遥感图像几何处理(4)讲解

《遥感图像几何处理(4)讲解》由会员分享，可在线阅读，更多相关《遥感图像几何处理(4)讲解（41页珍藏版）》请在金锄头文库上搜索。

1、主要内容：,遥感传感器的构像方程 遥感图像几何变形 遥感图像的几何处理 遥感图像几何处理的应用,遥感图像几何处理,一、遥感传感器的构像方程,构像方程 指地物点的图像坐标（x，y）和地面坐标（X，Y，Z）之间的数学关系。 是遥感图像几何数字纠正的数学基础 是参量误差分析的基础 构像方程中的三个坐标系：,地面坐标系O-XYZ 图像坐标系o-xy 传感器坐标系S-UVW,通用构像方程,是传感器坐标系S-UVW与地面坐标系O-XYZ之间的坐标转换关系 可据通用构像方程导出各种不同传感器的构像方程,1、框幅摄影机的构像方程 2、全景摄影机的构像方程 3、推扫式传感器的构像方程 4、红外和多光谱扫描仪的构

2、像方程 5、侧视雷达图像的构像方程,二、遥感图像的几何变形,遥感图像的几何变形是指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。 图像投影的参照系统地图投影系统 近似地图投影：地球切平面坐标系 原点：传感器的星下点 X轴：东方向 Y轴：北方向 Z轴：由星下点铅垂向上,引起变形误差的原因,传感器成像方式 传感器外方位元素的变化 地形起伏 地球曲率 大气折射 地球自转,三、遥感图像几何处理,改正遥感图像中的几何变形，并将其投影到需要的地理坐标系中。 目的是为满足应用中量测和定位的要求、实现多源遥感图像的几何配准、满足利用遥感图像进行地形图测图或更新的

3、要求、等。 纠正方法：,光学方法 使用现有的航测仪器 对动态获取的影像只能进行近似纠正（线性变形） 具体方法：分块纠正、仿射纠正 正射影像：可消除地形起伏产生的像点位移 数字方法 使用计算机 ，处理数字图像 建立在严格的数学基础上，可以逐点（逐像素）地对图像进行纠正，原则上可以处理任何类型的传感器图像。,数字几何处理主要内容：,数学基础 几何处理的两个层次 数字纠正的基本原理 常用的纠正变换方法,（一）数学基础：,遥感制图： 地面实况 遥感图像 地图 地面坐标图像坐标地图坐标 地面坐标系传感器坐标系图像坐标系地图坐标系 几何处理： 图像坐标系（出发点）地图坐标系（归宿） 地面坐标地图坐标（地图

4、投影） 地面坐标图像坐标（构像方程） 因此，几何处理的实质是将由构像方程建立的关系与由地图投影建立的关系相统一，进一步满足制图的几何要求。,（二）几何处理的两个层次,粗加工处理 仅做系统误差改正 需要利用图像的构象方程来进行 对传感器的内部畸变改正很有效 处理后仍有较大残差 精加工处理 进一步消除图像中的几何变形，产生符合某种地图投影或图形表达要求的新图像；,（三）数字纠正的基本原理,准备工作,输入原始数字图像,建立纠正变换函数,确定输出图像范围,逐像素的几何位置变换,像素亮度值重采样,输出纠正后的图像,1.坐标纠正变换两种方案 直接法（需进行像元的重新排列，要求存储空间大一倍，计算时间也长）

5、 间接法（常采用）,2.亮度值重采样,几何变换后坐标计算值不为整数时，需要把该点周围邻近整数点位上的亮度值对该点的亮度贡献累积起来，构成该点位的新亮度值，即亮度值重采样。 理想的重采样函数是辛克（SINC）函数。 由于辛克函数使用不方便，所以常采用一些近似函数来代替它。,三种常用的重采样方法,1、双三次卷积重采样法 （内插精度较高，但计算量大） 2、双线性内插法 （实践中常采用） 3、最邻近像元采样 （简单计算量小、辐射保真度好，但几何精度低）,双线性内插法,3.几何校正的类型,用地图校正影像 用影像校正影像 混合校正方法：即用经过几何校正的影像来校正待纠正的影像,（四）各种纠正变换方法,多项

6、式纠正法 严格的物理模型共线方程纠正法 基于仿射变换的严格几何模型 有理函数模型 神经网络校正,1.多项式纠正法,回避成像的空间几何过程，直接对图像变形的本身进行数学模拟，适用于各种类型传感器影像的纠正。 用一个适当的多项式来表达纠正前后图像相应点之间的坐标关系 校正精度与地面控制点的精度、分布、数量及实际地形有关。对地面相对平坦的情况，具有足够好的纠正精度；对于地形起伏较大的地区，效果不好，特别是当倾斜角大于10度时，效果更差。 多项式模型纠正时，在控制点上拟合很好，但在其它点上可能有明显偏离。 常用的多项式有一般多项式、勒让德多项式以及双变量分区插值多项式。,一般多项式纠正变换公式,多项式

7、中系数的个数N与阶数n的关系：,多项式系数的确定方法： 1、用可预测的图像变形参数构成； 2、利用已知控制点的坐标值按最小二乘法原理求解。,地面控制点要求： 在影像上为明显的地物点，易于判读； 在影像上均匀分布。,改进的多项式模型,小结： 多项式法最简单，用来纠正控制点处的平面变形，不考虑地面高差，适用于小范围平坦地区； 2D多项式模型不能反映各种误差来源，也不考虑地形高差引起的畸变，只限于小范围、高差较小的地区，变形较小的如星下点获取的或经过几何校正的数据； 2D多项式模型不适于遥感影像特别是高分辨率遥感影像的精校正； 3D多项式模型只有在无法获取成像系统的相关参数或没有可用的参数模型的条件

8、下使用，3D非参数模型不需要成像系统的先验知识，没有明确的物理意义，通常是基于不同的XYZ数学模型。3D多项式模型是2D多项式模型的扩展，适用于小范围的影像数据，需要大量的高精度、分布良好的GCP,对输入误差非常敏感,2.共线方程纠正法（严格物理模型）,在范围较大的的情况下，地球切平面投影与地图投影之间有着较大差异，因此需要通过更严密的变换来建立地物的图像坐标与地图坐标之间的关系 以地心坐标系为基础的共线方程：既能与传感器坐标系直接进行三维空间线性变换，恢复成像光束的空间几何形态，又能借助于大地测量学和地图投影学的知识，方便地转换为地理经纬度坐标，进而转换为任意一种所需要的地图投影坐标。,(1

9、)、以地心直角坐标为基础的共线方程,切平面坐标系地心坐标系,令传感器S的地心坐标为：,令传感器平台坐标系与地心坐标系间的旋转矩阵为：,地物点P在遥感平台坐标系中的坐标为：,传感器平台坐标系与地心坐标系间的坐标变换表达式为：,基于地心坐标的共线方程：,地心坐标系地理经纬度坐标系 根据大地测量学的知识，空间地物点的地心坐标、地心经纬度、航偏角和地球曲率半径都可以转换为地理经纬度的表达形式。 地理经纬度坐标系地图投影坐标系 坐标正算:地面点经纬度（L，B）地图坐标(Xm,Ym) 坐标反算:地图坐标(Xm,Ym) 地面点经纬度（L，B）,(2)、共线方程参数的确定,共线方程中的待定系数主要是：传感器的

10、三个姿态参数和三个位置参数。 参数选择可按照两种方案： 参数解算的两种方式 1、利用可预测参数来直接构成 2、借助于控制点按最小二乘法原理来求解。,(3)、共线方程参数随时间变化的表征函数,对动态传感器，每个像素（或每条扫描线）都有各自的一套共线方程参数。 通常可以把整幅图像成像过程中共线方程参数的变化看作时间的连续函数（共线方程参数的表征函数），用来表达任一时刻传感器的位置和姿态。,(4)、地物点高程数据的准备,共线方程中需要每个像素的地面高程 建立数字地面模型可采用等高线数字化等方法；对分辨率要求不高时，也可在相关网站上下载； 纠正时，输出图像应与DTM进行几何配准,DEM数据下载,小结：

11、,建立在严密的数学基础上，是对成像空间几何形态的直接描述。在纠正过程中引入了地面高程信息，比多项式法的应用范围更广。适用于各种分辨率的遥感影像纠正。现在商业软件中基本都以此为基础实现各种来源的遥感影像校正功能。 虽有严密的理论基础，但数学模型中参数的确定有着很强的近似性，因此其精度并不比多项式纠正的精度高。目前对该方法的研究主要是参数的解算问题。, 严格物理模型基于卫星轨道、摄影测量、测地学和地图学，模型反映了影像获取时的几何物理状态，用来纠正由于卫星、传感器、地球和地图投影等引起的变形。严格物理模型需要的控制点少，一般情况下3-6个，精度更高，对于高分辨率卫星数据可以获得一两个像素的精度。

12、当仅仅处理原始影像的一部分时，当影像已经经过几何校正时，或者你无法获取卫星轨道信息时，都不能采用严格物理模型。,3.基于仿射变换的严格几何模型,用于高分辨率遥感影像的纠正方法 高分辨率卫星传感器的突出特征是长焦距和窄视场角。这种成像几何关系若用共线方程描述会导致定向参数间很强的相关性。假设小视场角内的中心投影近似于平行光投影，利用仿射模型求解方位参数，可克服方位参数的相关性。 对10米分辨率的SPOT影像 用于较小比例尺制图、精度要求较低的情况下非常有效。对更高分辨率的影像，这种近似方法的有效性还需进一步研究。,二维仿射变换成像模型,4.有理函数模型,各种传感器几何模型的一种更广义的表达形式，

13、是对不同的传感器模型更为精确的表达形式，能适用于各类传感器。 优点是由于引入较多的定向参数，模拟精度很高；缺点是模型解算复杂，运算量大，并且要求控制点的数目相对较多。 是高分辨率遥感影像纠正的重要方法。,RPC模型的实质： 是有理函数纠正模型，是将地面点大地坐标与其对应的像点坐标用比值多项式关联起来。为了增强参数求解的稳定性，将地面坐标和影像坐标正则化到-1和1之间。对于一幅影像，定义如下比值多项式：,（多项式次数最高不超过三次）,在有理函数模型中,光学投影系统产生的误差用一次项表示 地球曲率、大气折射和镜头畸变等产生的误差用二次项来模型化 未知的具有高阶分量的误差如相机振动等，用三次项来表示

14、,在使用有理函数模型校正时，可以选择使用或不使用GCP。 有理函数模型最初是为没有GCP,只有DEM来对卫星影像进行几何校正的用户设计的，对于GCP无法获取的偏远地区是非常有用的。 大多数的商业影像处理软件和摄影测量软件都支持有理函数模型，可以用来处理单片和立体像对，如ERDAS、PCI、ENVI等，可以利用RPC（有理多项式系数）模型进行正射纠正、3D特征提取、DEM生成和区域平差；,有理函数模型（RFM ）的应用目前主要是在RPC 系数已知的情况下（与地形无关）。ERDAS 9. 1 软件中已经集成了目前主要的高分辨率传感器模型RPC 参数解算方法。但是,因为RFM需要的控制点数目相对较多

15、,而且在解算时对控制点的分布要求均匀分布,否则会导致法方程矩阵奇异,迭代求解可能不收敛,因而目前的商业软件中也大都没有该模型的地形相关方案的模块集成。 RFM也有其局限性：处理的影像大小受限，为了达到较高的精度，需要大量的规则分布的GCP;只能校正控制点处的误差，控制点之间的误差并不能消除。,几种几何校正主要方法的比较,在相同的控制点和已有数据条件下： 共线方程模型不一定总能得到较高的纠正精度，一个重要的原因是传感器的定向参数的确定精度； 有理函数模型精度最高，可达子像素级，模型计算速度虽然相对其它算法稍慢一点，但完全可以应用于实践中； 仿射变换模型可以快速、高精度地实现高分辨率影像的正射校正； 改进型多项式模型计算量小，控制点数量要求不多，精度与多项式阶数有关，当地形变化跟多项式函数走向变化一致时可以获得较高的精度； 神经网络校正存在很多不确定因素，但当给定一定数量的控制点，通过反复实验，也可以实现较高精度的正射校正。,卫星影像校正举例,MODIS影像校正（利用卫星自带的定位文件） QuickBird影像的正射校正（RPF模型方法） SPOT影像正射校正（推扫式轨道模型),