高分辨率卫星影像几何校正研究

该文首先对遥感影像的变形机理与几何校正方法进行研究讨论,论述了多项式模型和有理函数模型等遥感图像几何校正模型,介绍了双三次卷积内插方法、最临近内插方法、双线性内插法等数字图像重采样方法,同时论述了地面控制点(GCP)及检查点的选取方法。在此基础上论述了遥感图像几何校正的一般步骤:根据现有数据特点,利用ERDAS对影像数据进行几何校正。最后对校正精度进行分析,结果符合预期要求,说明实验中所采取的方法与流程具有较高可靠性。     

基于局部加权拟合算法的无人机遥感影像多尺度检测技术

目前提出的无人机遥感影像多尺度检测技术平均图像灰度较差,导致检测结果清晰度较低;为了解决上述问题,基于局部加权拟合算法研究了一种新的无人机遥感影像多尺度检测技术,选用最小二乘法进行多次循环计算,确定周围区域重复率,通过抽稀处理提高数据精度;根据高斯金字塔得到n阶的影像序列,利用高斯金字塔和差分尺度划分完成遥感影像的特征提取;引入加权拟合算法,构建有效影像数据集,确定影像网络模型,从而完成合并,实现影像数据的检测;实验结果表明,基于局部加权拟合算法的无人机遥感影像多尺度检测技术能够有效提高平均图像清晰度,增强检测结果的清晰度。     

基于图像匹配的星载遥感影像自动几何精校正算法

提出了一种新的基于匹配技术的自动几何精校正算法,可以解决遥感影像人工几何纠正方法精度差、效率低等问题。该算法基于控制点图像片与待校正影像匹配实现控制点自动选取,然后进行异常匹配检测剔除匹配错误的控制点,保证控制点选择的精确性,并最后对遥感影像实施精校正。同时,根据以往研究成果,提出了一种更加快速、有效的多判据匹配算法。以遥感影像（光学/SAR）实例进行验证,结果证明了该方法的有效性和鲁棒性。     

基于DRG的遥感影像几何校正

几何校正是遥感影像处理的重要环节,地面控制点(GCP)的采集是影响遥感影像几何校正精度和效率的重要因素。结合SPOT5影像处理过程,比较了实际作业中几种GCP采集模式的优缺点,总结探讨了在ERDAS IMAGINE中利用DRG进行地面控制点采集的几何校正方法。     

ETM+全色波段影像的几何精校正

为确保遥感影像为森林资源调查和监测提供更好的服务,必须对影像进行图像预处理,而图像的几何校正是图像预处理中关键一步.传统的基于TM影像的几何精校正只是采用其地面分辨率为30m的波段的影像,由于分辨率不高,导致校正精度不高.介绍了一种使用ETM 影像的地面分辨率为15m的Pan波段校正,在后续处理中,用其它波段与校正后的Pan波段几何配准,从而达到几何精校正的效果.仿真试验表明,这种先校正分辨率高的影像,再配准分辨率低的影像的方法,在一定程度上提高了校正精度,降低了控制点选取的难度.     

TM遥感影像几何精校正方法试验与分析

地处四川盆地西北部的绵阳市地表形态复杂,若仅对TM遥感影像进行粗略校正势必对后续分析埋下隐患。文章采用多项几何校正方法对实验区进行几何精校正,控制点源于同期Quick Bird遥感影像,精校正的总体精度可以达到0.5个像元,可以很好的满足后续分析和研究。     

TM遥感影像几何精校正方法试验与分析

地处四川盆地西北部的绵阳市地表形态复杂,若仅对TM遥感影像进行粗略校正势必对后续分析埋下隐患。文章采用多项几何校正方法对实验区进行几何精校正,控制点源于同期Quick Bird遥感影像,精校正的总体精度可以达到0.5个像元,可以很好的满足后续分析和研究。     

农业旱灾遥感监测系统中的MODIS 1B影像几何校正方法及其比较研究

为了满足农业旱灾遥感监测对海量MODIS影像数据的自动化快速处理需要,本文针对现有的四种几何校正坐标变换方法(仿射变换法、多项式变换法、三角网算法和改进三角网算法),结合农业旱灾遥感监测系统,在IDL(Interactive Data Language)平台上开发了MODIS影像数据的自动快速几何校正运行程序,以便比较分析这些算法的几何校正精度、影像处理时间和计算机内存开销大小.结果表明,基于三角网改进算法的几何校正程序在各方面都比较优秀,不仅几何校正精度较高,而且图像处理较快,内存用量也较小,完全能够满足农业旱灾遥感监测的实时海量图像数据处理需要.因此,我们在农业旱灾遥感监测系统中采用了这一算法,作为实时自动快速处理海量MODIS影像数据的重要模块.     

多重观测卫星影像的无控区域网平差

为了保证卫星遥感影像获取地面目标区域信息的准确性,需要对影像数据进行几何校正,几何校正的精度决定着遥感图像应用的效果。常规的校正方法需要地面控制点信息,但在境外、我国西部、荒漠等这些地方很难获取控制点。针对上述问题,提出了多重观测卫星影像的无控区域网平差方法,提高无控定位的精度。与常规区域网平差不同,该方法的误差方程基于"单物方—多像方"的连接点集建立,在无控条件下误差方程能够收敛到更加精确的解。通过误差补偿模型调整每幅影像的有理函数模型系数,使得不同方向的定位误差进行抵消,从而在无控制点的条件下提高遥感影像的定位精度。首先,利用卫星影像的RPC文件和像方误差补偿模型,建立多重重叠的区域网平差模型,然后,利用共轭梯度算法迭代求解误差方程,最后调整RPC系数,提高遥感图像定位精度。通过资源三号卫星影像试验表明:多重观测区域网平差将遥感图像的平面定位精度由19.8m提高至12.9m,能够有效提高影像的几何定位精度。     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。     

基于RBF人工神经网络的遥感图像校正算法

遥感图像的几何校正是阻碍其应用的瓶颈问题。遥感图像的几何校正函数是一个非线性、不确定的复杂函数, 难以用精确的数学模型来表达问题, 对此提出了一种基于RBF 人工神经网络和地面控制点( GCP) 相结合的遥感图像几何校正算法。该算法利用RBF 网络能以任意精度逼近任意函数的特性, 模拟地表空间分布这一复杂的非线性函数。该算法原理简单, 易于实现, 是一种实用、可行的遥感图像几何校正算法。     

遥感图像几何校正原理及效果分析

几何校正是遥感图像处理的一个重要环节,是削弱遥感图像与地面真实形态差异的重要手段.以广东省从化市ETM 遥感数据和GIS数据为例,较深入地分析遥感图像几何校正原理并介绍ER-Mapper7.0遥感软件的几何校正应用,指出提高遥感图像几何校正精度的有效途径和效果分析.     

Application of a parallel pattern processor to remote sensing

This paper describes application techniques of satellite remote sensing using a newly developed interactive digital image processing system, where a parallel pattern processor performs characteristic roles. The pattern processor can execute several image processing functions at high speed, which are frequently used in remote sensing studies; affine transformation for geometric correction of LANDSAT MSS data to implement a satellite image database, maximum likelihood estimation for land cover classification, and pixelwise operations for change detection, etc.

These application results indicate that the developed interactive image processing system is sufficiently effective to process remote-sensed data.     

Multi-Observed Block Adjustment for Satellite ImagesWithout Ground Control Points

In order to ensure the accuracy of target area’s ground information,it is necessary to do geometric correction for remote sensing images.Geometric correction has a great influence on the application of remote sensing images.Traditional geometric correction needs ground control points.However,it is difficult to obtain ground control points in some places,such as abroad,western China and desert.To improve positioning accuracy without ground control points,multi\|overlapping block adjustment model is built.Different from traditional method,error equations are built depending on multi\|projection in image space of a single object.In this way,error equations can converge to more accurate solutions.By adjusting the rational polynomial coefficients of each image,the positioning errors in different directions are compensated to a certain extent.Thus the positioning accuracy of remote sensing images is improved.First,block adjustment model and error compensation model are built with RPC coefficients.Then,conjugate gradient algorithm is used to solve the error equations iteratively.Finally the RPC coefficients are adjusted to improve the accuracy of positioning without ground control points.The ZY\|3 data test shows that multi\|overlapping block adjustment model increase the plane positioning accuracy of remote sensing images from 19.8m to 12.9m and the method can effectively improve the absolute positioning accuracy of remote sensing images.     

低空间分辨率多源遥感数据的空间一致性分析和相对几何校正

多源低空间分辨率遥感数据在空间上的一致性对于其在全球变化研究中的集成使用有非常重要的意义。对此,以公认几何精度较高的MODIS数据为基准,对NOAA/AVHRR、FY-3/VIRR、FY-3/MERSI、FY-2/VISSR这4类国内外常用的低空间分辨率传感器的L1B数据进行了一系列相对几何精度评价和多项式相对几何校正的实验。相对几何精度评价的结果表明:MODIS数据与这4类L1B数据在几何精度上的偏差都比较大。在此基础上,选取少量均匀分布的控制点并采用不同阶数的多项式几何校正模型对多源数据进行空间一致性校正。校正结果表明:低阶的多项式几何校正模型就能对各种待校正数据的几何精度有显著的提升,使其与基准数据在空间上达到一致,满足全球变化研究对低分辨率多源遥感数据在空间一致性上的需求。     

一种新颖的彩色水印图像几何失真校正算法

几何攻击是制约水印技术实用性的重要因素，当图像经过旋转、缩放和DA转换等几何变换后，绝大多数水印算法的检测器将失效。该文提出一种新的基于计算机视觉理论的图像空域特征重同步算法，首次采用图像的comer中心角和comcr中心距离对水印图像几何失真进行失真校正。实验证明。算法性能良好、校正精度高、可以有效地校正大强度几何失真。     

Wavelet-based image registration technique for high-resolution remote sensing images

Image registration is the process of geometrically aligning one image to another image of the same scene taken from different viewpoints at different times or by different sensors. It is an important image processing procedure in remote sensing and has been studied by remote sensing image processing professionals for several decades. Nevertheless, it is still difficult to find an accurate, robust, and automatic image registration method, and most existing image registration methods are designed for a particular application. High-resolution remote sensing images have made it more convenient for professionals to study the Earth; however, they also create new challenges when traditional processing methods are used. In terms of image registration, a number of problems exist in the registration of high-resolution images: (1) the increased relief displacements, introduced by increasing the spatial resolution and lowering the altitude of the sensors, cause obvious geometric distortion in local areas where elevation variation exists; (2) precisely locating control points in high-resolution images is not as simple as in moderate-resolution images; (3) a large number of control points are required for a precise registration, which is a tedious and time-consuming process; and (4) high data volume often affects the processing speed in the image registration. Thus, the demand for an image registration approach that can reduce the above problems is growing. This study proposes a new image registration technique, which is based on the combination of feature-based matching (FBM) and area-based matching (ABM). A wavelet-based feature extraction technique and a normalized cross-correlation matching and relaxation-based image matching techniques are employed in this new method. Two pairs of data sets, one pair of IKONOS panchromatic images from different times and the other pair of images consisting of an IKONOS panchromatic image and a QuickBird multispectral image, are used to evaluate the proposed image registration algorithm. The experimental results show that the proposed algorithm can select sufficient control points semi-automatically to reduce the local distortions caused by local height variation, resulting in improved image registration results.     

一种基于RBF神经网络的遥感图像校正方法

研究基于RBF神经网络的算法针对遥感图像的几何校正,给出一个简单快速的实现方案,通过对实际图像进行了校正实验,获得满意的校正结果,说明谊方法能有效地精确校正图像的几何畸变.