遥感原理与应用-第5章.pptx

1、第五章 遥感图像的几何处理遥感图像的几何处理目的 遥感任务是获取地物的空间信息和属性信息； 在利用遥感图像提取信息的过程中，要求将所有提取的信息表达在某一个规定的图像投影参照系统内； 遥感图像成图时，因为各种因素的影响，图像本身的几何形状与其对应的地物形状不一致。 遥感图像的几何处理：统一坐标系，解决遥感遥感图像的几何处理：统一坐标系，解决遥感图像的几何变形问题，图像的几何变形问题， 消除遥感图像的几何误消除遥感图像的几何误差，获得所提取地物的几何位置。差，获得所提取地物的几何位置。内容提纲 遥感传感器的构像方程 遥感图像的几何变形 遥感图像的几何处理 图像间的自动配准和数字镶嵌本章要点各类传

2、感器的构像方程 - 物理模型 - 通用模型图像的变形情况图像纠正原理图像的纠正过程5.1 遥感传感器的构像方程 遥感图像通用构像方程 中心投影构像方程 全景摄影机的构像方程 推扫式传感器的构像方程 扫描式传感器的构像方程 侧视雷达图像的构像方程基于多项式的传感器模型基于有理函数的传感器模型 5.1.1 遥感图像通用构像方程 遥感图像的构像方程是指地物点在图像上的图像坐标(x，y)和其在地面对应点的大地坐标(X，Y，Z)之间的数学关系。根据摄影测量原理，这两个对应点和传感器成像中心成共线关系，可以用共线方程来表示。 这个数学关系是对任何类型传感器成像进行几何纠正和对某些参量进行误差分析的基础。

3、构像方程中的坐标系传感器坐标系传感器坐标系SUVW 地面坐标系地面坐标系OXYZ 地图坐标系地图坐标系OmXmYm图像图像(像点像点)坐标系坐标系oxy通用构像方程 在地面坐标系与传感器坐标系之间建立的转换关系称为通用构像方程 5.1.2 中心投影构像方程p为成像比例尺分母为成像比例尺分母 f为摄影机主距为摄影机主距 旋转矩阵RRRA中心投影构像方程正算公式 反算公式 共线方程的意义 当地物点P、对应像点p和投影中心S位于同一条直线上时，正算公式和反算公式成立。 5.1.3 全景摄影机的构像方程 全景摄影机影像又称摇头摄影机、扫描摄影机。这种摄影机的底片呈弧状放置, 当物镜扫描一次后, 底片旋

4、进一幅, 得到一幅柱面影像。是由一条曝光缝隙沿旁向扫描而成，对于每条缝隙图像的形成，其几何关系等效于中心投影沿旁向倾斜一个扫描角后，以中心线成像的情况，此时像点坐标为 （x，0，-f）。(a)倾斜角为0时的成像瞬间 (b)倾斜角不为0时的成像瞬间 全景摄影机成像瞬间的几何关系5.1.3 全景摄影机的构像方程/pyfcostancos/cossin0cossin0sincos0001ffxffxfx5.1.4 推扫式传感器的构像方程 行扫描动态传感器。在垂直成像的情况下，每一条线的成像属于中心投影，在时刻t时像点p的坐标为（0、y、-f）5.1.4 推扫式传感器的构像方程 推扫式传感器的构成方程

5、为推扫式传感器的构成方程为：5.1.4 推扫式传感器的构像方程 为获取立体像对，为获取立体像对，推扫式传感器要进推扫式传感器要进行行前后视倾斜前后视倾斜扫扫描描 当推扫式传感器当推扫式传感器沿沿旁向倾斜固定角旁向倾斜固定角时时航向倾斜旁向倾斜沿旁向倾斜固定角010000cossinsincos0cossincossinsincos0sincossincosyfyfyyffyfffyff 前后视倾斜扫描cossectancossin0cos0sin010sin0cosfyffyffy5.1.5 扫描式传感器的构像方程扫描式传感器获得的图像属于多中心投影，每个像元都有自己的投影中心，随着扫描镜的旋

6、转和平台的前进来实现整幅图像的成像。由于扫描式传感器的光学聚焦系统有一个固定的焦距，因此地面上任意一条线的图像是一条圆弧，整幅图像是一个等效的圆柱面，所以该类传感器成像亦具有全景投影成象的特点。任意一个像元的构像，等效于等效于中心投影朝旁向旋转了扫描角中心投影朝旁向旋转了扫描角后后，以像幅中心（x0，y0）成像的几何关系。5.1.5 扫描式传感器的构像方程5.1.5 扫描式传感器的构像方程costan0cossin000cossin0sincos0001fffff 5.1.6 侧视雷达图像的构像方程 雷达往返脉冲与铅垂线之间的夹角为，oy为等效的中心投影图像，f为等效焦距。侧视雷达图像成像可转

7、换为旋转了角的中心投影，此时像点坐标为x=0，y=rsin，等效焦距f=rcos 5.1.6 侧视雷达图像的构像方程量测的是在雷达图像上实际可像上的扫描延迟；是仪器常数，是雷达图；其中rrrrydydr5.1.7 基于多项式的传感器模型 思想：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。遥感图像的几何变形由多种因素引起，其变化规律十分复杂。为此，把遥感图像的总体变形看作是平移、缩放、旋转、偏扭、弯曲以及更高次的基本变形的综合作用结果，难以用一个严格的数学表达式来描述，而是用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系式。5.1.7 基于多项式的构像方程0000mniji

8、jijmnijijijxa X Yyb X Y000000pmnijkijkijkpmnijkijkijkxaX Y ZybX Y Z 多项式构像方程的优缺点 不能真实地描述影像形成过程中的误差来源和地形起伏引起的变形。 应用限于变形小的图像：垂直、小范围、地面平坦。 定向精度与地面控制点的精度、分布和数量及实际地形有关。所以在控制点拟合很好，在其他点的内插值会有明显偏离，而与相邻控制点不协调。 与具体的传感器无关，数学模型形式简单、计算速度快。5.1.8 基于有理函数的传感器模型共线方程描述图像的成像关系，理论上是严密的，但是需要知道传感器物理构造以及成像方式。然而有些高性能的传感器参数、成

9、像方式与卫星轨道不公开。因此需要有与具体传感器无关的、形式简单的传感器模型来取代共线方程模型。有理函数模型(Rational Function Model)将大地坐标D(Latitude, Longtitude, Height)与其对应的像点坐标d(Line, Sample)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-1.0和1.0之间。多项式中的系数称为有理函数的系数(RPC)。RFM的实质是共线方程的扩展。( , ,)( , ,),( , ,)( , ,)SLLSNumP L HNumP L HYXDenP L HDenP L H5.1.8 基于有理函数的

10、传感器模型 多项式中的系数, 称为有理函数的系数(RFC)。231220231220231220231220(1)()(1)()(1)()(1)()TTTTLPHP HHaaaYLPHP HHbbbLPHP HHcccXLPHP HHddd,iiiiab c d三次时最多78个参数5.1.8 基于有理函数的传感器模型 在RFM中，光学投影系统产生的误差用有理多项式中的一次项来表示，地球曲率、大气折射和镜头畸变等产生的误差能很好地用有理多项式中二次项来模型化，其他一些未知的具有高阶分量的误差如相机振动等，用有理多项式中的三次项来表示。5.1.8 基于有理函数的传感器模型 RFC的获得：首先解算出

11、严格传感器模型参数，然后利用严格模型的定向结果反求有理函数的参数，最后将RFC作为影像元数据的一部分提供给用户。用户可以在不知道精确传感器模型的情况下进行影像纠正以及后续处理。 RFM不要求了解传感器的具体信息，是用严格的传感器模型变换得到的，是一种更通用的传感器模型。RPC有理函数模型 在使用在使用RPC模型校正时，用户可以选择使用模型校正时，用户可以选择使用或不使用或不使用GCP，最终产品精度取决于，最终产品精度取决于GCP、DEM的精度；的精度； 大多数的商业处理软件，如大多数的商业处理软件，如ERDAS、PCI、ENVI等都支持等都支持RPC模型，可以用来处理单片和模型，可以用来处理单

12、片和立体像对，进行正射纠正、立体像对，进行正射纠正、3D特征提取、特征提取、DEM生成和区域平差。生成和区域平差。5.2 遥感图像的几何变形 遥感图像成图时，由于各种因素的影响，图像本身的几何形状与其对应的地物形状往往是不一致的。 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形变。 研究遥感图像几何变形的前提是必须确定一个图像投影的参照系统，即地图投影系统。5.2 遥感图像的几何变形 静态误差：传感器相对于地球表面呈静止状态时所具有的各种变形误差。 动态误差：由于地球的旋转等因素所造成的图像变形误差。 内部误差：由于传感器自身的

13、性能技术指标偏移标称数值所造成的。 外部变形误差：由传感器以外的各种因素所造成的误差，如传感器的外方位元素变化，传播介质不均匀，地球曲率，地形起伏以及地球旋转等因素引起的变形误差。5.2 遥感图像的几何变形 传感器成像方式引起的图像变形 传感器外方位元素变化的影响 地形起伏引起的像点位移 地球曲率引起的图像变形 大气折射引起的图像变形 地球自转的影响 5.2.1 传感器成像方式引起的图像变形 传感器的成像方式 中心投影，全景投影，斜距投影、平行投影 中心投影 点中心投影、线中心投影、面中心投影 由于中心投影图像在垂直摄影和地面平坦的情况下，地面物体与其影像之间具有相似性（并不考虑摄影本身产生的

14、图像变形），不存在由成像方式所造成的图像变形，因此把中心投影的图像作为基准图像来讨论其他方式投影图像的变形规律。全景投影变形 全景投影的影像面不是一个平面，而是一个圆柱面，相当于全景摄影的投影面，称之为全景面。tanppdyyyftanppdyyyf57.2957 /rad斜距投影变形 侧视雷达属斜距投影类型传感器，S为雷达天线中心，Sy为雷达成像面，地物点P在斜距投影图像上的图像坐标为yp，它取决于斜距RP以及成像比例。tanfypHfRrppsecfHRfryppptansecfyydypp成像几何形态引起的图像变形5.2.1传感器外方位元素变化的影响 传感器的外方位元素，是指传感器成像时

15、的位置（Xs,Ys,Zs）和姿态角（, ） 考虑到在竖直摄影条件下 , = = 0 外方位元素变化所产生的像点位移 5.2.1传感器外方位元素变化的影响 dXs、dYs、dZs 、 d 线性变化线性变化 d、d非非线性变形线性变形 421对推扫式成像 一条影像线与中心投影相同，但x=0，因此可以得到推扫式成像仪像点位移公式 22()() (1)SSSfdxdXfdydHfyydydYdZfdHHf 对扫描式成像 外方位元素对成像的影响为x=0，y= f tan时的误差方程因此可以得到扫描式成像仪像点位移公式: 2()t()t (1t)SSSfdxdXfdfg dHffdydYg dZfgdHH

16、 考虑全景畸变扫描式扫描式成像的像点位移公式为：综合变形 外方位元素随时间变化，产生很复杂的动态变形。整个动态扫描图像的变形将是所有瞬间局部变形的综合结果。对侧视雷达 航向倾角d和方位旋角d将使雷达波瓣产生沿航向的平移和指向的旋转，引起雷达对地物点扫描时间上的偏移和斜距的变化，因而造成图像变形。 旁向倾角d不会改变斜距，只是地物反射信号的强度发生改变，并且使照射带的范围发生变化。对于侧视雷达成像，外方位元素变化所引起的像点位移为：对于侧视雷达成像，外方位元素变化所引起的像点位移为： 5.2.3 地形起伏引起的像点位移 投影误差是由地面起伏引起的像点位移，当地形有起伏时，对于高于或低于某一基准面

17、的地面点，其在像片上的像点与其在基准面上垂直投影点在像片上的构像点之间有直线位移。rhhHhhxxhHyyhH 对于推扫式成像仪，由于x=0，所以 ，而在y上方有： 即投影差只发生在y方向（扫描方向）。 对于逐点扫描仪成像： 5.2.3 地形起伏引起的像点位移=0hxhyyhH2220coscostancossincoshhyxyyhhHfhHfhHyh5.2.4 地球曲率引起的图像变形 地球曲率引起的像点位移与地形起伏引起的像点位移类似。只要把地球表面（把地球表面看成球面）上的点到地球切平面的正射投影距离看作是一种系统的地形起伏，就可以利用前面介绍的像点位移公式来估计地球曲率所引起的像点位移

18、。5.2.4 地球曲率引起的图像变形hhRD02202Rh 022RDh 5.2.4 地球曲率引起的图像变形 对中心投影图像的影响： 对多光谱扫描仪图像的影响 ： 对侧视雷达图像的影响 ： 22222000tan ( /)22xyhHyyfhHRfR 5.2.4 地球曲率引起的图像变形 在考虑遥感影像的图像变形时，地球曲率引起的像点位移一般是不能忽略的。当利用共线方程进行几何校正时，由于已知控制点的大地坐标是以平面作为水准面的，而地球是个椭球体，所以需按上述方法对像点坐标进行改正，以解决两者之间的差异，使改正后的像点位置，投影中心和地面控制点坐标之间满足共线关系。5.2.5 大气折射引起的图像

19、变形 大气层不是一个均匀的介质，它的密度是随离地面高度的增加而递减，因此电磁波在大气层中传播时的折射率也随高度而变化，使得电磁波的传播路径不是一条直线而变成了曲线，从而引起像点的位移，这种像点位移就是大气层折射的影响。5.2.5 大气折射引起的图像变形 大气折射对框幅式像片上像点位移的影响在量级上要比地球曲率的影响小得多。 对侧视雷达图像，大气折射的影响体现在两方向。第一是大气折射率的变化使得电磁波的传播路径改变；第二是电磁波的传播速度减慢，而改变了电磁波传播时间。 大气折射引起的路程变化的影响极小，可忽略不计。而时间变化的影响，不能忽略，需加以改正。 5.2.6 地球自转的影响 在常规框幅摄

20、影机成像的情况下，地球自转不会引起图像变形，因为其整幅图像是在瞬间一次曝光成像的。 地球自转主要是对动态传感器的图像产生变形影响，特别是对卫星遥感图像。当卫星由北向南运行的同时，地球表面也在由西向东自转，由于卫星图像每条扫描线的成像时间不同，因而造成扫描线在地面上的投影依次向西平移，最终使得图像发生扭曲。5.3 遥感图像的几何处理 概念：遥感图像作为空间数据，具有空间地理位置的概念。在应用遥感图像前，必须将其投影到需要的地理坐标系投影到需要的地理坐标系。因此，遥感图像几何处理是遥感信息处理过程中的一个重要环节。 重要性：随着遥感技术的发展，来自不同空间分辨率、不同光谱分辨率和不同时相的多源遥感

21、数据，形成了空间对地观测的影像金字塔。当处理、分析和综合利用这些多尺度的遥感数据、进行多源遥感信息的表示、融合及混合像元的分解时，必须保证各不同数据源之间几何的一致性，必须保证各不同数据源之间几何的一致性，需要进行影像间的几何配准。需要进行影像间的几何配准。同时高分辨率遥感影像的出现对几何处理提出更高要求。5.3 遥感图像的几何处理遥感图像的粗加工处理遥感图像的粗加工处理 投影中心坐标的测定和解算 卫星姿态角的测定 扫描角的测定遥感图像的精纠正处理遥感图像的精纠正处理 基于多项式的遥感图像纠正 基于共线方程的遥感图像纠正 基于有理函数的遥感图像纠正5.3.1 遥感图像的粗加工处理遥感图像的粗纠

22、正：仅做系统误差改正。当已知图像的构像方式时，就可以把与传感器有关的测定的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。如多光谱扫描仪，其成像的公式为：粗纠正处理对传感器内部畸变的改正很有效，但处理后图像仍有较大的残差（偶然误差和系统误差）。 00tPSXXYYARZZf扫描角的测定 平均扫描角速度： 平均扫描角： 扫描角误差： 扫描角：2/Tt12sin()kk t5.3.2 遥感图像的精纠正处理 概念：消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。 两个环节： 像素坐标的变换，即将图像坐标转变为地图或地面坐标； 坐标变换后的像素亮度值进行重采样

23、。遥感图像纠正处理过程 根据图像的成像方式确定影像坐标和地面坐标之间的数学模型。 根据所采用的数学模型确定纠正公式。 根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度。 对原始影像进行几何变换计算，像素亮度值重采样。 目前的纠正方法有多项式法，共线方程法和有理函数模型法等。一、基于多项式的遥感图像纠正 多项式纠正回避成像的空间几何过程，直接对图像变形的本身进行数字模拟。 遥感图像的几何变形由多种因素引起，其变化规律十分复杂，难以用一个严格的数字表达式来描述，而是用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系。本法对各种类型传感器图像的纠正是适用的。 利用地面控制点的图像坐标

24、和其同名点的地面坐标通过平差原理计算多项式中的系数，然后用该多项式对图像进行纠正。 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等。 一、遥感图像的多项式纠正 一般多项式纠正变换公式为 其中：x，y为某像素原始图像坐标；X，Y为同名像素的地面（或地图）坐标。22012345322367892201234532236789()()()()xaa Xa Ya Xa XYa Ya Xa X Ya XYa Yybb Xb Yb Xb XYb Yb Xb X Yb XYb Y（5-70）一、遥感图像的多项式纠正 多项式的项数（即系数个数）N与其阶数n有着固定的关系： N=(n+1)(n

25、+2)/2 多项式系数ai,bj (i,j=0，1，2， (N1)一般由两种办法求得：用可预测的图像变形参数构成；利用已知控制点的坐标值按最小二乘法原理求解。 选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。 选用二次项纠正时，则在改正一次项各种变形的基础上，改正二次非线性变形。 选用三次项纠正则改正更高次的非线性变形。多项式纠正步骤 用已知地面控制点求解多项式系数 遥感图像的纠正变换 遥感图像亮度（灰度）值的重采样 求解多项式系数列误差方程式列误差方程式xaxybyVALVAL 改正数向量改正数向量1212TxxxTyyyVvvVvv所求变换系数所求变换系数

26、012012TaTbaaabbb 系数矩阵系数矩阵111 111nnnnXYX YAXYX Y构成法方程式构成法方程式()()TTaxTTbyA AA LA AA L 计算多项式系数计算多项式系数11()()TTaxTTbyA AA LA AA L 精度评定精度评定1/21/2TxxxTyyyV VnNV VnN 像点坐标像点坐标1212TxTyLxxLyy遥感图像的纠正变换(1) 把原始图像的四个角点把原始图像的四个角点a、b、c、d按纠正变换函数投影到地图坐标系统中去，按纠正变换函数投影到地图坐标系统中去，得到得到8个坐标值：个坐标值：(2) 对这对这8个坐标值按个坐标值按X和和Y两个坐标

27、组分别求其最小值两个坐标组分别求其最小值 和最大值和最大值(,),(,),(,),(,)aabbccddXYX YX YXY1212min(,)max(,)min(,)max(,)abcdabcdabcdabcdXXXXXXXXXXYY Y Y YYY Y Y Y11(,)X Y22(,)XY并令并令 为纠正后图像范围四条边界的地图坐标值。为纠正后图像范围四条边界的地图坐标值。1122,X Y XY遥感图像的纠正变换(3)划分格网：根据精度要求定义输出像素的地面尺寸划分格网：根据精度要求定义输出像素的地面尺寸 和和 。与此。与此同时，以边界范围左上角同时，以边界范围左上角A点为输出数字图像的坐

28、标原点，以点为输出数字图像的坐标原点，以AC边边 为为 坐标轴，表示图像行号，以坐标轴，表示图像行号，以AB边为边为 坐标轴，表示图像列号，图坐标轴，表示图像列号，图像总的行列数像总的行列数M和和N由下式确定：由下式确定：X至此，在输出图像坐标系至此，在输出图像坐标系 中，每个像素都可以其所在的行列号中，每个像素都可以其所在的行列号来确定其位置。行列号的取值范围可为：来确定其位置。行列号的取值范围可为：211YYMY x y Ax y211XXNX1,2,3,1,2,3,xMyNY(4) 由于图像纠正变换函数一般只表达原始图像坐标（x,y）和地面坐标（X,Y）之间的关系，为了进 一步表达原始图

29、像与输出图像坐标间的关系，需要把地面坐标转换为输出的图像坐标遥感图像的纠正变换式中： 纠正后像素的地面坐标； 纠正后像素p的图像坐标（行列号）。(,)PPxy21PPYYxY11PPXXyX或者：或者：12(1)(1)PPPPXXyXYYxY(,)PPXY(,)PPxy遥感图像的纠正变换( , )( , )xyXF x yYF x y(, )(, )xyxGX YyGX Y灰度重采样 最近邻像元法 双线性内插法 双三次卷积法SINC函数 最近邻像元法双线性内插法()1 | 1cccW xxx ，（0）112211122122yTpxyxxyWIIIWI WWWIIW 双三次卷积法纠正前后的图像

30、灰度重采样二、基于共线方程的遥感图像纠正 共线方程纠正是建立在图像坐标与地面坐标严格数学变换关系的基础上的，是对成像空间几何形态的直接描述。该方法纠正过程需要有地面高程信息(DEM)，可以改正因地形起伏而引起的投影差。因此当地形起伏较大，且多项式纠正的精度不能满足要求时，要用共线方程进行纠正。二、遥感图像的共线方程纠正 纠正时需要有数字高程信息，计算量比多项式纠正要大。 在动态扫描成像时，由于传感器的外方位元素是随时间变化的，因此外方位元素在扫描过程中的变化只能近似表达，此时共线方程本身的严密性就存在问题。所以动态扫描图像的共线方程纠正与多项式纠正相比精度不会有大的提高。 SPOT图像的共线方

31、程 SPOT图像是扫描行上的中心投影构象方式，外方位元素随时间或扫描行而变。 SPOT图像的共线方程虽然不同扫描行的外方位元素不同，但SPOT卫星运行姿态平稳，运行速度和轨迹得到严格控制，为此li的外方位元素又可以表示为时间或行的线性函数：000000,SSSXYZ ,外方位元素的变化率。外方位元素的变化率。中心行的外方位元素中心行的外方位元素; l0中心行号中心行号; ,SSSXYZ,几点注意 地面坐标是以图像中心相应地面点为原点的切平面坐标系； 原始图像必须是1A级图像； 共线方程式只适用于所确定的一个具有一定间距的地面格网上的点，而不是针对每一个点 切平面坐标系朝北方向为正方向，朝东方向

32、为正方向； 解算外方位元素时，因图像坐标必须变换为以图像中心为原点，飞行方向为x负方向的图像坐标，将坐标单位换算为毫米。 三、基于有理函数的遥感图像纠正3202192182173162152142133121121029287654321),(WaWUaWVaUWaUaUVaVWaVUaVaUVWaWaUaVaUWaVWaVUaWaUaVaaWVUNumL223456782232291011121314232223151617181920Den (,)1LU V Wb VbUb WbVUb VWb UWbVbUb Wb UVWb Vb VUb VWb V Ub Ub UWb V Wb U Wb

33、 W ),(),(),(),(WVUDenWVUNumsWVUDenWVUNumlSSnLLn三、基于有理函数的遥感图像纠正 最小二乘法解求RFM参数算法( , ,)( , ,)0( , ,)( , ,)0XSSYLLFNumP L HX DenP L HFNumP L HY DenP L HVBxlXXXXiiiiYYYYiiiiFFFFabcdBFFFFabcd00XYFlFTiiiixabcd1()TTxB BB l与地形无关的最小二乘法解求与地形无关的最小二乘法解求RFCRFC原始影像严格成像模型建立控制格网和检查格网求解RFC输出：RFC、最大中误差、中误差 根据严格成像模型计算检查

34、点的像面坐标（S，L）根据RFM模型计算检查点的像面坐标（SRFC，LRFC）RFCRFCLLLSSS（1 1）建立空间格网）建立空间格网（1 1）建立空间格网）建立空间格网SCALEHEIGHTOFFHEIGHTHeightHSCALELONGOFFLONGLongitudeLSCALELATOFFLATLatitudeP_SampleSAMPOFFXSAMPSCALELineLINEOFFYLINESCALE坐标坐标“重心化重心化”、比例、比例“归一化归一化”P112.式(5-27)P112.式(5-26)（1 1）建立空间格网）建立空间格网_LatitudeLATOFFnLongitud

35、eLONGOFFnHeightHEIGHTOFFn_LineLINEOFFnSampleSAMPOFFnmaxminmaxminmaxminmax_max_,_max_,_max_,_max_LATSCALELatitudeLATOFFLatitudeLATOFFLONGSCALELongitudeLONGOFFLongitudeLONGOFFHEIGHTSCALEHeightHEIGHTOFFHeightHEIGHTOFFLINESCALELineLINEminmaxmin,_max_,_OFFLineLINEOFFSAMPSCALESampleSAMPOFFSampleSAMPOFFP13

36、5.式(5-91)P135.式(5-92)（2 2）RFCRFC解算解算(,)iiiiab c d利用控制点来估算RFC用求解的RFC来计算检查点对应的影像坐标，通过严格成像模型计算的检查点影像坐标的差值来评定求解RFC参数的精度。（3 3）精度检查）精度检查RFMRFM模型的正反变换公式模型的正反变换公式( , ,)/( , ,)( , ,)/( , ,)LLSSlNum U V WDen U V WsNum U V WDen U V W()()lslllllUVWUVWsssssUVWUVWUlllvVllUVWWUsssvVssUVWW 误差方程：()()lsllllUVUVssssUV

37、UVUllvllVUVUssvssVUV 误差方程：反变换（地面点到像点）：正变换（像点到地面点） ：单像公式：（需要DEM）双像公式：利用控制点提高利用控制点提高RFMRFM精度精度012012xce SampleeLineyffSamplefLineRFM是根据严格成像模型和星上测量外方位元素得到，外方位元素的误差显然会传入RFM模型中，需要利用控制点来提高RFM模型精度。常用的方法是在像方坐标上进行误差改正：利用控制点提高利用控制点提高RFMRFM精度精度012012xce SampleeLineyffSamplefLine0.860.870.880.890.90.910.920.930

38、.940.950.96123456789101112131415控制点个数纠正精度（m）基于自动配准的小面元微分纠正基于自动配准的小面元微分纠正 基于自动配准的小面元微分纠正的原理是：利用影像匹配技术获得密集的同名点作为控制点，由密集同名点对构成密集三角网（小面元），利用小三角形面元进行微分纠正，实现图像精确配准。提取主辅影提取主辅影像特征点像特征点特征点匹配特征点匹配特征点构建特征点构建三角网三角网建立仿射变建立仿射变换关系换关系小面元纠正小面元纠正小面元微分纠正小面元微分纠正三角形的小面元区域内通过仿射变换可以表示影像间的变换关系：012012xaaxayybb xby 小面元微分纠正小面

39、元微分纠正5.4 图像间的自动配准和数字镶嵌 图像间的自动配准 配准的实质、方式、过程、关键 数字图像镶嵌 图像镶嵌的概念、关键及实现过程5.4.1 图像间的自动配准 配准的目的 多源数据进行比较和分析，如图像融合、变化检测、统计模式识别、三维重构和地图修正等。 配准的实质 几何纠正 。采用一种几何变换将图像归化到统一的坐标系中。 配准的方式 图像间的匹配 绝对配准配准步骤 在多源图像上确定分布均匀，足够数量的图像同名点 。 特征点的提取 特征点的匹配 通过所选择的图像同名点解算几何变换的多项式系数，通过纠正变换完成一幅图像对另一幅图像的几何纠正 。 配准的关键：多源图像间同名点的确定5.4.

40、2 数字图像镶嵌 图像镶嵌：当感兴趣的研究区域在不同的图像文件时，需要将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像。 不同时间同一传感器获取，也可以是不同时间不同传感器获取，但同时要求镶嵌的图像之间要有一定的重叠度。 关键：几何连接、接缝消除图像镶嵌步骤 图像的几何纠正 搜索镶嵌边 亮度和反差调整 平滑边界线 ()aveaveRRLRRARBK列N行的重叠区 一维模板宽度为W minmaxminminmaxminBARLLLARR 航空影像镶嵌 卫星影像镶嵌遥感图像的裁剪 根据研究区域的大小或形状截取一部分图象 裁剪指研究区域只占整个图像的一部分，这个区域有可能是规则的，也可能是

41、不规则的。 如果是规则的，则只要知道该区域的两个角点坐标就可以获取该区域的图像。 如果是不规则的，则需要知道该区域的边界。不规则边界的裁剪规则形状裁剪本章结束5.1 5.1 遥感传感器的构像方程遥感传感器的构像方程PPSXAxYYAyZZf 小结小结第五章第五章 遥感图像的几何处理遥感图像的几何处理遥感图像的构像方程是指地物点在图像上的图像坐标遥感图像的构像方程是指地物点在图像上的图像坐标(x，y)和其和其在地面对应点的大地坐标在地面对应点的大地坐标(X，Y，Z)之间的数学关系。之间的数学关系。 遥感图像通用构像方程 PSPXAUYYA VZZW 全景摄影机的构像方程 推扫式传感器的构像方程

42、扫描式传感器的构像方程中心投影构像方程基于多项式的构像方程基于RFM的构像方程5.2 5.2 遥感图像的几何变形遥感图像的几何变形小结小结第五章第五章 遥感图像的几何处理遥感图像的几何处理定义定义传感器成像方式引起的图像变形传感器成像方式引起的图像变形 传感器外方位元素变化的影响传感器外方位元素变化的影响 地形起伏引起的像点位移地形起伏引起的像点位移地球曲率引起的图像变形地球曲率引起的图像变形 大气折射引起的图像变形大气折射引起的图像变形 地球自转的影响地球自转的影响5.3 5.3 遥感图像的几何处理遥感图像的几何处理012012xaa Xa Yybb Xb Y1111小结小结第五章第五章 遥感图像的几何处理遥感图像的几何处理重要性、两个层次、概念重要性、两个层次、概念精纠正的主要处理过程：精纠正的主要处理过程： 数学模型数学模型 纠正公式纠正公式 平差计算变换参数及精度评定平差计算变换参数及精度评定 亮度值重采样亮度值重采样遥感图像的多项式纠正过程遥感图像的多项式纠正过程5.4 5.4 图像间的自动配准和数字镶嵌图像间的自动配准和数字镶嵌小结小结第五章第五章 遥感图像的几何处理遥感图像的几何处理配准的实质、方式、过程配准的实质、方式、过程图像镶嵌的定义、关键、过程图像镶嵌的定义、关键、过程