《第一讲-遥感影像的配准(共7页).doc》由会员分享，可在线阅读，更多相关《第一讲-遥感影像的配准(共7页).doc（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上第一讲 遥感影像预处理图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。其中，图像配准是做所有工作的前提，是图像的几何纠正。在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。图像预处理的流程一、影像配准配准：同一区域里一幅图像（基准图像）对另一幅图像的校准，以使两幅图像中的同名像元配准；图像纠
2、正：借助于一组地面控制点，对一幅图像进行地理坐标的校正，也称为地理参照；目的 : (1) 在定性应用遥感时,例如我们想动态监测湖泊形状和面积的变化,必须通过配准才能使图像之间具有可比性,从而达到我们的研究目的.(2) 在遥感的定量研究中,例如要反演所感兴趣地方的参数,也需要通过配准才能确定具体的目标.实际上,配准就是一种几何纠正由于搭载传感器的平台(如飞机,卫星)的姿态,速度等的不稳定,以及地球曲率,空气折射等的影响,形成的图像常有畸变,所以要进行几何纠正,我们常常通过配准实现(对于山区,可采用正射纠正)类型(1) 把畸变图像往地形图上配(2) 把畸变图像往底图上配(3) 把畸变图图像相互之间
3、配原理(一) 多项式纠正模型:(1) 一次多项式Xw=a0+a1*Xb+a2*YbYw=b0+b1*Xb2*+bYb(2) 二次多项式Xw=a0+a1*Xb+a2*Yb+a3*Xb2+ a4*Yb2+a5*Xb*YbYw=b0+b1*Xb+b2*Yb+b3*Xb2+ b4*Yb2+b5*Xb*Yb(3) 三次多项式Xw=a0+a1*Xb+a2*Yb+a3*Xb2+ a4*Yb2+a5*Xb*Yb+a6*Xb3+a7*Yb3+a8*Xb2*Yb+a9*Xb*Yb2Yw=b0+b1*Xb+b2*Yb+b3*Xb2+ b4*Yb2+b5*Xb*Yb+b6*Xb3+b7*Yb3+b8*Xb2*Yb+b
4、9*Xb*Yb2求系数:通过寻找控制点（GCP）去求系数，有几个未知数就至少要几对控制点！一次至少要3对，二次至少要6对，三次至少要10对。有个经验式: GCPmin=(t+1)(t+2)/2其中t为多项式的次数,GCP单位为控制点的”对数”; 当然我们还可以找更多的控制点去求统计意义上的最优系数.此外在ENVI中还提供了另外两种方法(感兴趣的可以看ENVI手册)（二）RST(旋转、缩放和平移)（三） 三角测量选取控制点:在几何校正中，GCP点的选择是最重要，也是工作量最大的，对于一个精确的校正必须使用精确的地面控制点，图像中所有其它点的校正坐标均由地面控制点外推所得。被定位的地面控制点必须散
5、布在整幅图像上，GCP点分布越均匀，数量越多，校正的可靠性越高。 我们所选的点在图像上要容易辨认，地面上最好可以实测，具有较固定的特征,不会随时间的变化而变化(例如城市的十字路口).另外在没有经过地形纠正的图像上选取控制点时,应在同一地形高度上进行(即要先消除地形的影响,可以用正射纠正). 同时也可以有选择的去除一些效果不好的控制点，以达到最佳效果.控制点的精度和选取的难易程度是与图像的质量,地物的特征及图像的空间分辨率密切相关的.控制点好坏的评价标准:RMSRMS（均方根）误差是在用转换矩阵对一个GCP作转换时，所期望输出的坐标与实际输出的坐标之间的偏差。估算坐标和原坐标之间的差值大小代表了
6、其每个控制点几何纠正的精度.RMS误差用计算距离的方程求得：xi和yi是输入的原坐标；xr和yr是逆变换后的坐标。通过计算每个控制点的RMS,即可检查有较大误差的地面控制点,又可得到累积的总体均方根误差.。RMS误差以坐标系统的距离来表示。如果原坐标是数据文件坐标，那么RMS误差是用像元数的距离.例如，RMS误差是1意味着参考像元与逆转换像元之间的距离是1个像元。 通常我们会指定一个可以接受的最大总RMS误差,如果实际的超过了这个,则需要删除具有最大RMS误差的地面控制点(但是在实际情况中, 如果图像的某一特殊区域只有一个GCP，那么剔除它可能导致更大的误差),必要时选取新的控制点或调整旧的控
7、制点;改变坐标变换函数式重新计算多项式的系数;重新计算RMS误差。（1）最邻近像元法重采样 由于输出图像的像元点在输入图像中的行列号不是或不全是整数关系,所以需要根据输出图像上的各像元在输入图像中的位置,对原始图像按一定规则重新采样,进行亮度值的插值运算,建立新的图像矩阵.常用的内插方法有:(1) 最邻近法: 将最邻近的像元值赋予新像元. 优点: a 不引入新的像元值 ，适合分类前使用； b 有利于区分植被类型，确定湖泊浑浊程度，温度等； c 计算简单，速度快 缺点:最大可产生半个像元的位置偏移,改变了像元值的几何连续性，原图中某些线状特征会被扭曲或变粗成块状 .(2) 双线性内插法 : 使用
8、邻近4个点的像元值,按照其据内插点的距离赋予不同的权重,进行线性内插.优点:a 图像平滑，无台阶现象。线状特征的块状化现象减少；b 空间位置精度更高缺点:a 像元被平均，有低频卷积滤波效果,破坏了原来的像元值,在波谱识别分类分析中,会引起一些问题。b边缘被平滑，不利于边缘检测。(3) 三次卷积内插法 : 使用内插点周围的16个像元值,用三次卷积函数进行内插.优点: 高频信息损失少，可将噪声平滑,对边缘有所增强,具有均衡化和清晰化的效果缺点: 破坏了原来的像元值,计算量大. 内插方法的选择除了考虑图像的显示要求及计算量外，在做分类时还要考虑内插结果对分类的影响,特别是当纹理信息为分类的主要信息时
9、。研究表明，最近邻采样将严重改变原图像的纹理信息。因此，当纹理信息为分类主要信息时，不宜选用最近邻采样。双线性内插及三次卷积内插将减少图像异质性，增加图像同质性，其中，双线性内插方法使这种变化更为明显。 这几种方法在ENVI中均是可以选择的.通过具体的例子说明一下ENVI中配准的实现过程: 先打开两幅图选择MAPregistrationselect GCPS:image to image(因为两幅均为影像,如果一幅是图像另一幅是地图,则选择image to map)点击OK就可以在两幅图上进行选点了控制点的颜色可以在窗口的filepreferences中修改选好一个点后就用add point,
10、当然不好的点还可以删掉,用hide list ,可以打开所选点的列表从此表中,我们可以看到各点的X轴和Y轴误差,以及RMS误差,而在中,我们可以看到总的RMS选好点后,做保存进行纠正: 选择MAPregistrationwarp from GCPS:image to image输入待纠正的图像和基准的图像在warp method中可以选择多项式,三角测量,RST重采样中可以选择上面介绍的三种方法想要看看配准的结果是否好,可以使用影像窗口中的toolslinklink displays练习：比较不同几何纠正方法（选择多项式,三角测量,RST）及重采样方法（最邻近像元法、双线性内插法、三次卷积内插法）的差异。 专心-专注-专业