面向对象与基于像素的高分辨率遥感_省略_像分类在土地利用分类中的应用比较_梁艳.caj.doc

内 封 格 式分类号 学校代码：10616U D C 密级 学号：2007020021成都理工大学硕士学位论文面向对象遥感影像分类方法在土地利用信息提取中的应用研究黄瑾指导教师姓名及职称 杨武年教授申请学位级别 硕士 专业名称 地图学与地理信息系统论文提交日期 2010 年 4 月 论文答辩日期 2010 年 5 月学位授予单位和日期 成 都 理 工 大 学（ 2010 年 6 月）独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 成都理工大学 或其他教育机构的学位或证书而使用过的材料。与我一同工作的人员对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：年 月 日学位论文版权使用授权书本学位论文作者完全了解 成都理工大学 有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权 成都理工大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：学位论文作者导师签名：年 月 日I面向对象影像分类方法在土地利用信息提取中的应用研究作者简介：黄瑾，女，1984 年 5 月生，师从成都理工大学杨武年教授，2010年 7 月毕业于成都理工大学地图学与地理信息系统专业，获得理学硕士学位。摘 要遥感技术的发展使得遥感影像的空间分辨率越来越高，高空间分辨率的影像在研究土地利用/覆盖中的应用也越来越广。高空间分辨率遥感影像比中、低空间分辨率的影像具备了更多的空间细节信息，但是目前高空间分辨率遥感数据应用效率却不高。一个重要的原因就是传统的遥感影像分类方法是基于像元的分类方法，不能有效地提取出影像中的空间纹理信息。基于像元的分类方法还存在着分类结果会出现椒盐现象的问题，从而导致大量无效破碎图斑的产生，最终导致分类精度不高。大范围的土地利用/覆盖数据的实时更新对高分辨率遥感影像的应用也带来了挑战。高分辨率遥感影像往往成本高昂，同时它所包含的海量数据需要耗费大量的时间和人力才能完成信息的提取。这使得高分辨率的遥感影像在大范围实时的土地利用/覆盖信息提取中的应用不具现实意义。针对以上的问题，本文提出了将中分辨率的遥感影像数据与高分辨率的影像数据整合使用，采用面向对象的遥感影像的分类方法，来完成大范围的实时的土地利用/覆盖信息的提取。以松潘县为研究区，将代表性区域以高分辨遥感数据作为信息提取的数据源，然后以部分典型地区的高分辨率影像分类结果指导大范围地区的中分辨率遥感数据分类。本文采用的面向对象分类方法，不再是传统的基于像元的处理方式，而是采用基于影像对象的处理方式。这种方式使得面向对象的遥感影像分类方法具有一些传统分类方法所不能具有的优点：基于影像分割得到同质像元组成的影像对象，对象内部的光谱值差异很小可以忽略其内部信息，从而避免了椒盐现象的出现，对象之间的区分同时考虑了光谱和形状两种因子，为分类提供更多的特征，有效地克服了基于像元分类的种种局限性；多尺度的空间分析，可以满足不同尺度地物的信息提取要求；模拟人脑的思维方式充分利用影像的各种特征，以达到尽可能地高精度地提取信息的目的；整合利用多源数据，使得多源遥感数据和已有的专题数据得到最充分、最便捷的利用。硕 士 学 位 论 文题名和副题名 面向对象遥感影像分类方法在土地利用信息提取中的应用研究作 者 姓 名 黄瑾指导教师姓名及职称 杨武年（教授）申请学位级别 硕士 专业名称 地图学与地理信息系统论文提交日期 2010 年 4 月 论文答辩日期 2010 年 5 月学位授予单位和日期 成 都 理 工 大 学（ 2010 年 6 月）二一年四月II本文以四川省松潘县为实验区，以全县范围的中分辨率的 TM 影像和以松潘县县城区域的高分辨率的 SPOT5 影像作为研究的数据源，对松潘县县城区域分别进行SPOT5影像和TM影像的基于像元分类方法和面向对象分类方法的分类，并将结果进行比较分析，以此经验完成整个松潘县的 TM 影像的面向对象分类。分类的结果表明，面向对象分类方法在高空间分辨率的影像分类中精度远高于基于像元的分类方法，在中分辨率的遥感影像分类中也一定程度地高于基于像元的分类方法。面向对象的 TM 影像分类方法，加上典型区域的 SPOT5 影像分类结果的指导，较好地完成了快速、精确地提取实验区的土地利用/覆盖信息的目标。关键词：面向对象分类 TM 遥感影像 SPOT5 遥感影像 土地利用/覆盖IIIObject-Oriented Classification Technique of Remote SensingImage Used in Classification of Land UseIntroduction of the author: Huang Jin, female, was born in May, 1984 whosetutor was Professor Yang Wunian. She graduated from Chengdu University ofTechnology in Cartography and Geographic Information System major and wasgranted the Master Degree in June, 2010.AbstractWith the development of remote sensing technology, remote sensing image has ahigher and higher spatial resolution and makes us obtain very abundant information ofnature. But the high spatial resolution remote sensing data application efficiency is nothigh at present.One important reason is that the traditional image classification methodis based on spectral of pixels, can not effectively extract the spatial information.Pixel-based classification method also has the phenomenon of salt and pepperclassification problem, resulting in the appearance of a number of broken polygons,ultimately leading to the low classification accuracy. A wide range of land use / coverdata in real-time updates on the application of high resolution remote sensing images aswell as challenges. High resolution remote sensing images are often costly, and thehuge amounts of data of it need to spend a lot of time and manpower to complete theextraction of information.High resolution remote sensing images in real-time andlarge-scale land use / cover information extraction does not have practical significance.In order to solve the problem, moderate resolution remote sensing image data andhigh resolution image data were integrated based on object-oriented remote sensingimage classification method to realize large scale real-time land use / cover informationextraction. In this paper Songpan County is the study area, extract the data ofrepresentative region in the form of high-resolution remote sensing data as informationsource, and guide a larger scope of moderate resolution remote sensing image dataclassification by some typical parts of high-resolution images classification. In thispaper, object-oriented classification method was used instead of traditional pixel-basedapproach, which was an image-object-based approach. The proposed object-orientedremote sensing image classification method had some advantages compare toVI5.3 SPOT5 影像分类结果精度评价 .40结论与讨论 .43主要成果与认识： .43论文不足及进一步工作建议： .43致 谢 .45参考文献 .46攻读学位期间取得学术成果 .49V目 录面向对象影像分类方法在土地利用信息提取中的应用研究.I第 1 章 引 言 .11.1 选题背景及研究意义 .11.2 面向对象遥感影像分类技术的提出.21.3 面向对象遥感影像分类方法国内外研究现状.31.4 研究内容与研究方法 .4第 2 章 研究区概况及数据预处理 .62.1 研究区概况 .62.2 数据来源 .72.3 数据预处理 .72.3.1 地形图矢量化.72.3.2 DEM 模型和三维影像生成 .82.3.3 几何校正.92.3.4 研究区遥感影像拼接裁剪. 11第 3 章 基于像元的土地利用/覆盖信息提取技术.123.1 研究区土地利用/覆盖信息分类系统 .123.2 最优波段选择 .133.2.1 TM 影像最优波段选择.143.2.2 SPOT5 影像最优波段选择 .143.3 最大似然分类 .15第 4 章 面向对象的土地利用/覆盖信息提取技术.184.1 影像分割 .194.1.1 尺度选择.244.1.2 波段权重选择.244.1.3 均质因子选择.254.1.4 影像对象.254.2 面向对象的分类方法 .264.2.1 分类层次建立.264.2.2 分类特征选取与分类规则建立.274.2.3 土地利用/覆盖信息提取.31第 5 章 分类精度 .375.1 分类精度评价 .375.2 TM 影像分类结果精度评价 .381第 1 章 引 言1.1 选题背景及研究意义土地是人类赖以生存和发展的物质基础，是人类休养生息和从事一切社会经济活动的基本场所。真实准确的土地利用/覆盖调查数据是国家进行国土资源管理工作和宏观经济调控的基础和重要依据1。近年来，国内外众多的学者、研究组织和研究机构从不同尺度和不同角度上研究了土地利用/覆盖的现状、变化及未来发展趋势等问题，并取得了很大的进展。LUCC 的研究，使得人们可以对人类活动对全球环境变化的影响进行定性和定量评价，从而为资源、环境的可持续开发和利用提供依据2。随着科技的进步，3S 技术（RS、GPS 和 GIS）越来越广泛的应用到人们日常的生产和生活中，在地学和土地学科研究和管理实践中，遥感影像也成为最重要的原始数据之一，遥感技术成为 LUCC 监测、土地利用退化监测等重要的技术支撑3。随着遥感影像的分辨率逐渐提高，遥感影像的数据量也越来越大，信息也越来越丰富。最初的分类处理方法主要是专家目视解译，专家通过遥感影像中特定的判读标志，对地物信息进行识别提取。该方法需要的设备少，简单方便，可以直接从遥感影像中获取许多专题信息，有利于做定性分析。但是目视解译要求有丰富的专业经验和充足的野外实地调查资料，生产效率不高，边界容易错位，地物定位精度低3-4。而且对于大范围的 LUCC 调查研究，目视解译需要大量时间和工作量大的弊端就显现出来。而且目视解译不易对遥感影像做出准确的定量分析，其应用价值也就有限。人工目视判别已经不能满足大范围 LUCC 调查的需求。相比于人工目视解译，计算机解译有很高的现势性，可以快速地获取地表的不同专题信息，大大的减少了影像处理的工作量和解译时间，提高了工作效率。但是现有的计算机辅助信息提取的方法对遥感影像进行分类，大都采用传统的基于像元的分类方法，只利用了像元的光谱信息，而对于相邻像元间的相互依赖关系，以及大量的空间信息都被忽略掉了4，基本没有考虑多种遥感信息源的整合互补，获取的结果信息十分有限5，而且结果中往往会出现许多破碎的无效图斑，这些严重影响了分类精度和信息提取的精准性。随着影像分辨率的不断提高，地物的形状、纹理、结构和细节等信息也越来越突出，基于像元的遥感影像信息提取方法也已经难以满足当前应用的需要。探索新的信息提取技术成为保证土地利用/覆盖遥感研究持续发展的一个必然要求和趋势。本文拟采用的面向对象分类技术不再是以像元为基本处理单位，而是以影像2对象为基本处理单位，在利用光谱信息的基础上，更多考虑影像对象的空间信息，即在分类或提取地类信息的过程中，将多源遥感数据信息整合互补，结合各种地学知识，融入对象的纹理特征和领域等信息，以期达到提高分类精度的目的。面向对象的遥感影像分类方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。1.2 面向对象遥感影像分类技术的提出近年来，遥感信息提取技术也取得了很大的进展。从最初的影像目视解译技术到后期的计算机辅助分类技术，及至当今的自动化判读技术，遥感影像信息提取逐步从单纯的像元物理特征识别向影像理解演变。事实上，遥感影像中蕴含着丰富的光谱信息、空间信息、纹理信息，而传统的分类方法一般只利用了像元的光谱信息。无论是监督法还是非监督法均是基于像元级的处理，像元间的天然的内在联系被舍弃了，即使采用纹理等影像特征辅助分类，其目的也仅是为了提高像元级的识别精度与可靠性，而未顾及到遥感影像中丰富的空间信息提取。对当前多源遥感影像的分析中，基于像元的分类方法面临着如下问题：（1）传统方法较多地利用光谱信息，而几乎没有利用几何结构、纹理等在高分辨率影像中丰富且重要的空间信息，无法区分同谱异物的地物；（2）随着空间分辨率的提高，影像上表现出更多的地物类型和差异，增加了分类的难度；（3）随着空间分辨率的提高，影像增加的地物细节信息，干扰分类的结果；（4）传统方法得到的分类结果过于破碎，改进分类结果的处理运算量增大；（5）基本没有考虑多种遥感信息源的整合互补，没有充分地利用同一地区的各种空间信息资源；（6）最后，随着矢量 GIS 的成功，人们在使用数据过程中习惯于以矢量多边形对象来表达地理信息。遥感影像作为 GIS 数据库的重要来源，基于像元的影像分类结果以栅格的形式来表示成果信息，严重阻碍了遥感信息和矢量 GIS 之间的集成4。面向对象的遥感影像分类流程图如图 1-1 所示。IVtraditional classification method: image object derived from homogeneous pixel byimage segmentation, whose interior information could be ignored for little variance of spectralvalue, so that salt and pepper phenomenon could be avoided. The proposed methodcomprehensively combines two factors of spectrum and shape, which provides more features forclassification, and effectively overcomes the limitations of pixel-based classification as a result.multi-scale spatial analysis can meet requirements of information extraction for different scalefeatures. It can also fully take advantage of all features of images by mimicing human brains wayof thinking, so as to achieve the purpose of extracting information as high accurate as possible.Last but not least, it can integrate use of multi-source data, and make fully and quick use ofmulti-source remote sensing data and existing thematic data.In this paper, Songpan County, Sichuan Province is the study area. The research data arecounty-wide TM images of medium-resolution and Songpan County regional SPOT5 images ofhigh-resolution. study the advantage and differences of pixel-based classification andobject-oriented classification for SPOT5 image and TM image of Songpan County, then apply theresult to object-oriented classification of county-wide TM images. The result is thatobject-oriented classification method is far superior to pixel-based classification method inhigh-resolution image, and is a little better than pixel-based classification method inmedium-resolution image. As a result the county-wide land use / cover information extraction iswell done by object-oriented classification for TM images of the whole county under the guide oftypical regional SPOT5 image classification results.Keywords: Object-oriented Classification TM image SPOT5 image Land use4地利用类型的自动提取工作并取得了较高的验证精度，为在大面积的土地利用调查中应用遥感影像自动分类方法来获取土地利用信息的技术路线和方法方面作了一定探索20。钱巧静等利用面向对象的方法成功提取了三峡库区奉节县中部的土地覆盖信息，得到了较为满意的结果，利用野外采样数据进行验证其精度达89.2%21。孙晓霞等利用面向对象的分类方法从 IKONOS 全色影像中提取河流和道路，试验结果表明，面向对象的分类方法能够满足 高分辨率或纹理影像的分类需要，具有很大的应用潜力22。黄慧萍等以高分辨率遥感影像为数据源，以多尺度影像分割与面向对象影像分析方法为主要技术，利用样本多边形对象的成员函数建立训练区，自动提取大庆市城市绿地覆盖信息，达到清查城市绿地的目的23。该方法信息获取周期短、精度高、成本低，实现了城市绿地信息精确获取与快速更新。所有这些研究表明，在多数情况下，面向对象的分类方法比面向像元分类方法取得更好的效果，特别是对于中、高空间分辨率遥感影像的分析上24。1.4 研究内容与研究方法本文研究基于成都理工大学遥感与GIS研究所承担的四川省生态退耕监测项目支撑，选取四川省松潘县为研究对象，探索面向对象的土地利用/覆盖计算机自动分类提取的方法，并利用中分辨率（TM 影像）影像、高分辨率（SPOT 影像）影像整合互补，提取该区域土地利用信息。为研究区现有保护措施的评价、保护方案、管理、资源开发模式的制定提供基础数据，同时也为类似的西部地区的遥感调查提供参考。提高地物类型识别的精度和自动化程度，是遥感信息提取技术的发展要求，也是土地利用覆盖动态监测的基础。面向对象的分类方法突破传统基于像元分析的特点，采用基于对象的分类技术，不同尺度地分割影像对象、多特征全面灵活的参与分类，真正达到高精度、高智能地提取遥感信息。本文探索研究面向对象遥感影像分类方法在土地利用动态监测中的应用技术，研究的主要内容有以下几个方面：（1）根据影像的特征和分类的目标选择最优波段组合，分别采用基于像元和基于面向对象的土地利用/覆盖信息提取方式做分类，并对分类后的精度做出评价。选取典型区域的高精度的 SPOT5 影像的面向对象分类结果，作为检验 TM分类优劣的标准，并根据分析比较的经验来指导整个研究区的影像分类。（2）研究、探索面向对象的遥感影像分类技术在土地利用/覆盖信息提取中的应用方法。高分辨率遥感数据的出现及 GIS 技术的发展，使得传统的基于像元的影像分类提取信息方法已经不能满足当前科研和工程应用的需要。本文探索基于影像对象的分类方法，以满足高效提取地学信息的要求。5（3）研究、探索面向对象的多源遥感数据综合利用的分类技术。采用面向对象的多源遥感影像分析技术，综合利用多源遥感数据，充分发挥不同遥感数据的优势，通过模糊逻辑推理等方法实现遥感信息的快速智能识别及高精度的信息提取，从多源遥感数据中高效地提取出可靠、全面、精确的目标遥感信息。论文技术路线如图 1-2：图 1-2 工作流程图3图 1-1 面向对象遥感影像分类流程图1.3 面向对象遥感影像分类方法国内外研究现状近年来，国内外学者从影像分割单元或斑块的角度对遥感分类方法进行了探索性研究，取得一些进展，如 Lobo 的每地块(Per-field)方法6，APlin 等的每斑块(Per-Patch)分类方法7，这些方法是面向对象分类方法的雏形。Baatz 和 Schape 根据高分辨率的遥感影像的特点，提出了面向对象的遥感影像分类方法以来8，面向对象影像分类方法发展迅速，越来越多地受到遥感应用研究者的青睐。Baatz 和 Schape 运用基于异质性最小原则的区域合并分割算法实现了影像对象的构建。Hay 等指出可以将光谱信息类似的影像像元集合体理解为影像对象，其内部的像元存在均匀性与离散性,并对分形网络演化算法、线性尺度空间与块特征检测算法、多尺度对象细节分析算法做了比较并指出各自的优点8-11。Ketting 和 Landgrebe 提出了同质性对象提取的优点，并推出了一种分割算法称 ECHO12； Olaf Hellwich 等人利用影像分割和知识辅助从高分辨率多源遥感影像数据中提取道路网络、农用地块和居民地等信息13。Mauro 等通过相关的实验研究对面向对象的影像分类结果的精度和准确性进行了肯定14,24。Benz等认为面向对象分类方法在改进高分辨率遥感影像自动提取方面有着巨大的潜力，是高分辨率影像自动分类的理想选择15,24。Renaud Mathieu 等利用面向对象分类方法对研究区 IKONOS 多光谱影像进行植被信息提取分类总精度达 92%，Kappa 系数达 0.8916,24。Gamanya 等利用面向对象分类方法对津巴布韦中心区域进行分类，分类总精度超过 90%17。面向对象影像分类研究在我国起步较迟，于近几年开始进行该技术的应用研究。曹雪等对深圳市 QUICKBIRD 数据进行对象级的分类结果表明精度相对于传统方法有了明显的提高18。莫登奎等以高分辨率遥感影像数据 IKONOS 为主要数据源，以多尺度分割与基于模糊逻辑分类的面向对象影像分析方法为主要技术，自动提取株洲市城乡结合部的土地覆盖和土地利用信息，达到了提取郊区丘陵地带林地信息和城市建筑、道路等土地覆盖信息的目的，而且精度高，速度快19。张宝雷等以三峡地区为例，运用面向对象技术自动提取方法完成了三峡地区主要土6第 2 章 研究区概况及数据预处理2.1 研究区概况松潘县位于四川省西北部,阿坝藏族羌族自治州东部,属青藏高原东南缘,介于东经 103810415,北纬 32063309之间。东与平武县接壤、北与九寨沟县、若尔盖县相连,南依北川、茂县,西及西南紧靠红原县、黑水县。全县东西长 149km,南北宽 113km,幅员面积 8485.94km2。图 2-1 研究区位置示意图松潘县地处川西北高原寒冷地带,气候垂直差异大,大部分地区都位于高寒山区。气候寒冷,全年无夏,冬季漫长,四季不明显,低温、冰雹、霜灾频繁。据有关资料,县城进安镇年平均气温 5.7,极端最高气温为 31.3,极端最低气温为-21.1,无霜期为 123 天,大于 0以上的积温为 2396.3。多年平均降水量为712.1mm,最大降水量为 824.6mm,最小降水量为 492.4mm。光能资源比较丰富,多年平均日照 1779.4h,年日照百分率 40%。由于松潘县内地形复杂,气候多样,水热状况差异明显,自然植被分布既受水平分布的影响,又受垂直分布的制约。从县境东南部到西北部,随着海拔升高植被依次出现常绿阔叶林、落叶阔叶相间、针阔叶混交、暗针叶林、亚高山灌丛草被、高山草甸矮生草被的变化趋势。在垂直分布上,在同一地貌上,从山麓到山顶,随着海拔高度的增加,植被有规律的出现与第 2 章 研究区概况及数据预处理7垂直气候带相适应的相对稳定的各植被类型,由低到高分布着河谷低山温带植被-亚高山寒温带植被-高山寒带植被-极高山寒漠植被。而在同一海拔高度上,由于坡向不同,水热状况的差异,植被类型也不一样,阴坡、半阴坡森林多,阳坡草被多。海拔 1100m 2000m,主要的常绿阔叶林有香樟、棕榈、茶树、慈竹,落叶阔叶林树种有槭树、泡桐、桤木、漆树、核桃、板栗、杜仲、银杏等。海拔 2000m3000m,植被由松杉科的铁杉属、云杉属、落叶松属和桦木科的桦树、槭树种的槭、椴、杨柳等树种。海拔 3000m 3600m,冷杉、云杉两属为主的乔木组成具有代表性的暗针叶林,落叶松、桦木、高山松、高山栎等分布较多,灌丛以缺苞箭竹、华西箭竹、无柄杜鹃占优势。海拔 3600m4400m 的植被类型则以高山灌丛,草甸为主。海拔 4400m4800m 为高山流石滩植被25。2.2 数据来源本次研究采用的遥感数据有研究区 2007 年中分辨率的 TM 影像，空间分辨率为 30 米，2008 年 5 月高分辨率的 SPOT5 影像，空间分辨率为 2.5 米。地面基础数据有研究区 1：100000 地形图，研究区 2005 年 1：50000 土地利用现状数据库及研究区野外核查数据。2.3 数据预处理在基础数据和遥感影像的应用之前，常常要做些预处理工作。对基础数据如地形图进行数字化处理加以利用，对遥感影像进行一些应用前的必要处理，如不同格式的遥感数据的格式转换、多波段彩色合成、遥感影像的辐射校正、几何校正、影像的拼接裁剪等。由于所获的遥感影像己经做过辐射校正，本次研究所做的预处理主要是进行研究区遥感数据拼接裁剪、背景剔除、几何精校正及地形校正24。2.3.1 地形图矢量化地形图处理主要是将地形图数字化，编辑赋属性。对研究区内 l： 10000 的纸质地形图进行扫描。将扫描图导入 MAPGIS 中，以 MAPGIS 为平台进行矢量化工作。地形图的矢量化是将纸质地形图信息转换为数字地图，提取高程信息的必经之路26。矢量效果如图 2-2。8图 2-2 松潘县局部矢量图2.3.2 DEM 模型和三维影像生成对矢量化后的数据进行高程赋值等进一步的处理，生成 DEM 模型即数字高程模型。DEM 是 GIS 分析处理的重要基础数据，它可以存储数字地形的高程数据，显示三维地面景观，提取坡度、坡向等地形因子，对遥感影像分析与信息提取具有重要的参考价值。不仅能为遥感影像判读，影像控制点选择，训练样区确定及解译精度分析提供依据，而且通过空间分析与处理，可获得遥感影像信息提取的重要知识与规则模型，从而达到与遥感影像复合以提高分类精度的目的27。矢量化步骤如图 2-3；生成的 DEM 模型如图 2-4；三维影像如图 2-5，图 2-6。图 2-3 矢量化流程图图 2-4 松潘县县城 DEM 模型第 2 章 研究区概况及数据预处理9图 2-5 图 2-6图 2-5 松潘县县城三维影像（松潘县县城 DEM 模型叠加 SPOT5 影像）图 2-6 松潘县县城三维影像（松潘县县城 DEM 模型叠加 TM 影像）2.3.3 几何校正原始影像通常存在着严重的几何畸变。几何畸变是指影像上的地物的几何位置、方位、尺寸、形状等特征与地面真实形态产生的差异，这种差异是由于影像平移、缩放、旋转、偏扭、弯曲等因素综合作用的结果27。影像畸变对影像的利用如信息提取和定量分析产生了严重的影响。几何畸变的成因复杂，主要是由于卫星飞行姿态、高度、速度的变化，卫星的轨道、地球自转、地球曲率、地形起伏、投影误差等等外部因素引起的。还有的是由于遥感器本身的结构性能和扫描镜的不规则运动、探测器的配置、波段间的配准失调、检测器采样延迟等内部因素引起的。消除影像畸变的过程称之为几何校正。几何校正就是要校正成像过程中所造成的各种几何畸变，产生一幅符合某种地图投影系统的新影像，几何校正常以相应比例尺的地形图为标准来进行24。几何校正一般分两步完成，即几何粗校正和几何精校正。几何粗校正主要对遥感平台、传感器、地球等各种参数进行处理，这部分工作基本上由地面接收站完成。但是经过几何粗校正的遥感影像的误差较大，不能满足应用的要求，一般分类结果要用于制作专题图或较准确空间定位的分类，用户都需要做进一步的几何精校正。几何精校正主要通过地面控制点选取、函数选择、坐标变换和像元重采样等步骤完成。将 TM 影像和 SPOT 影像校正到以地形图为基准的投影坐标系统中，本次采用北京