第5章遥感图像的几何处理

第五章遥感图像的几何处理本章主要内容遥感传感器构像方程遥感图像的几何变形遥感图像的几何处理主要内容构像方程概念通用构像方程中心投影构像方程全景摄影构像方程推扫式传感器构像方程扫描式传感器构像方程重点内容通用构像方程中心投影构像方程1/23•构像方程：地物点在图像上的坐标（x,y）和地面对应点大地坐标（X,Y,Z）之间的数学关系。本质：坐标变换意义：对任何类型传感器成像进行几何纠正和对某些参量进行误差分析的基础。•主要坐标系统1、传感器坐标系S-UVW，U轴为传感器飞行方向。2、地面坐标系0-XYZ，主要采用地心坐标系统。3、像点坐标系o-xyf，（x,y）为像点在图像上的平面坐标，其方向与S-UVW一致。§5.1传感器的构像方程－概述2/23§5.1传感器的构像方程－通用构像方程3/23§5.1传感器的构像方程－通用构像方程式中A为传感器坐标系相对地面坐标系的旋转矩阵先后为绕v,u,w三轴的旋转角PSPWVUAZYXZYX),,(fA,,4/23§5.1传感器的构像方程－中心投影构像方程•图像坐标（x,y,-f）和传感器系统坐标（U,V,W）P之间有如下关系：fyxWVUPPPpSPfyxAZYXZYX1000cossin0sincoscossin0sincos0001cos0sin010sin0cosRRRA5/236/23•正算公式：由像点坐标可以解算大地（平面）坐标§5.1传感器的构像方程－中心投影构像方程7/23•反算公式：已知大地坐标，反求像点坐标为表达方便，设§5.1传感器的构像方程－中心投影构像方程8/23§5.1传感器的构像方程－中心投影构像方程则共线方程简写为：•共线方程几何意义：当地物点P，对应像点p，和投影中心S位于同一条直线上时，上式成立。)()()()(ZYfyZXfx9/23•全景摄影机影像是由一条曝光缝隙沿旁向扫描而成，对于每条缝隙图像的形成，其几何关系等效于中心投影沿旁向倾斜一个扫描角θ后，以中心线成像的情况。•像点坐标：（x,0,-f）§5.1传感器的构像方程－全景投影构像方程10/23没有倾斜时的成像与倾斜时的成像坐标系11/2312/23•行扫描动态传感器，垂直情况下，每一条线的成像属于中心投影•像点p的坐标为（0,y,-f），因此构像方程为：§5.1传感器的构像方程－推扫式传感器构像方程PtpSPfyxAZYXZYXt13/23推扫式传感器的构像几何关系14/2315/23cos0sin010sin0cosRcossin0sincos0001R16/2318/23•多中心投影，每个像元都有自己的投影中心•任一个像元的构像，等效于中心投影朝旁向旋转了扫描角θ后，以像幅中心（x=0,y=0）成像的几何关系，所以扫描式传感器构像方程为：§5.1传感器的构像方程－扫描式传感器构像方程fRAZYXZYXttSP0019/2320/23传感器沿旁向旋转扫描角θ后，旋转矩阵为：共线方程为：§5.1传感器的构像方程－扫描式传感器构像方程cossin0sincos0001R21/23§5.1传感器的构像方程－通用传感器模型思路：回避成像的几何过程，直接对图像变形的本身进行几何模拟。minjjiijminjjiijYXbyYXax00002、基于有理式的传感器模型多项式模型的比值形式1、多项式模型22/23本课小结•遥感图像通用构像方程•中心投影构像方程•其他模式构像方程（全景，推扫，扫描）作业：总结常见传感器成像模式的构像方程，并绘出构像的几何关系图。23/23•本节主要内容几何变形概念/分类成像方式引起的图像变形卫星姿态变化的影响地形起伏的影响地球曲率影响地球自转的影响•本课重点内容影响几何变形的外部原因§5.2遥感图像的几何变形1/12•遥感图像几何变形有两层含义一是指卫星在运行过程中，由于姿态、地球曲率、地形起伏、地球旋转、大气折射、以及传感器自身性能所引起的几何位置偏差。二是指图像上像元的坐标与地图坐标系统中相应坐标之间的差异。•几何变形分类内部误差：传感器自身性能指标有偏移外部误差：由传感器以外的各种因素，比如外方位元素变化、地球曲率、地形起伏、地球旋转、大气折射等因素。§5.2遥感图像的几何变形－概述2/12§5.2遥感图像的几何变形－成像方式产生的变形1、全景投影变形)tan('fyydypp3/12§5.2遥感图像的几何变形－成像方式产生的变形2、斜距投影变形侧视雷达类)tan(sec'fyydypp4/125/12§5.2遥感图像的几何变形－卫星姿态变化的影响•卫星姿态变化通过传感器的外方位元素描述•传感器外方位元素),,(),,,(SSSZYX1110A6/12位移变化高度变化速度变化仰俯变换航偏变化侧翻变化单个外方位元素引起的图像变形7/12动态扫描图像的变形8/12§5.2遥感图像的几何变形－地形起伏引起的像点位移•地形有起伏时，高于或低于基准面的地面点，其在像片上的像点与其在基准面上垂直投影在像片上的构像点之间的直线位移。在x,y两个方向上分量为：rHhhxHhxhyHhyh9/12§5.2遥感图像的几何变形－地球曲率引起的图像变形•与地形起伏引起的变形类似。•关键是求Δh•代入时取负值10/12RDh22•整个大气层不是一个均匀的介质，因此电磁波在大气层中传播时的折射率也随高度的变化而变化，使电磁波传播的路径不是一条直线而变成了曲线，从而引起像点的位移，这种像点移位就是大气折光差•大气折射对框幅式像片上像点位移的影响要远远小于地球曲率的影响。§5.2遥感图像的几何变形－大气折射引起的图像变形11/12•在常规框幅摄影机成像的情况下，地球自转不会引起图像变形，因为其整幅图像是在瞬间一次曝光成像的。地球自转主要是对动态传感器的图像产生变形影响，特别是对卫星遥感图像。当卫星由北向南运行的同时，地球表面也在由西向东自转，由于卫星图像每条扫描线的成像时间不同，因而造成扫描线在地面上的投影依次向西平移，最终使得图像发生扭曲。§5.2遥感图像的几何变形－地球自转的影响12/12•本节主要内容遥感图像粗加工处理（粗纠正）遥感图像精加工处理（精纠正）•本节重点内容多项式纠正§5.3遥感图像的几何纠正1/16•原始遥感影像通常包含严重的几何变形系统变形（有规律、可预测）非系统变形（无规律、不可预测）•图像纠正：借助一组地面控制点，对一幅图像进行地理坐标的校正，又称为地理参照•图像纠正的两种方法粗纠正：利用卫星位置、姿态、轨道、及扫描特征作为参数构建数学模型加以处理。（缺点）精纠正：利用地面控制点和多项式建立纠正模型。§5.3遥感图像的几何纠正－概述2/16•仅对系统误差进行改正•遥感图像粗纠正原理多光谱扫描仪的构像方程：对其图像纠正就是确定卫星坐标、扫描姿态角、扫描角θ以及焦距f。§5.3遥感图像的几何纠正－遥感图像的粗加工处理fARZYXZYXSP003/16•精纠正两个环节（过程）一是像素坐标变换二是像素灰度值重采样•地面控制点（GCP）的选取（1）GCP具有明显、清晰的定位标识（2）GCP不随时间变化（3）应选择同一高度地面控制点（4）GCP应均匀分布，具有一定的控制力（5）GCP应有一定的数量保证§5.3遥感图像的几何纠正－遥感图像的精纠正处理4/16lgdw.jpg§5.3遥感图像的几何纠正－遥感图像的精纠正处理•多项式纠正模型地面控制点确定后，应分别找出各个控制点在图像上的像元坐标(I,J)以及地理坐标(X,Y)一次多项式：二次多项式：jiNiNjijjiNiNjijyxbYyxaX010010ybxbbYyaxaaX2102102542321025423210ybxybxbybxbbYyaxyaxayaxaaX6/16§5.3遥感图像的几何纠正－遥感图像的精纠正处理一次多项式可纠正6种几何变形，平移/比例/旋转变形严重或精度要求较高时，可用2次或3次多项式用最小二乘法求出多项式系数一次多项式系数法方程：yTTbxTTaLAAALAAA11)()(yXyaxyayaxXxyaxaxaXyaxana221022102107/16yYybxybybxYxybxbxbYybxbnb22102210210§5.3遥感图像的几何纠正－遥感图像的精纠正处理精度指标：限差规定：1：10万影像图δ≤±50M1：5万影像图δ≤±25M1：1万影像图δ≤±5M22)()(yyxxRMSerror8/16§5.3遥感图像的几何纠正－遥感图像的精纠正处理•纠正后图像边界的确定1/)(1/)(1212XXXNYYYM9/16•图像灰度值重采样原因：坐标值（x,y）不为整数概念：把(x,y)邻近整数点位上亮度值对该点的亮度贡献累积起来三种常用的重采样算法最近邻法双线性内插法三次卷积内插法§5.3遥感图像的几何纠正－遥感图像的精纠正处理10/16原始图像纠正后图像11/16•建立在图像坐标与地面坐标严格数学变换基础上的•多项式纠正V.S.共线方程纠正§5.3遥感图像的几何纠正－遥感图像的共线方程纠正优点缺点多项式纠正原理简单、与成像模型无关、计算速度快，精度较高不能改正由地形起伏引起的投影差、合格GCP选取有难度共线方程纠正可对成像模型直接描述、改正地形起伏引起的投影差需要DEM数据、计算量大，对动态扫描成像纠正精度有限12/16一、相关概念•图像配准：同一区域里一幅图像（基准图像）对另一幅图像的校准，以使两幅图像中的同名像元配准•图像配准目的：可方便对这些多源数据进行比较和分析，比如图像融合、变化检测、模式识别、地图修正等。•图像镶嵌：当研究区超出遥感图像覆盖范围时，将多幅图像拼接起来形成一幅覆盖全区的较大图像。•镶嵌后处理：不同图像的对比度及亮度值会有差异，一般用直方图匹配和彩色亮度匹配法进行处理§5.4图像配准及图像镶嵌1/16★影像匹配原理Principleofimagematching★相关系数法影像匹配Correlationcoefficient★数字摄影测量与影像匹配4/16§5.4图像配准及图像镶嵌二、图像匹配方法介绍1、影像匹配与摄影测量a1b1a2b2S1a2a1S2A摄影测量是在两个已知点上摄取两张影像，通过识别左右像片上的同名点，建立立体像对，实现三维坐标测量。5/16§5.4图像配准及图像镶嵌如何利用机器代替人眼识别同名点是摄影测量自动化的关键问题之一，也是摄影测量工作者长期追求的目标。目前影像匹配仍处于半自动处理阶段，目标区与搜索区的确定仍需要人工干预，全自动化影像匹配有待于模式识别理论的进一步发展6/16§5.4图像配准及图像镶嵌1）模板匹配概念：模式识别中最基本的方法。例：印刷数字识别46839046890123456789012345678947/16§5.4图像配准及图像镶嵌2、影像匹配原理利用模板匹配关键是确定“相似性”指标，最简单、最直观的方法是：设模板影像的灰度函数为：g1(x，y)待识别的影像的灰度函数为：g2(x，y)则灰度差的绝对值和为最小的准则为：|g1(x，y)－g2(x，y)|＝mi