《遥感数字图像处理》02次实习报告

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

实习序号及题目实习人姓名任课教师姓名实习地点

实习 2.影像几何精纠正

专业班级及编号实习指导教师姓名榆中校区实验楼 A209

09地基

01号

实习日期时间

2011年 11月 1日

实习目的(1)深入理解影像几何精纠正的原理。 (2)学会使用影像对影像的几何精纠正方法和具体操作步骤。

实习内容(1)了解和熟悉控制点的选择方法，进行控制点的选择。 (2)利用纠正好的全色波段高分辨率影像完成同景多光谱影像的几何精纠正，并进行精度评价和对比。

基本原理几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。几何精纠正的过程就是：利用地面控制点数据确定一个模拟几何变形畸变的数学模型，以此建立原始图像空间与标准空间的某种对应关系，然后利用这种对应关系，把畸变图像空间中的全部像素转换到标准空间中，从而实现图像的几何精纠正。 ENVI几何校正模型分为以下三类：仿射变换(RST),多项式模型(Polynomial),局部三角(Delaunay Triangulation)。下面着重介绍多项式模型(Polynomial):几何精纠正的关键步骤如下： 1、控制点的选取①原则：控制点的空间分布应尽量做到在影像工作区范围内尽量做到均匀分布；在影像上具有明显、清晰的地物特征的标志点，如道路交叉点、河流汇合口，田间地块的转折点；地面控制点对应地物要相对稳定，不能随时间、季节而发生变化，以保证当两幅不同时相或相邻的影像做地图几何精纠正时，均可以被正确定位；在大多为山区的影像上选取控制点时，应尽量选择同高程的控制点(通常是在平原、低地地区),不要从山地顶部选取控制点(除非采用 DEM支持的正射影像纠正法);图像的边缘一定要选，防止外推，特征变化大的地方多选；进行最后的插值和重采样前对所有 GCP进行筛选，剔除其中误差较大的点；单点定位精度一般应小于 0.5个像元大小，至少不能超过一个像元。②控制点的数目：最少控制点的个数：L=(n+1)(n+2)/2,n为多项式阶数。 2、建立坐标变换函数

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

建立两图像像元点之间的对应关系； x f x ( u,v ) x,y:变换前的图像坐标； y f y ( u,v ) u,v:变换后的图像坐标；通常数学关系 f表示为二元 n次多项式：

运用最小二乘法进行拟合求系数(其中 L为计算样本点，或者 GCP的个数):2

L n n i x X l aij xl i yl j min l 1 i 0 j 0 2 L n n i i j y Yl bij xl yl min l 1 i 0 j 0

L x n n j 2 aij xli ylj X l xls ylt 0 ast l 1 i 0 j 0 L n n j s t y i j b 2 bij xl yl X l xl yl 0 l 1 i 0 j 0 st

运用已知 GCP点对数据进行矩阵运算求解多项式系数L L n n j i j s t s t aij xl yl xl yl X l xl yl l 1 l 1 i 0 j 0 L n n j L i j s t s t bij xl yl xl yl Yl xl yl l 1 l 1 i 0 j 0

3、空间插值①前向映射插值方法：计算输入影像中各个像元在变换后输出影像坐标系上相应的位置，把各个像元的数据投影到该位置上。存在问题：输出影像上各个栅格点一般不会与这些投影点在位置上相对应，由这些投影点解算各个栅格的灰度值仍存在算法实现上的复杂性。

②逆向映射插值利用反变换关系式计算输出影像上各个像元在输入影像中相应的坐标位置。进而采用空间插值法计算出该点的灰度值，即为输出影像上对应点的灰度值。此系目前商用软件中的通用方法。

4、重采样(灰度插值)纠正后的新图像的每一个像元，根据变换函数，可以得到它在原始图像上的位置。如果求得的位置为整数(在原图的像元中心),则该位置处的像元灰度就是新图像的灰度值。多数位置不为整数，需根据(x,y) (变化前的图像坐标)与周围像素之间的关系内插产生新的像素值，然后把像素值写到(u,v) (变化后的图像坐标)。

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

常用的重采样方法有：①最近邻法(Nearest Neighbor)以距内插点最近的栅格点灰度值为对应像元的灰度值。x=Integer(x+0.5),y=Integer(y+0.5)优点：简单易用，计算量小，几何位置上的精度±0.5像元，不损害原来的像元值。缺点：纠正后的图像亮度不连续，会影响制图效果，图斑边缘会出现锯齿现象。

②双线性内插法(Bilinear Interpolation)任意位于 4个像素 fi,j,fi,j+1,fi+1,j,fi+1,j+1之间的值 p(x,y),由双线性插值得到为 p=(1-dx)(1-dy) fi,j+dx(1-y)fi,j+1+dy(1-x)fi+1,j+dxdyfi+1,j+1式中，dx=x-int(x),dy=y-int(y)优点：该方法改变了原影像的数据值，与最近邻法相比较，虽计算量增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。缺点：此方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。③三次卷积法(Cub

ic Convolution)使用内插点周围 16个观测点的像元值，采用 3次卷积函数(辛克函数)的离散化形式对所求像元值进行内插。优点：该方法改变了原来的数据，具有影像的均衡化和清晰化的效果，可得到平滑程度较高的影像，适合遥感制图。缺点：计算量大。

w(t )

sin t t

数据准备(1)已经纠正的 Spot全色波段影像：bldr_sp.img (2)待纠正的 TM多光谱影像：bldr_tm.img

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

操作方法及过程(1)在 Display#1视窗中导入待纠正的 TM多光谱影像：bldr_tm.img,以 4、3、2合成显示；在 Display#2视窗中导入已经纠正的 Spot全色波段影像：bldr_sp.img,以灰度值显示。 (2)在菜单栏中点击 Map/Registration/Select GCPs:Image to Image弹出对话框，在 Base Image中选择 Display#2,Warp Image中选择 Display#1,后点击 OK。

(3)弹出对话框

,点击 Options/Set Point Colors,

弹出对话框

,可以对控制点的颜色进行修改，以便于在影像图上

辨认。 (4)利用放大、缩小及漫游工具,在 Display#1和 Display#2中选择控制点(按照实习原理中的控制点选择原则) Display#1和 Display#2中一对控制点必须是同一种地物，,当选择好一对控制点时，点击 add。 (5)刚开始时可以在影像工作区范围的四个拐角进行选择，这样有利于控制误差；当控制点的个数足够多的时候，可以将 Degree改为 2,在 Display#2中选择一个控制点，利用 Predict,可以在 Display#1中大概预测出该控制点对应控制点，然后进行适当的修改即可；点击 Show List即可弹出对话框，里面显示控制点的坐标及

单点的误差，可以将误差较大的控制点删除。 (6)Display#1中一个控制点对应 Display#2中一个控制点，共选择 25对控制点。调整控制点位置，使得单点误差小于 1个像元，总体误差小于 0.5个像元。 (7)保存控制点设置：点击对话框 ASCII,弹出对话框 OK。 (8)重采样并导出几何精纠正后的遥感影像图：点击对话框下的 Options/Warp File(as Image to Map)弹出对话框，从中选择下的 File/Save GCPs to,利用 Choose选择储存路径和文件名，点击

bldr_tm.img,点击 OK,弹出对话框如下图所示，在 X Pixel Size填 30m,Y Pixel Size填 30m(原因是待纠正的 TM影像分辨率是 30*30m),在 Method中选择 Polynomial(多项式纠正模型),Degree中选择 2(二阶),Resampling中选择 Bilinear(双线性内插

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

法),利用 Choose选择输出路径和文件名，点击 OK即可。 (9)将几何精纠正后的影像与参考影像 bldr_sp.img进行卷帘操作，验证几何精纠正的效果：打开 ENVI Zoom,点击 File/Open,选择几何精纠正后的影像和参考影像 bldr_sp.img,点击“打开”,点击工具栏中

的证。卷帘工具，进行验

结果与分析(1)利用纠正好的全色波段高分辨率影像完成同景多光谱影像的几何精纠正：

图1

图2

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

图3

图4图 1为需几何精纠正的图像，图 2为同一地区参考图像，两图像中对应的各均匀分布 25个控制点，图 3为 GCP表，从该表中我们可以清楚地了解 25个控制点中单点误差最小的是 GCP#14,值为 0.0705,单点误差最大的是 GCP#3,值为 0.8305,剩下各点中大部分点的单点误差在 0.1到 0.5之间，控制点总体误差为 0.371200,误差较小。 (2)操作结果：

图5用几何精纠正后的图像与参考图像做卷帘操作，图像在居民区无明显的跳跃，而在

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

水库的边上有稍微的跳跃，在山区也稍微有点跳跃，尤其在山中的路表现得较为突出。分析原因：首先在山区没有高程数据，在 Google地球中发现该影像的山区高差较大，这使得选择控制点时很难保证在同一高程，纠正后山区稍有一些变形；其次两个图像的分辨率不一样，这使得控制点的选择比较困难，尤其 TM影像的分辨率为 30*30m识别地物较为困难；水库的跳跃可能是季节的变化导致水库边界不一致，出现了跳跃。 (3)采用一阶多项式和二阶多项式进行影像几何精纠正的差异：在几何精纠正中，最少控制点的个数：L=(n+1)(n+2)/2,n为多项式阶数。采用一阶多项式进行影像几何精纠正，至少需要 3个控制点，采用二阶多项式进行影像几何精纠正，至少需要 6个控制点。在适当增加控制点数量时，采用二阶多项式进行影像几何精纠正比一阶效果好。 (4)使用 Google地球找到亚特兰大市(Atlanta),用校正过的影像与 Google地球上的地图相比：发现在居民区两者地物位置基本一致，但是在山区的路中，总是稍有一点偏差，如图所示，这也印证了步骤 2所出现的现象。

存在问题与解决办法(1)在实习的过程中遇到有的同学在进行显示图像时，如图所示选择

然后 Load Band后，能显示影像；但是当控制点选完后，再进行几何精纠正时，在 Options下没有 Warp File(as Image to Map)选项，不知道原因，查资料未能找到解释，在下次实习课上，向老师请教。 (2)选择的控制点单点误差太大首先应尽量寻找明显的地物特征点，如地形地物交叉点、河流弯曲或分叉处、泊边缘、城廓边缘、水坝和交叉路口等能准确定位的特征点,而且在特征变化大的地区应该多选取，并且将参考影像中的相应地点尽量放大，确保精确的位置。其次，先选择几个特征明显，较为精确的点，然后利用对

话框中的 Options/Automatically Generate Tie Points选项进行自动选点，对自动选择的点进行选择和调整，这样可能

会快一点。 (3)纠正好的影像用 ENVI视窗显示出来发现好亮，不清晰，进行直方图统计，发现其直方图和未纠正图像的直方图不一样，不知道原因，尚未解决，在下次实习课上，向老师请教。

总结

按照兰州大学《遥感数字图像处理》课程实习要求写的,操作过程使用的软件是ENVI。比较详细,内容丰富。。。

通过本次实习，更进一步了解了几何精纠正的原理和方法，尤其是多项式模式的几何精纠正，其利用地面控制点来建立遥感影像与地图之间相应点的变换关系，本次实习采用的是二次多项式模型，其原理比较直观，且纠正的效果比较好；其次，不仅掌握和熟悉了控制点的选择原则，而且积累了一些控制点选择的经验。下面是总结的几何畸变的校正步骤：显示图像文件，启动几何校正模型，采集地面控制点，计算转化模型，图像重采样，检验校正结果。