几何处理新方法1.pptVIP

一、基于PRC模型的遥感影像几何纠正 二、基于小面元的遥感影像高精度配准 ;一、PRC模型法;2、基本原理： RPC模型将地面点大地坐标D(Latitude, Longi-tude, Height)与其对应的像点坐标(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标准化到-1和1之间。 对于一个影像,定义如下比值多项式 Y =NumL(P,L,H) /DenL(P,L,H) X =Nums(P,L,H) /Dens(P,L,H); (P,L,H)为标准化的地面坐标; (X, Y)为标准化的影像坐标,其标准化原理如下： P = (Latitude-LAT_OFF) /(LAT_SCALE) L = (Longitude-LONG_OFF) /(LONG_SCALE) H = (Height-HEIGHT_OFF) /(HEIGHT_SCALE) X = (Sample-SAMP_OFF) /(SAMP_SCALE) Y = (Line-LINE_OFF) /(LINE_SCALE) 式中,LAT_OFF、LAT_SCALE、LONG_OFF、LONG_SCALE、HEIGHT_OFF和HEIGHT_SCALE为地面坐标的标准化参数; SAMP_OFF、SAMP_SCALE、LINE_OFF和LINE_SCALE为影像坐标的标准化参数,这些参数与RPC模型4个多项式的80个系数须进行求解。;4、方法特点： 1) 它不仅成功地实现了对传感器成像核心参数信息的保密，同时还保证了立体定位的精度。 2）采用RPC模型作为成像几何模型，可以不提供原始影像，只销售经几何校正后的影像产品，这样就额外赚取影像几何校正的利润。 3) RPC模型形式简单，使用方便，降低了对终端用户专业知识的要求，扩大了用户群的范围。 ; 5、 RPC模型有9种不同的形式：; 表中给出了9种情况下待求解RPC模型参数的形式和需要的最少控制点数。 1、当RPC模型分母相同，且恒为1 时 ，即 (Dens(P,L,H)=DenL(P,L,H)=1), RPC模型退化为一般的三维多项式模型; 2、当RPC模型分母相同，但不恒为1时，即 (Dens(P,L,H)=DenL(P,L,H)!=1), 且在一阶多项式的情况下, RPC模型退化为DLT模型。 因此, RPC模型是一种广义的成像模型。;6、算法改进 无需初值的RPC参数求解算法： 将公式变形为 FX=Nums(P,L,H) -XDens(P,L,H) =0 FY=NumL(P,L,H) -YDenL(P,L,H) =0 则误差方程为 V =BX -l,权W ; 根据最小二乘平差原理,???以求解 X = (BTWB)-1BTWl 经过变形的RPC模型,平差的误差方程为线性模型。 因此,在求解RPC参数过程中,不需要初值,无需进行迭代处理。;二、基于小面元的遥感影像高精度配准;2、原理： 在参考影像上提取特征点作为配准控制点通过匹配获得同名点对,再基于小面元微分纠正得到精确配准的影像。 即首先通过简单的直方图分割法，在待配准的两幅图像上提取出大量的具有适当面积的闭合区域，这里称为小面元，作为图像配准的特征。 ;3、基本流程： 1、在参考影像金字塔的最高层上按照一定的准则提取稀疏的特征点作为RCP,逐层匹配传递至最底层(原始影像层)作为基本控制点; 2、在最底层上提取密集的RCP进行相关系数法匹配,在目标影像(即待配准影像)上获得对应的同名像点; 3、剔除一些误差明显的点对,并对可靠性不好的点对进行整体松弛法匹配,再对所有的点对进行一次最小二乘法匹配以提高精度; 4、由这些同名点对构成密集的三角网,在对应的三角网中,进行逐个小面元的微分纠正,以实现影像精确配准。; 该方法的逻辑流程图;4、方法特点： 1)高可靠性。 采用特征点作为RCP,是考虑到特征点具有与周围点灰度的差异性, 这对提高匹配的精度与可靠性都有很大的帮助。