第5章遥感图像的几何处理

1、第五章 遥感图像的几何处理,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 图像的裁剪,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 基于多项式的构像方程 基于DLT的构像方程 基于RFM的构像方程,5.1.1 遥感图像通用构像方程,遥感图像的构像方程：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

2、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。,构像方程中的坐标系,传感器坐标系SUVW,地面坐标系OXYZ,图像(像点)坐标系oxyf,传感器坐标系S-UVW：以传感器投影中心S为坐标原点，U轴方向为遥感平台的飞行方向； 地面坐标系O-XYZ：主要采用地心坐标系统，以地心O为原点，X轴指向春分点； 图像坐标系o-xyf：方向与S-UVW方向一致。,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,中心投影（等比例缩放）,5.1.2 中心投影构像方程,p为成像比例尺分母,f为摄影机主距,旋转矩阵,传感器的外方

3、位元素，是指传感器成像时的位置（Xs,Ys,Zs）和姿态角（,）。,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,5.1.3 全景摄影机的构像方程,全景摄影机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），所以其构像方程为：,(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,(x)

4、、(y)为等效的中心投影影像坐标,5.1.4 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为：,5.1.4 推扫式传感器的构像方程,为获取立体像对，推扫式传感器要进行前后视倾斜和旁向倾斜固定角进行扫描,航向倾斜,旁向倾斜,沿旁向倾斜固定角,前后视倾斜扫描,5.1.5 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

5、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，等效于中心投影朝旁向旋转了扫描角后，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,5.1.6 侧视雷达图像的构像方程,斜距投影：,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。侧视雷达图像成像转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,5.1.7 基于

6、多项式的构像方程,多项式构像方程的基本思想：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重因素引起，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描述纠正前后图像相应点之间的坐标关系。,5.1.7 基于多项式的构像方程,多项式构像方程的缺点,不能真实的描述影像形成过程中的误差来源和地形起伏的变形。 应用限于变形小的图像：垂直、小范围、地面平坦。 三维多项式是二维的扩展，增加了与地形起伏有关的Z坐标。,5.1.8 基于DLT的构像方程,直

7、接线性变换（Direct Linear Transformation，DLT）：直接建立像点坐标和空间坐标之间关系的一种数学变换。它不需要外方位元素，表达形式简单，无需初值。可以用 于CCD推扫式传感器成像模型。,5.1.9 基于RFM的构像方程,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及成像方式，但是有些高性能的传感器参数、成像方式、卫星轨道是不公布的。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, RFM）：是一种能够获得与严格成像模型近似一致精度的、形式简单的概括模型。,

8、5.1.9 基于RFM的构像方程,5.1.9 基于RFM的构像方程,有理函数的系数（Rational Function Coefficient, RFC）：指多项式中的系数ai, bi, ci, di。（P,L,H）为正则化的地面坐标，（X,Y）为正则化的影像坐标，其值正则化到-1到1之间。 RFC获得过程：先解算传感器模型参数，利用严格模型的定向结果反求有理函数的参数，最后将RFC作为影像原数据的一部分提供给用户。 RFM实质是共线方程的扩展。,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

9、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，传感器介质不均匀，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,本节主要讨论外部误差对图像变形的影响。此外把某些

10、传感器特殊的成像方式所引起的图像变形，如全景变形、斜距变形等也加以讨论。主要讨论以下几个方面： 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,传感器的成像方式点中心投影、线中心投影、面中心投影,正射投影,中心投影,全景投影,斜距投影,中心投影影像作为基准,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

11、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。,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。,成像几何形态引起的图像变形,5.2.2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,5.2.2传感器外方位元素变化的影响,dXs、dYs、dZs 、d线性变

12、化 d、d非线性变形,d,d,d,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,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推扫式成像仪像点位移公式,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。,对侧视雷达,5.2.3 地形起伏引起

13、的像点位移,地形起伏导致局部像点的位移，地形高的点向图像外侧偏移，地形低的点向图像内侧偏移。地形起伏对侧视雷达图像的影响发生在y方向，且投影差的方向与中心投影相反。 图5-13,5.2.4 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。 图5-16,5.2.4 地球曲率引起的图像变形,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 ：,5.2.4

14、 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

15、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

16、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。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数据，形成了空间对地观侧的影像金字塔。当处理、分析和综合利用这些多尺度的遥感数据、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，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

17、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 多项式纠正 共线方程纠正 SPOT图像的共线方程纠正,5.3.1 遥感图像的粗加工处理,遥感图像的粗纠正：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,5.3.1 遥感图像的粗加工处理,1）投影中心坐标的测定和解算 为了确定投影中心的坐标，首先要确定卫星的坐标，测定卫星坐标的方法有卫星星历表解算和全球定位系统测

18、定两种方法。 星历表解算：依据是卫星轨道的六个轨道参数，可以解算卫星在地心直角坐标系下的坐标，大地地心直角坐标系下的坐标以及卫星的地理坐标。当六个轨道参数确定后，可以根据坐标系之间的变换关系，可以预先编制成卫星星历表，当已知卫星的运行时刻时，就可以通过星历表查找卫星的地理坐标。 全球定位系统测定：利用GPS接收机在卫星上直接测定卫星的地理坐标。精度优于星历表解算。,5.3.1 遥感图像的粗加工处理,2）传感器姿态角的测定 卫星姿态角的测定可以用姿态测量仪器测定，如红外姿态测量仪、星相机、陀螺仪等，也可以通过3个安装在卫星上3个不同位置的GPS接收机测得的数据来解求姿态角。 3）扫描角的测定 全

19、景摄影测量中用到扫描角，根据传感器扫描周期T，扫描视场，可以计算平均扫描角速度W和平均扫描角分别为： 扫描角是有误差的，因为扫描仪速度的不均匀性，扫描角表示：,5.3.2 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重采样。,遥感图像精纠正处理过程,（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。 （3）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

20、法，共线方程法和基于有理函数的遥感图像纠正等。,控制点的选取,地面控制点（GCP：Ground Control Point）：图像的配准以地面坐标在地图或遥感图像上相对应的点为匹配标准，这些对应的点称为地面控制点。 1）地面控制点数目的确定 对二元n次多项式，控制点的最小数目为： 实际工作表明：选取控制点的最少数据来校正图像，效果往往不好，特别是在特征变化大的地区，控制点的数目要远远多于最少控制点数。,控制点的选取,2）地面控制点选取原则 （1）图像上为明显的地物点，易于判读（道路交叉口、河流转弯处等）。 （2）图像上均匀分布（图像的边缘部分选取控制点，尽量满幅均匀选取）。 （3）数量要足够（

21、特征变化大的地区，多选控制点）。,遥感图像精纠正方法,目前的纠正方法主要有： 多项式法 共线方程法 小面元纠正,一、遥感图像的多项式纠正,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

22、,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。,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+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，还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

23、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,系数矩阵,所求变换系数,像点坐标,构成法方程式,计算多项式系数,精度评定,遥感图像的纠正变换,灰度重采样,（1）最近邻像元法 （2）双线性内插法 （3）双三次卷积法,SINC函数,（1）最邻近像元法,方法一： 坐标值：（k，l）为距离取（x，y）最近的点。 k=integer（x+0.5） l=integer（y+0.5） integer为取整，（不四舍五入） 灰度值：取距离校正后像素点（x，y）最近的格网点的灰度值f（k，l）作为其灰度值。 f（x，y）=f（k，l）,（1）最邻近像元法,方法二：,（

24、1）最邻近像元法,优点：简单容易，计算简单。 缺点：图像的灰度具有不连续性。,（2）双线性内插法,方法一： 坐标值：左上方点（i，j）为（x，y）取整。 i=integer（x） j=integer（y） integer为取整，（不四舍五入） 灰度值：取校正后像素点（x，y）周围的四个邻点，在x方向（或y方向）内插二次，再在y方向（或x方向）上内插一次，计算出其灰度值f（x，y）。,（2）双线性内插法,（2）双线性内插法,方法二：,（2）双线性内插法,矩阵的乘法,优点：对灰度不连续现象或线状特征的块状化有明显的改善，对图像起到平滑作用。 缺点：使对比度明显的分界线变得模糊。,（2）双线性内插法

25、,方法一： 坐标值：左上方点（i，j）为（x，y）取整。 i=integer（x） j=integer（y） integer为取整，（不四舍五入） 灰度值：取校正后像素点（x，y）周围的十六个邻点，在x方向（或y方向）内插四次，再在y方向（或x方向）上内插一次，计算出其灰度值 f（x，y）。,（3）双三次卷积内插法,7.2.3 插值方法,在x方向上， 令 在x方向上：m=j-1，j，j+1，j+2 在y方向上,（3）双三次卷积内插法,（3）双三次卷积内插法,方法二：,优点：对灰度不连续现象或线状特征的块状化有明显的改善，对图像起到平滑作用。 缺点：使对比度明显的分界线变得模糊。,（3）双三次卷

26、积内插法,重采样比较,双线性内插,双三次卷积,原始影像,最临近法,重采样比较,不同地形下内插结果均方误差比较,纠正前后的图像,二、遥感图像的共线方程纠正,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,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

27、纠正与多项式纠正相比精度不会有大的提高。,二、遥感图像的共线方程纠正,在航天摄影和卫星遥感的情况下，每幅图像所覆盖的地面范围很大，图像地物在地球切平面上的投影与其在地图上的投影之间有着不可忽略的形变差异，因此需要通过更严密的变换来建立地物的图像坐标与地图坐标之间的关系。 由于各类卫星图像的星历参数都是按地心直角坐标提供，提出了建立以地心坐标系为基础的共线方程的问题。,地心坐标系,SXYZ地球切平面坐标系,CXCYCZC 地心坐标系,Suvw 像空间坐标系,R0 平均地球曲率半径, 星下点S的地心经度, 星下点S的地心纬度,Bs 星下点S的地理纬度, 传感器在S时的航偏角,以地心坐标系为基础的构

28、像方程,地物点P在地心 坐标系中的坐标,地物点P在切平面 坐标系中的坐标,星下点S 的地心坐标,D：切平面坐标系和地心坐标系 间的旋转变换矩阵,A：像空间坐标系相对于 切平面坐标系的旋转变换矩阵,切平面坐标系,（1）绕 SS旋转, ：传感器在S时的航偏角,（2）绕 y旋转,Bs： 星下点S的地理纬度,（3）绕 z旋转,： 星下点S的地心经度,总的共线方程,上式中等号的左端意义为等效的框幅摄影机图像坐标(x)和(y)，它的具体形式视不同传感器而变，并与本章第一节所介绍的各传感器共线方程等号左端的内容完全一致。,共线方程参数的确定,参数的选择 第一组：Xcs,Ycs,Zcs,m,m,m 第二组：L

29、s,Bs,Hs, 参数的解算 利用可预测的参数来直接构成 利用控制点通过最小二乘法原理解求,随时间变化的表征函数,上述共线方程参数的求解适用于静态传感器，因为整幅图像拥有相同的六个方位元素，通过有限的控制点可以解求出来。 动态传感器成象是每一条扫描线图像（每个像素）有自己的一套共线方程参数，整幅图像可能含有很多的共线方程参数，以至最后不可解。 通常把整幅图像成象过程中的共线方程参数的变化看作是成象时间t的连续函数，用其来表达任一时刻传感器的位置和姿态。该连续函数即称为共线方程参数的表征函数。,随时间变化的表征函数,最常见的共线方程参数表征函数是一个以时间为变量的多项式，以Xs，Ys，Zs为例

30、由于时间t的变化一般与扫描图像行的坐标x的变化成正比，所以往往用x代替t,举例：SPOT图像的共线方程,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。,举例：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：,外方位元素的变化率,中心行的外方位元素,中心行号,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，

31、朝东方向为正方向； 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、小面元纠正,全自动地获取密集同名点对作为控制点，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。 特点是可在两个任意图像上快速匹配出密集、均匀分布的数万个乃至数十万个同名点。通过小面元微分纠正，实现不同遥感图像间的精确相对纠正，检测中误差一般不超过1.5个像素。,小面元纠正,Denaulay三角网,Delaunay三角形是由与相邻Voronoi多边形（又叫泰森多边形或Dirichlet图）共享一条边的相关点连接而成的三角形

32、。Delaunay三角形的外接圆圆心是与三角形相关的Voronoi多边形的一个顶点。Delaunay三角形是Voronoi图的对偶图。 Delaunay三角形的准则是：任何一个Delaunay三角形的外接圆的内部不能包含其它任何点。,5.4 图像间的自动配准和数字镶嵌,图像间的自动配准 数字图像镶嵌,5.4.1 图像间的自动配准,配准的目的 多源数据比较和分析，图像融合、变化检测检测。 配准的实质 几何纠正 。采用一种几何变换将图像归一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,步骤一：特征点提取。在多源图像上确定分布均匀，足够数量的图像同名点，这是图像配准的关键。 特征点的提取 特征点的匹配 步骤二：几何纠正。通过所选择的图像同名点确定几何变换的多项式系数，从而完成一幅图像对另一幅图像的几何纠正 。 多项式纠正 小面元纠正 数字微分纠正,步骤一：特征点的提取,特征点主要指明显的点，角点、圆点等 提取算子 Moravec算子 Forstner算子 Harris算子,特征点的匹配,（1）灰度分布的影像相关匹配 （2）金字塔