第四章数字图像校正.ppt

将一幅二维的图像通过有限个离散点来表示就成为了数字图像，其中的每个点称为像元。 遥感传感器感测的信息，是地物对太阳光的反射或地物发射的电磁波经过大气层传输并与大气发生作用后的结果。由于大气的散射作用，传感器在接收地物辐射信息的同时，也接收了散射所造成的非地物辐射能，从而使得遥感图像对比度下降，导致图像犹如蒙上了一层薄纱一样不清晰。 由于遥感传感器、遥感平台以及地球自转等因素的影响，遥感成像时往往会引起难以避免的几何畸变。几何校正就是要校正成像过程中所造成的各种几何畸变。 几何校正可分为两种：几何粗校正和几何精校正。 几何粗校正是针对引起畸变的原因而进行的校正。进行校正时，只需将传感器的校准数据、遥感平台的位置以及卫星运行姿态等一系列测量数据代入理论校正公式即可。 几何精校正是利用控制点进行的几何校正。它是用一种数学模型来近似描述遥感图像的几何畸变过程，求得这个几何畸变模型，然后利用此模型对遥感图像进行几何校正，无需考虑引起畸变的具体原因。 ☆ 几何精校正技术关键：地面控制点（ GCP ）的选取、地面控制点的数目及校正方程的次数。 ☆ 校正步骤：Ａ、调入图像，比较观察； Ｂ、确定二元多项式的次数 Ｃ、确定GCP的个数； Ｄ、选取GCP，尽可能均匀分布在 图像上； Ｅ、再采样计算，得到校正后的 新图像。 确定纠正后图像的边界范围 纠正后图像的边界范围，指在计算机存储器中为输出影像所开出的存储空间大小，以及该空间边界范围（首行、首列、末行、末列）的地图（或地面）坐标定义值； 纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。 确定纠正后图像的边界范围 坐标关系 坐标变换 图像灰度值的重采样 几何校正过程中，由于校正前后图像的像元大小可能变化、像元点位置的相对变化等，不能简单用原图像像元灰度值代替输出像元灰度值。 因此，需要插值（重采样） 三种插值方法：最邻近法、双线性法、三次卷积法 灰度值重采样示意图 最邻近法（nearest neighbor） 用距离投影点(采样点)最近像元灰度值代替输出像元灰度值。 简单、省时，保留原始图象的值 处理后图像的亮度具有不连续性，边缘出现锯齿状 双线性内插法比起最近邻法虽然计算量增加，但精度明显提高，特别是对亮度不连续现象或线性特征的块状化现象有明显的改善。 但是这种内插法会对图像起到平滑作用，从而使对比度明显的分界线变得模糊。 三次卷积法(cubic convolution) 取与投影点（x，y）邻近的16个像元灰度值，先在某一方向上内插，每四个值依次内插四次，得出四个结果，再根据这四个结果在另一方向计算输出像元的灰度值。 计算量大，但图像质量更好，细节表现更为清楚。 需注意的是，如果想用此方法获得好的图像效果，就要求位置校正过程更精确。 遥感影像变形的原因 （1）遥感平台位置和运动状态变化的影响 遥感影像变形的原因 （2）地形起伏影响 遥感影像变形的原因 （3）地球表面曲率的影响 像点位置的移动 像元对应于地面宽度的不等 遥感影像变形的原因 （3）地球表面曲率的影响 遥感影像变形的原因 （4）大气折射的影响 遥感影像变形的原因 （5）地球自转的影响 几何校正方法： 几何畸变校正基本思路 几何畸变校正 通过计算机对图象每个象元逐个地解析纠正处理完成，可以较精确改正线性和非线性变形误差。 包括两个方面（基本环节）： （1）像元坐标变换； （2）像元灰度值重新计算（重采样）。 数字图像几何纠正的主要处理过程 准备工作 输入原始数字影像 建立纠正变换函数 确定输出影像范围 像元坐标变换 像元亮度值重采样 输出纠正后的图像 准备工作：图像、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择。（具体内容可选） 纠正变换函数建立：输入和输出图像间的坐标变换关系：如多项式法、共线方程法等。 具体步骤 数字图像几何校正方法(函数的建立) 多项式纠正法：常用的方法 基本原理：不考虑成像的空间几何过程，而直接对图象变形的本身进行数学模拟。把遥感图象的总体变形看作是平移、缩放、旋转、仿射、偏扭、弯曲及更高次的基本变形的综合作用结果，因此，将纠正前后图像相应点间的坐标关系用一适当的多项式表达 一般取2次，可以满足精度要求 需要地面控制点： 分布、数量 先求出原始图像四个角点（a, b, c, d）在纠正后图像中的对应点（a’, b’, c’, d’）的坐标（Xa’,Ya