几何处理新方法1.ppt

一、基于PRC模型的遥感影像几何纠正 二、基于小面元的遥感影像高精度配准 一、PRC模型法 1、背景： 通常的传感器模型都是以共线条件方程为理论基础,建立严格的成像模型,此时须获取各种成像参数。 RPC模型是一种广义的新型遥感卫星传感器成像模型,是一种能获得与严格成像模型近似一致精度的、形式简单的概括模型,其实质是有理函数模型(Rational Function Model)。 * * 2、基本原理： RPC模型将地面点大地坐标D(Latitude, Longi-tude, Height)与其对应的像点坐标(line, sample)用比值多项式关联起来。为了增强参数求解的稳定性,将地面坐标和影像坐标标准化到-1和1之间。 对于一个影像,定义如下比值多项式 Y =NumL(P,L,H) /DenL(P,L,H) X =Nums(P,L,H) /Dens(P,L,H) (P,L,H)为标准化的地面坐标; (X, Y)为标准化的影像坐标,其标准化原理如下： P = (Latitude-LAT_OFF) /(LAT_SCALE) L = (Longitude-LONG_OFF) /(LONG_SCALE) H = (Height-HEIGHT_OFF) /(HEIGHT_SCALE) X = (Sample-SAMP_OFF) /(SAMP_SCALE) Y = (Line-LINE_OFF) /(LINE_SCALE) 式中,LAT_OFF、LAT_SCALE、LONG_OFF、LONG_SCALE、HEIGHT_OFF和HEIGHT_SCALE为地面坐标的标准化参数; SAMP_OFF、SAMP_SCALE、LINE_OFF和LINE_SCALE为影像坐标的标准化参数,这些参数与RPC模型4个多项式的80个系数须进行求解。 4、方法特点： 1) 它不仅成功地实现了对传感器成像核心参数信息的必威体育官网网址，同时还保证了立体定位的精度。 2）采用RPC模型作为成像几何模型，可以不提供原始影像，只销售经几何校正后的影像产品，这样就额外赚取影像几何校正的利润。 3) RPC模型形式简单，使用方便，降低了对终端用户专业知识的要求，扩大了用户群的范围。 5、 RPC模型有9种不同的形式： 表中给出了9种情况下待求解RPC模型参数的形式和需要的最少控制点数。 1、当RPC模型分母相同，且恒为1 时 ，即 (Dens(P,L,H)=DenL(P,L,H)=1), RPC模型退化为一般的三维多项式模型; 2、当RPC模型分母相同，但不恒为1时，即 (Dens(P,L,H)=DenL(P,L,H)!=1), 且在一阶多项式的情况下, RPC模型退化为DLT模型。 因此, RPC模型是一种广义的成像模型。 6、算法改进 无需初值的RPC参数求解算法： 将公式变形为 FX=Nums(P,L,H) -XDens(P,L,H) =0 FY=NumL(P,L,H) -YDenL(P,L,H) =0 则误差方程为 V =BX -l,权W 根据最小二乘平差原理,可以求解 X = (BTWB)-1BTWl 经过变形的RPC模型,平差的误差方程为线性模型。 因此,在求解RPC参数过程中,不需要初值,无需进行迭代处理。 二、基于小面元的遥感影像高精度配准 1、背景： 目前影像配准的方法主要分为空间域与频率域两大类。空间域方法仅从影像的几何变形与灰度差角度入手,简单直观易实现,对一般的可见光影像及部分近红外影像、雷达影像均可以处理,同时还有精度高、速度快等优点。频率域方法由于涉及到空间域与频率域的转换,因此比较复杂。因此,我们引用几种传统的匹配方法与影像金字塔匹配策略,并引入小三角形面元微分纠正的原理,设计了一种新的多源遥感影像高精度配准的方法。 2、原理： 在参考影像上提取特征点作为配准控制点通过匹配获得同名点对,再基于小面元微分纠正得到精确配准的影像。 即首先通过简单的直方图分割法，在待配准的两幅图像上提