遥感原理实习--openCV.doc

《遥感原理与应用课程设计》 实习报告 学 院: 遥感信息工程学院 班 级: 学 号: 姓 名: 实习地点: 5-325机房 指导教师: 石文轩 2016年 6 月 16 日 基于多项式的遥感图像几何纠正两个部分，第一是通过penCV函数实现遥感图像的基本处理，选择的是专题二对彩色图像进行缩放等几何操作第二部分自主编程实现遥感图像处理，我们小组的是基于多项式的遥感图像几何纠正包括纠正多项式系数的，纠正变换函数的建立坐标转换灰度重采样的算法原理与编程实现。主要介绍实现第二个任务的原理具体步骤，试验结果展示遇到的问题分析和。关键词重采样控制点求解多项式系数多项式纠正的变换公式如下： 上式中，x，y为像素的原始图像坐标， X，Y为同名像素点的地面坐标。 控制点求解多项式系数的具体步骤如下： 1误差方程式 .1.2 构成法方程 1.1.3计算多项式系数 1.1.4 精度判定 其中，n为控制点的个数，N为纠正系数的个数，n-N 为多余观测数。 评定精度的步骤是设定一个限差ε，作为精度评定的标准，如果通过上式计算出的δε,则说明计算结果存在一定程度的粗差，精度超限结果不可取。并对每一个控制点上的平差残余误差Vx，Vy进行比较检查，将最大者视为粗差并将其剔除或重新选点进行平差，直至满足δε的精度评定标准为止。 1.2 遥感图像的几何纠正变换进行遥感图像的几何纠正变换之前，需要先在计算机中为输出图像一定的存储空间，即确定输出的以及地图坐标值。 .2.1 把原始的角点坐标按照纠正变换函数计算出投影到地图坐标系统中的 (X1,Y1), (X2,Y2), (X3,Y3), (X4,Y4)。 1.2.2 对上四个坐标按照横纵坐标分别分组并求出最大最小值，即为纠正后图像的边界地图坐标系值。Xmin = min (min (X1,X2),min (X3,X4)) Xmax= max (max (X1,X2), max (X3,X4)) Ymin = min (min (Y1,Y2),min (Y3,Y4)) Ymax = max (max (y1,Xy2), max (y3,y4)) 1.2.3 在利用计算机进行纠正后图像的存储之前，需要把上述边界范围转换为计算机中储存数组空间，将边界范围划分为格网，每一个一个像素值，因此需要根据精度要求定义输出图像的地面尺寸。这里地面点尺寸即图像分辨率为随后给出的左上角边界点为输出图像的坐标，并利用的坐标信息定义的行数和列数。最后的图像总的行列数如下所示： Nrs = (Ymax - Ymin)/30 + 1; Ncols = (Xmax - Xmin)/30 + 1。 1.2.4 图像纠正变换函数的目的是确定图像的坐标值与地面坐标值之间的变换关系，进一步表达原始图像与输出图像之间的对应关系，我们需要把地面坐标进行转换，首先转换为输出图像坐标转换公式如下： 输出图像的边界坐标确定之后，就可以建立坐标系统并按照纠正变换函数把的每个像素变换到输出图像空间中，这一步有两种可供选择的纠正方案，直接法和间接法。的原理是对应输入图像的每一个变换函数找到其在输出图像上的对应位置，间接法的原理是对于输出图像的每一个像素点，反算得到其对应的输入图像的像素。 3 数字图像亮度值重采样1.3.1 最邻近像元法 最邻近像元采样发的是采取距离采样点的的亮度值作为重采样的亮度值。 的采样方法最简单，辐射保真度比较好，但是将会造成像素点在一个像素的，与内插法、三次卷积法相比，较差。 1.3.2 内插法 原理可以用所示的一个三角形线性函数表达： 图1 双线性内插法原理图 在使用双线性内插采样法时，需要综合计算被采样点周围四个已知像素点的亮度值。 这种方法的计算较为简单，与最邻近像元法相比具有更好的亮度采样精度，但图像略变模糊。因此双线性内插采样法也是实践中常用的方法。 4 纠正结果评价通过查阅和相应的规范，对于了几何纠正后的结果进行精度评价，如果符合精度的要求则完成了遥感图像的几何纠正操作。1. 利用地面已知控制点求多项式 总体思路是利用最小二乘法求解多项式系数，通过建立误差方程，建立法方程的系数其中矩阵的运算在里。 double POINT[] = { }; double point[] = { }; //建立矩阵并开辟空间 _Matrix POINTMat(7,6),pointMat(7,2),solveMat(6,2),POINTTMat(6,7); POINTTMat.init_matrix();POINTMat.init_matrix(