遥感上机实习实验报告几何纠正.docx

1、遥感上机实习实验报告几何纠正目 录遥感图像几何校正实习报告 11. 实习内容 11.1 实习目的 11.2 流程设计 11.3 实习原理 52. 实习过程与结果 62.1 校区影像的几何校正 62.2 遥感图像仿射变换 83. 试验结果分析 10遥感图像几何校正实习报告1. 实习内容1.1 实习目的1、理解并掌握遥感图像校正的原理和方法；2、掌握在ERDAS遥感图像处理系统中遥感图像校正的流程和操作；3、掌握检验校正结果的方法。1.2 流程设计1、图像几何校正的一般流程如下：2、图像仿射变换的一般流程如下：3、在ERDAS IMAGINE系统中进行图像几何校正，通常有两种方式启动几何校正模块：

2、数据预处理途径 在ERDAS图标面板菜单条单击Main/Data Preparation/Image Geometric Correction命令，打开Set Geo Correction Input File 对话框。或在ERDAS 图标面板工具条单击Data Prep图标/Image Geometric Correction，打开Set Geo Correction Input File 对话框。在Set Geo Correction Input File 对话框中，需要确定校正图像，有两种选择情况： 选择From Viewer单选按钮，然后单击Select Viewer按钮选择显示图像窗

3、口。(1) 打开Set Geometric Model 对话框；(2) 选择几何校正计算模型（Select Geometric Model）；(3) 单击OK按钮；(4) 打开校正模型参数与投影参数设置对话框；(5) 定义校正模型参数与投影参数；(6) 单击Apply 按钮应用或单击Close按钮关闭；(7) 打开GCP Tool Reference Setup对话框。 首先确定来自文件（From Image File），然后选择输入图像（Input Image File）。（1）打开打开Set Geometric Model 对话框；（2）选择几何校正计算模型（Select Geometri

4、c Model）；（3）单击OK按钮；（4）打开校正模型参数与投影参数设置对话框；（5）定义校正模型参数与投影参数；（6）单击Apply 按钮应用或单击Close按钮关闭.。对于第一种情况，必须事先在一个窗口中打开需要几何校正的图像，否则无法进行选择。窗口栅格操作途径这种途径是首先在一个窗口中打开需要校正的图像，然后在栅格操作菜单中启动几何校正模块，具体过程如下：在菜单条单击Raster/Geometric Correction命令，打开Set Geometric Model对话框。（1）选择几何校正计算模型（Select Geometric Model）；（2）单击OK按钮；（3）打开校正模

5、型参数与投影参数设置对话框；（4）定义几何校正计算模型参数与投影参数；（5）单击Apply按钮应用或单击Close按钮关闭。几何校正模块启动的两种途径相比 ，窗口栅格操作途径更为直观简便，建议采用该方式。4、几何校正的采点模式 ERDAS IMAGINE 系统中提供了九种控制点采点模式，如表1 几何校正采点模式与含义，仔细分析这九种模式，可以归纳为三大类。 表1 几何校正采点模式与含义模式含义Viewer to Viewer窗口采点模式Existing Viewer在已经打开的窗口中采点Imagine Layer(New Viewer)在新打开的图像窗口中采点Vector Layer (New

6、 Viewer)在新打开的矢量窗口中采点Annotation Layer(New Viewer)在新打开的注记窗口中采点File to Viewer文件采点模式GCP File (*.gcc)在控制点文件中读取点ASCII File 在ASCII码文件中读取点Map to Viewer地图采点模式Digitizing Tablet(Current)在当前数字化仪上采点Digitizing Tablet (New)在新配置数字化仪上采点Keyboard Only通过键盘输入控制点表1几何校正采点模式与含义中所列的三类几何校正采点模式，分别应用于不同的情况： 如果已经拥有需要校正图像区域的数字地图

7、、或经过校正的图像、或注记图层的话，就可以应用第1种模式（窗口采点模式），直接以数字地图、经过校正的图像、或注记图层作为地理参考，在另一个窗口打开相应的数据层，从中采集控制点。 如果事先已经通过GPS测量、或摄影测量、或其他途径获得了控制点的坐标数据，并保存为ERDAS IMAGINE 的控制点文件模式或ASCII数据文件的话，就应该调用第二种类型（文件采点模式），直接在数据文件中读取控制点坐标。 如果前两种条件都不符合，只有印刷地图坐标纸作为参考的话，则只好采用第3种类型（地图采点模式），或者首先在地图上选点并量算坐标，然后通过键盘输入坐标数据；在地图上选点后，借助数字化仪来采集控制点坐标。

8、在实际工作中，这3种采点模式都是有可能遇到的。本次实验中，我们使用了第1种模式，也就是窗口采点模式。1.3 实习原理遥感图像成图时，由于各种因素的影响，图像本身的几何形状与对应的地物形状往往是不一致的。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变形即遥感图像的几何变形。当利用遥感图像进行处理时，会把它表达在某个规定的图像投影参照系统中。因此，遥感图像的几何处理是遥感影像信息处理过程中的一个重要环节。遥感图像的几何处理包括两个层次。第一是遥感图像的粗加工处理；第二是遥感图像的精加工处理。粗加工处理也称为粗纠正，它仅做系统误差改正。遥感图像的精纠正是指消

9、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的过程。它包括两个环节：一是像素坐标的变换，即将图像坐标转变为地图或者地面坐标；二是对坐标变换后的像素亮度值进行重采样。遥感图像纠正主要处理过程如下：（1）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。（2）根据所采用的数学模型确定纠正公式。（3）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。（4）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，共线方程法和随机场内插值法等。本次实习过程中采用的是多项式法。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学模拟。本法对各

10、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。当用上述方法解解求变换参数后，就可以对遥感图像进行几何纠正。主要步骤如下：首先，确定纠正后数字图像的边界范围。输出图像边界范围的确定原则应是既包括了纠正后图像的全部内容，又使空白图像空间尽可能的少。然后，直接法和间接法纠正方案。在输出图像边界及其坐标系统确立后，就可以按照选定的纠正变换函数把原始数字图像逐个像素变换到图像贮存空间中去。这里有两种可供选择的纠正方案，即直接法方案和间接法方案。a) 所谓直接法方案，是从原始图像阵列出发，按行列的顺序依次对每个原始

11、像素点位求其在地面坐标系（也就是输出图像坐标系）中的正确位置。同时，把该像素的亮度值移置到已解求的输出图像中的相应点位上去。b) 所谓间接法方案，是从空白的输出图像阵列出发，亦按照行列的顺序依次对每个输出像素点位反求其原始图像坐标中的位置，然后把已解求的原始图像点位上的亮度值取出填回到空白图像点阵中相应的像素点位上去。这两种方案本质上并无差别，主要不同仅在于所用的纠正变换函数不同，互为逆变换；其次，纠正后像素获得的亮度值的办法，对于直接法方案，称为亮度重配置，而对间接法方案，称为亮度重采样。由于直接法纠正方案要进行像元的重新排列，要求存储空间大于1倍，计算时间也长，所以在实践中通常使用的方案是

12、间接法方案。其次，数字图像亮度（或灰度）值的重采样。以间接法纠正方案为例，假如输出图像阵列中的任一像素在原始图像中的投影点位坐标值为整数，便可简单地将整数点位上的原始图像的已有亮度值直接取出填入输出图像。但当该投影点位的坐标计算值不为整数时，原始图像阵列中该非整数点位上并无现成的亮度存在，于是就必须采用适当的方法把该点位周围邻近整数点位上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。这个过程就是数字图像亮度（或图像灰度）值的重采样。常用的重采样方法有最邻近像元采样法、双线性内插法、双三次卷积重采样法等。2. 实习过程与结果2.1 校区影像的几何校正本次实习中，使用ERDAS8.4软件，

13、以已经具有地现参考的wuce.tif (校正过的影像)为基础，进行wucesource.tif（需要校正的影像）的校正，其具体步骤如下：第1步：显示图像文件 在ERDAS图标面板中双击Viewer图标，打开两个窗口（Viewer#1/Viewer#2），分别打开需要校正的影像和作为地一参考的校正过的影像。第2步：启动几何校正模块 在需要校正的图像窗口Viewer#1菜单条中，单击Raster/Geometric Correction命令，打开Set Geometric Model 对话框，选择多项式几何校正模式Polynomial。同时定义多项式模型参数及投影参数，多项式次方为2（其他参数在本

14、试验中使用的是系统默认值）。第3步：启动控制点工具 在GCP Tools Reference Setup 对话框中，选择采点模式为Keyboard Only（本试验过程中使用的是键盘输入参考控制点坐标模式）。第4步：采集地面控制点 在图像几何校正过程中，采集控制点是一项非常重要和相当繁琐的工作，具体过程如下：（1）在GCP工具对话框中单击Select GCP图标，进入GCP选择状态。（2）在GCP数据表中将输入GCP的颜色（Color）设置为比较明显的黄色。（3）在Viewer#1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP（本次试验过程中，要求根据实验数据中给定的八个点位坐标来寻

15、找关联地物）。（4）在GCP工具对话框中单击Create GCP 图标，并在Viewer#3中单击定点为，GCP数据表将记录一个输入的GCP，包括其编号、标识码、X坐标、Y坐标。（5）在GCP工具对话框中的X Ref 和Y Ref 中输入已经给定的对应点号的控制点坐标。（6）不断重复步骤（1）（5），采集八个GCP。采集GCP后，GCP数据表如图1：GCP数据表所示。 第5步：采集地面检查点 以上所采集的GCP的类型均为Control Point (控制点)，用于控制计算、转换模型及多项式方程。下面所要采集的GCP的类型均是Check Point(检查点)，用于检验所建立的转换方程的精度和实用

16、性。如果控制点的误差比较小的话，也可以不采集地面检查点。（本次试验中未采集地面检查点）。 第6步：计算转换模型 在控制点采集过程中，一般是设置为自动转换计算模式（Compute Transformation）,所以，随着控制点采集过程的完成，转换模型就自动生成。图1：GCP数据表 第7步：图像重采样 重采样过程就是依据未校正图像像元值计算生成一幅校正图像的过程，原图像中所有栅格数据层都将进行重采样。ERDAS IMAGINE 提供3种最常用的重采样方法，分别是邻近点插值法，双线性插值法和立方卷积插值法。 在Geo Correction Tools 对话框中单击Image Resample 图，

17、打开Resample（图像重采样）对话框，在其中定义重采样参数。输出图像文件名（Output File ）为rectify.img,选择的重采样方法（Resample Method）为Nearest Neighbor，定义输出图像范围（Output Comers）,在ULX、ULY、LRX、LRY微调框中分别输入需要的数值（本次试验中使用的是默认数值），定义输出像元大小（Output Cell Sizes）,X和Y的值都设为30，设置输出统计中忽略零值，即选中Ignore Zero in Stats复选框，设置重新计算输出默认值（Recalculate Output Defaults）时，将S

18、kip Factor设为10，关闭对话框，启动重采样进程。 第8步：保存几何校正模式 在Geo Correction Tools 对话框中单击Exit按钮，退出图像几何校正过程，按照系统提示选择保存图像几何校正模式，并定义模式文件（*.gms），以便下次直接使用。 第9步：检验校正结果 检验校正结果（Verify Rectification Result ）的基本方法是：同时在两个窗口中打开两幅图像，其中一幅是校正以后的图像，一幅是当时的参考图像，通过窗口地理连接（Geo Link/Unlink）功能及查询光标（Inquire Cursor）功能进行目视定性检验。校正后的影像如图2：校正后影像

19、与校正前影像对比。图2：校正后影像与校正前影像对比2.2 遥感图像仿射变换 在实际工作中，经常需要对图像进行一次线性转换，诸如旋转、位移、翻转、拉伸等，以便图像的北方向真正向上，这些操作都属于图像仿射变换（Affine）的范畴，具体过程如下： 第1步：显示需要变换的图像，如图3：变换前图像 第2步：启动几何校正工具 第3步：选择几何校正模型 在Set Geometric Model 对话框中选择（Affine）仿射变换，单击OK按钮打开Affine Model Properties对话框。 第4步：定义图像仿射变换参数 在Affine Model Properties对话框中定义参数，在线性变

20、换选择项中将比例因子（Scale）X1和Y1均设为1，Both值为1，位移因子(Offset)X与Y均为200，旋转角度（Rotate Angle）为30；确定正向旋转方向（Positive Rotation Direction）时，逆时针方向为正，即Counter-Clockwise，翻转方向选择（Reflect Options）4种任选1种即可。 第5步：图像重采样 在Geo Correction Tools 对话框中单击Image Resample 图标，打开Resample（图像重采样）对话框，在对话框中定义重采样参数。输出图像文件名（Output File ）为affine.img,

21、选择的重采样方法（Resample Method）为Nearest Neighbor，定义输出图像范围（Output Comers）,在ULX、ULY、LRX、LRY微调框中分别输入需要的数值（本次试验中使用的是默认数值），定义输出像元大小（Output Cell Sizes）,X和Y的值都设为10，设置输出统计中忽略零值，即选中Ignore Zero in Stats复选框，设置重新计算输出默认值（Recalculate Output Defaults）时，将Skip Factor设为5，关闭对话框，启动重采样进程。图3：变换前图像 第6步：重采样与原图像对比 同时打开两个窗口，并平铺排列，

22、将两个窗口建立地理关联，显示、查看、对比变化。仿射变换完成后的图像如图4：变换后图像。图4：变换后图像3. 试验结果分析 遥感图像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做是平移、缩放、旋转、仿射、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。本试验中，我们使用的是多项式法纠正，本法对各种类型传感器图像的纠正都是适用的。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。 根据纠正图像要求的不同，我们可以选用不同的阶数。当选用一次项纠正时，可以纠正图像因

23、平移、旋转、比例尺变化和仿射变形等引起的线性变形；当选用二次项纠正时，则在改正一次项各种变形的基础上，改正二次非线性变形。如选用三次项纠正则改正更高次的非线性变形。本次试验中使用的是二次项纠正，在改正了图像因平移、旋转、比例尺变化和仿射变形等引起怕线性变形，还改正了其他的非线性变形。 本次试验在对原始影像wucesource.tif进行纠正时，采用的实验数据如下表1：参考控制点坐标数据，多项式次数为2，输入方式：键盘输入坐标 keyboard only，控制点的位置及点号见图像wuce_point.tif所示，即图5控制点位置图。点名X坐标Y坐标说明kc1378726.36534063.76控

24、制点位置除kc3(白色点)外均为红色点指示地方的明显点kc2379116.64534031.25kc3379153.40534210.20kc4378837.81533738.74kc5379107.4533716.0kc6378941.4534196.4kc7379092.4533853.1kc8378777.6534071.0表1：参考控制点坐标数据 多项式变换（Polynomia）在卫星图像校正过程中应用较多，在调用多项式模型时，需要确定次方数（Order）通常整景图像选择3次方。次方数与所需要的最少控制点数是相关的，最少控制点数计算公式为(t+1）*(t+2)/2，式中t为次方数，即1

25、次方最少需要3个控制点，2次方最少需要6个控制点，3次方需要10个控制点，依次类推。本试验中次方数t为2，使用了8个控制点，以便提高图像纠正数度。 在数字图像亮度值的重采样过程中，理想的重采样函数是辛克（SINC）函数，其横轴上各点的幅值代表了相应点对其原点O处亮度贡献的权。但由于辛克函数是定义在无穷域上的，又包括三角函数的计算，实际使用不方便，因此人们采用了一些近似函数代替它，据此产生了三种常用的重采样算法，分别是最邻近像元采样法、双线性内插法和双三次卷积重采样法。最邻近像元采样法就是取距离被采样点最近的已知像素元素的N亮度IN 作为采样亮度。最邻近像元采样法最简单，辐射保真度较好，但它将造

26、成像点在一个像素范围内的位移，其几何精度较其他两种方法差。双线性内插法的计算较为简单，并具有一定的亮度采样精度，所以它是实践中常用的方法但图像略模糊。双三次卷积重采样法内插精度较高，但是计算量大。在本次试验中，我们采用的是最邻近像元采样法。 在线性变换选择项中定义参数时，我们将比例因子（Scale）X1和Y1均设为1，Both值为1，位移因子(Offset)X与Y均为200，旋转角度（Rotate Angle）为30；确定正向旋转方向（Positive Rotation Direction）时，逆时针方向为正，即Counter-Clockwise，对比图3：变换前图像和图4：变换后图像，我们可

27、以看出，图像大小未变，因为我们的比例因子设为1，位移因子为200，所以图像位置发生相应变化，且沿逆时针方向旋转了30度，这对应于旋转角度（Rotate Angle）为30，正向旋转方向（Positive Rotation Direction）时，逆时针方向为正，即Counter-Clockwise 。 相对于多项式纠正，动态扫描图像的共线方程纠正精度没有太大提高。共线方程纠正是建立在图像坐标与地面坐标严格数学坐标变换关系基础上的，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，且多项式纠正撲东能满足要求时，要用共线方程进行纠正。共线方程纠正时需要有数字高程信息，计算量比多项式纠正要大。同时，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。