在于:几何校正的空间位置变换关系未知,需要利用控制点的坐标来建立空间位置变换关系;而投影转换则可以根据两种投影类型及其参数推导出明确的空间位置变换关系。
投影转换与添加投影是两个不同的概念,投影转换涉及到几何变换的空间位置变换与像元灰度值重采样两个过程,会引起图像上地物的形状发生改变;
而添加投影是指输入图像本身具有某种投影类型,只是投影信息因某种原因暂时丢失了,所以需要重新给图像添加投影信息,它不会引|起图像内容的任何变化。

遥感数字图像处理——第六章——几何校正相关推荐

  1. 数字图像处理——第六章 彩色图像处理

    数字图像处理--第六章 彩色图像处理 文章目录 数字图像处理--第六章 彩色图像处理 1 彩色模型 1.1 RGB彩色模型 1.2 CMY 和CMYK彩色模型 1.3 HSI彩色模型 2 伪彩色图像处 ...

  2. 数字图像处理第六章——彩色图像处理(上)

    数字图像处理第六章 数字图像处理---彩色图像处理 (一) 在 MATLAB 中彩色图像的表示 1.1 RGB图像 1.2 索引图像 1.3 处理 RGB图像和索引 (二)彩色空间之间的转换 2.1 ...

  3. 数字图像处理第六章 ——彩色图像处理(下)

    数字图像处理第六章 数字图像处理---彩色图像处理 (五) 彩色图像的空间滤波 5.1 彩色图像的平滑处理 5.2 彩色图像的锐化处理 (六) 直接在 RGB 矢量空间中处理 6.1 使用梯度的彩色边 ...

  4. 数字图像处理--第六章彩色图像处理基础

    文章目录 6 彩色图像处理 6.1 彩色基础 6.2 彩色模型 6.2.1 RGB彩色模型 6.3 伪彩色图像处理 6.3.1 强度分层 6.4 全彩色图像处理 6.5 查色标(查找表)Look Up ...

  5. 数字图像处理 第六章 彩色图像处理

    第六章 彩色图像处理 一.彩色基础 物理性质 消色与彩色光 人眼传感器 原色和合成色 颜色特征 二.彩色模型 2.1RGB彩色模型 2.1.1RGB示意图 2.2CMY和CMYK彩色模型 2.3HSI ...

  6. 数字图像处理第六章 彩色图像处理

    彩色图像处理 1 彩色模型 1.1 RGB彩色模型 1.2 HSI彩色模型 2 彩色空间之间的转换 2.1 NTSC彩色空间 2.2 YCbCr彩色空间 2.3 CMY和CMYK彩色空间 2.4 HS ...

  7. 数字图像处理——第六章彩色图像处理

    文章目录 6.1 彩色模型简介 6.1.1 RGB彩色模型 6.1.2 CMY/CMYK模型 6.1.3 HSI模型 6.2 伪图像处理 6.3 彩色变换 总结 6.1 彩色模型简介 彩色模型也称为彩 ...

  8. 数字图像处理——第六章(彩色图像处理)

    彩色图像处理 一.彩色基础 1.1 彩色 1.2 三原色 1.3 颜色表示 二.彩色模型 2.1 RGB模型(相加混色模型,主要用于显示) 2.2 CMY和CMYK彩色模型(相减混色模型) 2.3 H ...

  9. 数字图像处理第六章——彩色图像处理

    目录 引言 一.彩色基础 二.彩色模型 2.1 RGB彩色模型 2.2 CMY和CMYK彩色模型 2.3 HSI彩色模型 三.伪彩色图像处理 3.1 灰度分层 3.2 灰度到彩色的变换 四.彩色变换 ...

  10. 【遥感数字图像处理】基础知识:第一章 绪论

    第一章   绪 论 ◆ 课程学习要求 主要教学内容:遥感数字图像处理的概念和基础知识,遥感数字图像的几何处理,遥感图像的辐射校正,遥感数字图像的增强处理,遥感图像的计算机分类,遥感数字图像的分析方法, ...

最新文章

  1. C运算符解析及优先级
  2. java 组件化_(原创)搭建一个组件化的监控平台
  3. Serv-U搭建FTP服务器
  4. Android实现传感器应用及位置服务
  5. 阿里云容器Kubernetes监控(五) - 离线存储与归档Kubernetes事件
  6. (笔记)涉及到的WinAPI函数
  7. Android开发中,如何从系统固件里提取可用的APK
  8. html字体白色边框黑色效果,css完整总结:第二篇(尺寸,外补白,内补白,边框,背景,颜色,字体,文本,文本装饰)...
  9. Python绘制漫天的雪花,漫步天涯
  10. ajax post forbidden,解决 Ajax 发送 post 请求出现 403 Forbidden 的三种方式
  11. C语言读取文件时txt中的汉字出现乱码的解决方案
  12. PHP 项目 该网页无法正常运作情况,但没有报错
  13. 2020 GDUT Rating Contest III (Div. 2) B - Loan Repayment 题解
  14. SolidWorks 如何制作装配体
  15. eMMC ext4综述【转】
  16. nginx-基础知识
  17. (C++实例)汽车类vehicle、小车类car、卡车类truck操作
  18. python3将文本内容生成词云
  19. 汇编原理自我总结 (二)
  20. 从新手到老鸟的脱变过程之《如何做手游项目》

热门文章

  1. 双线macd指标参数最佳设置_MACD“双线合一”抄底法:等待个股最佳买点的出现,及时买进...
  2. 学校计算机协会有哪些部门,大学生计算机协会部门职能划分(7页)-原创力文档...
  3. python的输入输出语句_Python基本输出语句/输入语句/变量解析
  4. HTTP:一次完整的HTTP服务过程
  5. Javascript特效:轮播图
  6. FusionCharts Free做报表
  7. AI_机器学习与深度学习有什么区别?
  8. 主干网络系列(1) -ResNet: Deep Residual Learning for Image Recognition
  9. Tensorflow 2.x代码中如何控制随机性以保证结果可重复性
  10. 随笔小杂记(二)——分割数据集和标签作为训练集和验证集