《预处理几何校正》PPT课件.ppt

l遥感影像的特征？ 空间分辨率：像素所代表的地面范围的大小，即 扫描仪的瞬时视场，或地面物体能分辨的最小单 元 光谱分辨率：传感器在接受目标辐射的波谱时能 分辨的最小波长间隔。 辐射分辨率：传感器接受波谱信号时，能分辨的 最小辐射度差。在遥感图像上表现为每一像元的 辐射量化级。 时间分辨率：对同一地点进行采样的时间间隔， 即采样的时间频率，也称重访周期。 内容回顾 l辐射误差产生原因？ 内部误差：由传感器响应特性引起的辐射误差 外部误差：大气、地面高程、坡度和坡向 内容回顾 l多光谱图像四则运算？ 加法运算主要用于对同一区域的多幅图像求平均 ，可以有效地减少图像的加性随机噪声。 减法运算提供不同波段或不同时相图像间的差异 信息，应用于动态监测及目标识别等工作中。 比值运算能压抑因地形坡度和方向引起的辐射量 变化，消除地形起伏的影响,增强某些地物之间的 反差。 内容回顾 l多光谱图像增强有哪些主要方法及每种方 法的特点？ 主成分分析：通过函数变换，保留主要信息，降 低数据量，增强或提取有用信息的目的 变换后的矢量是原有矢量的信息的线性组合，较 好地反映了事物的本质特征 变换后的矢量的协方差矩阵是对角矩阵，矢量中 各分量之间的信息是相互独立的 特征值大小反映该方向上主分量所具有信息量的 多少及每个分量的相对重要性 内容回顾 l多光谱图像增强有哪些主要方法及每种方 法的特点？ 缨帽变换：线性变换后坐标轴的方向与植被生长 及土壤有密切关系； 变换后的前三个分量分别对应亮度、绿度和湿度 内容回顾 l图像融合的主要方法？ l 简单的波段替换方法； l 色彩空间变换图像融合； l 色彩标准化( Color Normalization) 融合法； l 基于主成分分析(PCA) 的融合； l 高频信息逐像元累加融合方法。 内容回顾 第六章 遥感影像几何处理 引起遥感图像几何畸变的因素 l传感器的原因 l遥感平台（卫星）原因 l地球本身的原因 遥感传感器的构像方程 l构像方程是：地物点的图像坐标（x，y） 和地面坐标（X，Y，Z）之间的关系 l传感器坐标系统S-UVW 和地面坐标系统O- XYZ （地心坐标系） l图像坐标系统 o-xy和地图坐标系统Om- XmYm 共线条件 x y z X Y Z A a s Xs Ys Zs N Y X Z XA- Xs YA- Ys (x,y,-f) (XA,YA,ZA ) M Ztp Ytp Xtp 共线条件方程 引起遥感图像几何畸变的因素 l 传感器的原因 l 遥感平台（卫星）原因 l 地球本身的原因 传感器 l 传感器的位置 l 姿态 几何畸变： 平移 缩放 旋转 偏扭 弯曲 l外方位元素 传感器成像的位置和姿态角，当外方位元 素偏离标准位置出现变动时，就会使图像 发生变形。 遥感影像变形的原因 l 遥感平台位置和运动状态变化的影响： 航 高、航速、俯仰、翻滚、偏航。 l 地形起伏的影响：产生像点位移。 l 地球表面曲率的影响：一是像点位置的移 动；二是像元对应于地面宽度不等，距星 下点愈远畸变愈大，对应地面长度越长。 l 大气折射的影响：产生像点位移。 l 地球自转的影响：产生影像偏离 l扫描成像的传感器，如MSS，产生几何畸 变主要是由于扫描镜的非线性振动和其他 偶然因素引起的。可能影响可达395米 全景畸变和斜距变形 几何校正方法 l几何校正可分为两种：几何粗校正和几何 精校正 l 按照处理方式分为光学校正和数字校正 几何粗校正 l也称系统级校正 l已知 图像的构像方程 传感器的校正数据 如外方位元素 l带入构像公式进行校正 几何粗校正 l投影中心坐标的测定和解算 卫星坐标解算 l卫星星历表解算 l全球定位系统测定 l传感器姿态角测定 l扫描角测定 几何粗校正 l传感器内部畸变 l对外部畸变作用不大 几何精校正原理 l遥感数字影像几何校正是指： l通过计算机对离散的数字图像中的每一个 像元逐个进行校正处理的方法。 l这种方法能够精确地改正动态扫描图像所 具备的各种误差。 基本原理 l利用图像坐标和地面坐标之间的数学关系 。 l也就是输入图像和输出图像间的坐标转换 关系来实现。 基本环节 l像素的坐标变换 原始坐标(x,y) 纠正后图像坐标 (X,Y) l像素亮度值的重采样 最近邻法 双线性内插 双三次卷积内插 几何校正的处理过程 输入原始 数字图像 建立纠正 变换函数 确定输出 图像范围 逐个像素的 几何位置变换 像素亮度值 重采样 输出纠正后 的影像 多项式纠正 l基本思想：图像的变化规律可以看作是平 移、缩放、旋转、仿射、偏扭、弯曲等形 变的合成。 一般多项式纠正公式 一次项纠正：改正图像因平移、旋转、比例尺变化和 仿射变形等引起的线性变形 二次项纠正：在改进一次项的基础上，改正二次非线 性变形 三次项纠正：改正更高次的非线性变形。 系数ai bi 求解： l用可预测的图像变形参数构成（MSS） l利用已知控制点的坐标值按最小二乘方法 求解。 控制点的选择 l经纬网点 l三角点、水准点、方里网的交点 l分布比较均匀，特别是在边界、四角都要 有控制点 l增加控制点数目和增加多项式次数可以提 高精度 lN=1/2(n+1)(n+2) 确定图像范围 确定分辨率 l目的是确定新图像宽度和高度 l根据精度要求，在新图像的范围内，划分 网格，每个网格点就是一个像元。 l行数：M=（Y2-Y1）/Y +1 l列数：N=（X2-X1）/X +1 图像亮度或灰度值重采样 变换后图像灰度值的确定： l如果输出像元在原始图像的投影坐标值为整数 l若不为整数，就要进行重抽样 重抽样方法 l最近邻法 l双线性内插 l双三次卷积内插 最近邻法 l距离实际位置最近的像元的灰度值作为输 出图像像元的灰度值 双线性内插 抽样点p周围4个已知像素的亮度值参加计算 双三次卷积 抽样点p周围16个已知像素的亮度值参加 计算 三种方法的优缺点 l 最近邻法： 算法简单，保持原光谱信息 几何精度差