遥感原理和应用-第5章.pptVIP

不规则边界的裁剪 规则形状裁剪 1、遥感图像通用构象方程（解释要素）？ 2、什么是几何变形？ 3、主要变形有哪些？ 4、什么是几何校正？ 5、什么是遥感图像的精纠正处理？ 6、遥感图像纠正处理过程 ？ 7、多项式纠正步骤？ 本章结束 * Fundamental 纠正后图像边界范围的确定过程如下： 把原始图像的四个角点a，b，c，d按纠正变换函数投影到地图坐 标系统中去，得到8个坐标值： （Xa′,Ｙa′），（Xb′,Ｙb′），（Xc′,Ｙc′），（Xd′,Ｙd′） 对这8个坐标值按X和Y两个坐标组分别求其最小值（X1，Y1）和最大值（X2，Y2） X1=min（Xa′,Xb′,Xc′,Xd′） X2=max（Xa′,Xb′,Xc′,Xd′）　　　　　　　　　　　　　　　　 Y1=min（Ya′,Yb′, Yc′,Yd′） Y2=max（Ya′,Yb′, Yc′,Yd′） 并令X1，Y1，X2，Y2为纠正后图像范围四条边界的地图坐标值。 1 2 根据精度要求定义输出像素的地面尺寸△X和△Y 图像总的行列数M和N由下式确定： M=(Y2-Y1 )/ΔY+1 N=(X2-X1 )/ΔX+1 行列号的取值范围可为： 　　 3 地面坐标 输出图像坐标（x′，y′） 或者： 式中： ， ——纠正后像素Ｐ的地面坐标； ， ——纠正后像素的图像坐标（行列号）。 4 纠正后图像灰度值 原始图像灰度值 直接法方案 间接法方案 3、数字图像亮度（或灰度）值的重采样 以间接法纠正方案为例 原因：坐标值（x，y）不为整数 概念：把（x，y）邻近整数点位上亮度值对该点亮度贡献累积起来 方法： ?最近邻像元法 ?双线性内插法 ?双三次卷积法 辛克（SINC）函数 最邻近像元采样法 该法实质是取距离被采样点最近的已知像素元素的（N）亮度IN作为采样亮度 采样法最简单，辐射保真度较好, 但它将造成像点在一个像素范围内的位移，其几何精度较其他两种方法差。 1 双线性内插法 该法的重采样函数是对辛克函数的更粗略近似，可以用如图所示的一个三角形线性函数表达： 当实施双线性内插时，需要有被采样点P周围4个已知像素的亮度值参加计算 Δx x2 1-Δx 11 Δy 12 -1 22 21 1 Δx x1 y1 xp y2 yp x y p w xc Δx 1-Δx 2 该法的计算较为简单，并具有一定的亮度采样精度，所以它是实践中常用的方法，但图像略变模糊。 双三次卷积重采样法 该法用一个三次重采样函数来近似表示辛克函数 3 当利用三次函数对р点亮度重采样时，需要р点邻近的4*4个已知像素的亮度值参加计算。 双三次卷积的内插精度较高，但计算量较大。 三种方法重采样比较 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。 ?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纠正与多项式纠正相比精度不会有大的提高。 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 –多源数据进行比较和分析，图像融合、变化检测。 ?配准的实质 –几何纠正。根据图像的几何畸变特点，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。即以多源图像中的一幅图像为参考图像，其他图像与之配准，其坐标系是任意的； –绝对配准。即选择某个地图坐标系，将多源图像变换到这个地图坐标系以后来实现坐标系的统一。 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