5遥感原理与应用 遥感数字图像的几何处理.pptVIP

小结 因此，控制点数目不如控制点的分布对校正结果的影响大。只有在符合空间均匀分布要求的情况下，增加控制点数目才可能提高校正精度。 软件提供的校正误差只是平均误差，仅供参考，不能因此认为校正后每个像素的误差都小于该误差值，某些位置校正后的误差值可能远高于平均误差。 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 图像间的自动配准 配准的目的 多源数据进行比较和分析，图像融合、变化检测。 配准的实质 几何纠正 。采用一种几何变换将图像归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 在多源图像上确定分布均匀，足够数量的图像同名点 。 特征点的提取 特征点的匹配 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 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 Moravec算子 计算各像元的兴趣值 给定一经验阈值，将兴趣值大于该阈值的点作为候选点。 选取候选点中的极值点作为特征点。 影像窗口 Forstner算子 Forstner算子通过计算各像素的Robert’s梯度和像素为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。 Forstner算子 Harris算子 这种算子受信号处理中自相关函数的启发，给出与自相关函数相联系的矩阵M，M阵的特征值是自相关函数的一阶曲率，如果两个曲率值都高，那么就认为该点是角点。 表示高斯模板 表示卷积 和 和 方向的梯度 Harris算子 特征点的匹配 灰度分布的影像相关匹配 金字塔特征匹配 影像相关匹配 通过计算模板图像和搜索窗口之间的互相关值，来确定匹配的程度，互相关值最大时的搜索窗口位置决定了模板图像在待匹配图像中的位置。 参考图像 A 搜索图像B 图像之间的相似性测度 兰氏距离 平均绝对和 相关系数 归一化相关系数 标准相关系数 互信息 金字塔特征匹配 该方法是将两幅原始图像生成两列分辨率依次降低的图像序列，从分辨率最低的层次开始进行匹配，找到匹配点后将其映射到上一层中的一个搜索区域，然后将两幅图像的分辨率提高一层，在此搜索区域内进行匹配，直到分辨率提高到与原始图像分辨率一致，此时得到的匹配点即认为是两幅图像的匹配点。 SIFT算法 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 SIFT算法 SIFT算法 高级特征 几何纠正 多项式纠正 小面元纠正 数字微分纠正 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。 Denaulay三角网 Delaunay三角形是由与相邻Voronoi多边形共享一条边的相关点连接而成的三角形。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。 小面元纠正 数字微分纠正 Z是高程，由DEM内插求得 数字微分纠正 5.4.2 数字图像镶嵌 图像镶嵌：将不同的图像文件合在一起形成一幅完整的包含感兴趣区域图像。 不同时间同一传感器获取，也可以是不同时间不同传感器获取，但同时要求镶嵌的图像之间要有一定的重叠度。 实质就是几何纠正（前提） 图像镶嵌步骤 图像的几何纠正 搜索镶嵌边 亮度和反差调整 平滑边界线 K列N行的重叠区 一维模板宽度为W 航空影像镶嵌 卫星影像镶嵌  5.4.3 遥感图像的裁剪 根据研究区域的大小或形状截取一部分图象 裁剪指研究区域只占整个图像的一部分，这个区域有可能是规则的，也可能是不规则的。 如果是规则的，则只要知道该区域的两个角点坐标就可以获取该区域的图像。 如果是不规则的，则需要知道该区域的边界。 不规则边界的裁剪 规则形状裁剪 思考题 1. 下图中A、B、C、D为某数字影像中相邻4个像元的中心点，i,j为行、列号，括号中的数值为 （行号，列号，灰度值),试分别用最邻近点内插和双 线性内插法计算P点（i=100.6,j=100.8)的灰度值。 2. 以TM图像为例，给出辐射校正的基本工作流程。 1、准备工作。 收集和分析影像数据、