目录

遥感图像几何处理

1.遥感传感器的构像方程

2.遥感图像的几何变形

3.遥感图像的几何处理

4.图像间的自动配准和数字镶嵌

遥感图像几何处理

重点：各类传感器的构像方程（物理模型、通用模型），图像的变形情况，图像纠正原理，图像纠正过程。

1.遥感传感器的构像方程

构像方程中的坐标系：

传感器坐标系S-UVW：S为传感器投影中心，作为传感器坐标系的坐标原点，U轴的方向为遥感平台的飞行方向，W轴为传感器指向地底点方向的负方向，V轴垂直于WU平面，该坐标系描述了像点在控件的位置。

地面坐标系O-XYZ：主要采用地心坐标系统。当传感器对地成像时，Z轴与原点处的天顶方向一样，XY平面与Z轴垂直。

图像(像点)坐标系o-xyf：（x，y）为像点在图像上的平面坐标，f为传感器成像时的等效焦距，其方向与S-UVW方向一致。

通用构像方程：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）之间的关系。设地面点P在地面坐标系中的坐标为(X, Y ,Z)P，P在传感器坐标系中的坐标为(U V W)P，传感器投影中心S在地面坐标系中的坐标为(X Y Z)S，A为传感器坐标相对于地面坐标系统的旋转矩阵，则通用构像方程为：

中心投影构像方程：中心投影像点坐标与地面点大地坐标的关系，λp为成像比例尺分母，f为摄影机主距，即构像方程为：

推扫式传感器的构像方程： 推扫式传感器的构像关系，垂直对地成像，倾斜成像。

扫描式传感器的构像方程、侧视雷达图像的构像方程。

基于多项式的传感器模型：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种因素引起,其变化规律十分复杂。为此把遥感图像的总体变形看作是平移、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来描述纠正前后图像相应点之间的坐标关系。（直观，计算简单）

二维多项式的缺点：

不能真实的描述影象形成过程中的误差来源和地形起伏引起的变形。

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。

基于有理函数的传感器模型：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以及成像方式,但是有些高性能的传感器参数,成像方式卫星轨道不公开。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。

RPC的获得:首先解算出严格传感器模型参数，然后利用严格模型的定向结果反求有理函数的参数，最后将RFC作为影象元数据的一部提供给用户。用户可以在不知道精确传感器模型的情况下进行影象纠正以及后续处理。

RFM不要求了解传感器的具体信息，是用严格的传感器模型变换得到的。是一种更通用的传感器模型。

2.遥感图像的几何变形

遥感图像的几何变形：图像上像元在图像坐标系中的坐标与其在地图坐标系等参考坐标系统中的对应坐标之间的差异（原始图像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。）。

遥感图像的变形误差可分为静态误差和动态误差两大类。

静态误差：在成像过程中，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：在成像过程中，由于地球的旋转等因素所造成的图像变形误差。

变形误差又可分为内部误差和外部误差两类。

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。

外部误差：在传感器本身正常工作的条件下，由传感器以外的因素所造成的误差。

外部误差因素：传感器成像方式（全景投影、斜距投影）、传感器的外方位元素变化、传播介质不均匀、地球曲率、大气折射、地形起伏（像点位移）、地球旋转。

3.遥感图像的几何处理

遥感图像的几何处理：是遥感信息处理过程中的重要环节。遥感数据接受后,首先由接受部门进行校正,这种校正往往根据遥感平台、地球、传感器的各种参数进行处理(粗加工）。遥感图像的粗加工处理仅做系统误差的改正,即把与传感器有关的测定的校正数据带入相应的构像方程。

粗加工（粗纠正）处理：当已知图像的构像方式时，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带入构像公式对原始图像进行几何校正。

仅做系统误差改正，如投影中心坐标的测定和解算、传感器姿态角的测定、扫描角θ的测定。

粗加工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(偶然误差和系统差)。因此必须对遥感图像做进一步的处理即精工处理。

精纠正处理：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。

常用的纠正方法：多项式法，共线方程法，有理函数法等。

基于多项式的遥感图像纠正、基于共线方程的遥感图像纠正、基于有理函数的遥感图像纠正、基于自动配准的小面元微分纠正、加入高差改正的CCD线阵影像的多项式纠正。

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；对坐标变换后的像素亮度值进行重采样。

处理过程;

（1）根据图像的成像方式确定图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）对原始图像进行几何变换计算，像素亮度值重采样。

重采样方法：

最邻近像元法优点;简单，灰度值没有变化。缺点：像点位置产生误差，几何精度较其他两种差。

双线性内插法 优点:计算简单，亮度采样精度高。缺点：图像略变模糊。

双三次卷积法优点：模型简单，不需要已知方位元素，精度较高。缺点：计算量大。

（多项式）控制点的要求：①在影像上为明显的地物点，易于判读②在影像上均匀分布。③数量足够。

纠正结果评价：利用现有资料，根据相应的规范，对纠正结果进行精度评价。只有符合精度要求，遥感影像的几何纠正才完成。

直接法和间接法纠正方案

直接法：输出图像边界和坐标系确定后，按照选定的纠正变换函数把原始数字图像逐个像素变换到图像贮存空间中去。

直接法方案：从原始图像阵列出发， 按行列的顺序依次对每个原始像素点位求其地面坐标系中的正确位置。

间接法方案：从空白的输出图像阵列出发， 按行列的顺序依次对每个输出像素点位反求原始图像坐标的位置。

4.图像间的自动配准和数字镶嵌

图像间的自动配准：图像与图像对应点、图像与矢量配准。

图像配准的提出：分析比较必须保证参与的位置一致。

图像配准的实质：几何纠正。

图像配准类型：绝对配准，相对配准。

图像配准方式：多项式。

图像配准过程：选点，确定模型，精度评定，重采样。

基于小面元微分纠正的图像间自动配准：

小面元微分纠正的算法、图像特征点提取、预处理、粗匹配、

几何条件约束的整体松弛匹配、小面元微分纠正。

数字图像镶嵌

问题的提出：研究区域在不同的图像文件时，需要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的图像。

镶嵌的关键问题：几何问题（几何纠正）、色调问题、接缝问题。

镶嵌的过程：图像的几何纠正、搜索镶嵌边、亮度和反差调整（平均亮度值，改变整幅图像基色，求拼接边上灰度的极值，对整幅右图像作反差拉伸）、平滑边界线。

多幅影像镶嵌的时候，影响镶嵌结果的因素有哪些，该怎么处理？

如何提高遥感图像纠正的精度？

如果觉得《《遥感原理与应用》总结—遥感图像几何处理》对你有帮助，请点赞、收藏，并留下你的观点哦！