几何校正

简介: 1. 学习遥感图像的几何校正方法。2. 学会用 ENVI 软件采集遥感图像的控制点。3. 学会用 ENVI 软件对遥感图像进行几何校正。

实验目的

1. 学习遥感图像的几何校正方法。

2. 学会用 ENVI 软件采集遥感图像的控制点。

3. 学会用 ENVI 软件对遥感图像进行几何校正。

二、实验内容与分析

几何校正的方法有多种,本次实验我采用 Image to Image 几何校正方法。

1.打开并显示遥感图像

通过实验一的方法打开并显示遥感图像,这里选用某一地区分别在 2014 8 8 日和 2014 8 17 日的 TerraASTER 遥感图像,它们分别显示在 1 窗口 (左边)和 2 窗口(右边)。其中,8 8 的图像已经经过几何精校正;8 17 日的图像事先经过裁剪,范围较前者小,其地理信息具有一定的几何偏差,需要进行几何精校正处理。以遥感图像为参考影像的几何校正,即图像配准。

image.png

2.启动几何校正模块

1)选择主菜单→MapRegistrationSelect GCPsImage to Image,打开几何校正模块。

2)选择 Display #1 为基准图像(Base Image),Display #2 为待校正图像

Warp Image),点击 OK 按钮,进入采集地面控制点。


出现以下控制点工具对话框:



3.在遥感图像上采集控制点

1)为了能在两幅图像中更快地找到对应点,可以先将两幅图通过地理坐

标连接起来,这样选中其中一幅图像中的某一点的时候,另一幅图像的显示窗口

也会移动到相应点附近。具体操作是右键图像显示窗口,选择 Geographic Link

然后将两个 Off 都调为 On


2)将两幅图的显示窗口都调到某一点附近后,关闭刚才打开的 Geographic

Link,也就是两个 On 都调为 Off

然后分别在两幅图像的像元显示比例最大的显示窗口(右下角的那个)寻找

两个匹配的点。可以选择道路交叉处、建筑物的角落等比较好辨识的点。选好后

点击 Ground Control Points Selection 对话框中的 Add Point

然后点击 Show List 可以看到控制点列表。

3)重复上述步骤,多选择几个控制点,控制点的分布要尽量均匀。注意

每次选择控制可以点先打开 Geographic Link 来使待校准图像的显示窗口移动到 基准图像的某个点附近(或者反过来),但是在最终选取控制点使要关闭

Geographic Link

选取 5 个控制点后看到的控制点列表:

(4)当选择一定数量的控制点之后(至少 3 个),可以利用自动找点功能。在Ground Control Points Selection 上,选择 OptionsAutomatically Generate Tie Points,选择一个匹配波段(两幅图像要选同样的波段)。也可以继续手动选取控 制点,直到控制点的数目达到要求。

然后在弹出的窗口中选择控制点数量,点击 OK


可以看到列表中多出了自动选择的控制点。


5)对控制点进行逐点检查,删除误差大的控制点。选择 Image to Image GCP

List 上的 OptionOrder Points by Error,按照 RMS 值由高到低排序,然后删除 误差过大的控制点(该过程中要确保剩余的同名点均正确)。

Ground Control Points Selection 上,RMS 值小于 1 个像素时(根据实际情况 判断小 RMS 值),点的数量足够且分布均匀,完成控制点的选择。然后在 Ground Control Points Selection 上,选择 FileSave GCPs to ASCII,将控制点保存。


4.通过控制点进行几何校正

选择主菜单→MapRegistrationWrap from GCPsImage to Image,打开刚

才保存的控制点文件。


选择要输入的待校正图像和基准图像:

选择校正方法为 Polynomial(多项式法),阶数为 2,重采样方法为 Bilinear(双 线性内插),选择保存位置和文件名,点击 OK

5. 验证校正结果

打开刚才保存的校正好的图像和基准图像,验证校准的效果。

结果分析:

在几何校正之前,同一地区的两幅图像即使通过 Geographic Link,它们对应 点的坐标也有一定的偏差(如下图所示),而且图像显示的角度也有不同,体现 了几何失真。


在几何校正之后,上述坐标和角度的偏差就变得很小了,但是两幅图像在色

彩上仍然有差别,这说明几何校正不校正辐射误差。


三、实验结论

Image to Image 几何校正是一种通过基准图来校正有几何失真的图像的方法。

它的基本原理是通过选择两幅图像上对应的控制点,然后用特定的算法拟合从几

何失真图像的坐标到基准图像的坐标的映射关系。拟合坐标映射的方法有:仿射

变换(RST)、多项式模型(Polynomial)和局部三角网(Triangulation)等。

通过几何校正,可以看到校正好的图像跟基准图像(几何失真较小的图像)

各点的坐标相匹配,说明校正后的图像的几何失真程度变小了。但是从假彩色图

像上看,校正好的图像跟基准图像各点的色彩还是有较大差别,说明图像还需要

进行辐射校正来减少辐射误差。


目录
相关文章
|
22天前
|
机器学习/深度学习 搜索推荐 JavaScript
基于深度学习的健康饮食推荐系统
本研究聚焦基于深度学习的健康饮食推荐系统,针对慢性病高发与饮食不健康问题,结合Spring Boot、Vue.js、MySQL等技术,构建个性化、智能化的饮食管理平台,提升用户健康管理效率。
|
设计模式 缓存 Kubernetes
分布式系统架构与云原生—阿里云《云原生架构白皮书》导读
有幸作为阿里云MVP提前获得了阿里云云原生团队编写的《云原生架构白皮书》,希望通过自己对于云原生的理解为开发者提供一篇观后感或者是能够参考的博文
13255 0
分布式系统架构与云原生—阿里云《云原生架构白皮书》导读
|
9月前
|
存储 数据管理 分布式数据库
《一文读懂分布式数据库:打破数据存储的边界》
随着数据量的激增,单台服务器难以满足存储和处理需求,分布式数据库应运而生。它通过将数据分散存储在多个节点上,实现高可扩展性、高可用性、性能提升等优势。例如,跨国公司可将各地数据存储在本地节点,降低传输成本并提高稳定性。此外,分布式数据库还具备数据分布灵活性、成本优势及一致性保障,为企业管理海量数据提供了高效解决方案。其广泛应用在互联网、金融等领域,展现出巨大潜力。
413 0
|
机器学习/深度学习 自然语言处理 算法
人类偏好对齐训练技术解析
大型语言模型(LLMs)通过在大量文本数据集上进行无监督预训练,获得丰富的语言模式和知识,这一阶段训练后的模型被称为base model。
|
机器学习/深度学习 测试技术 数据处理
KAN专家混合模型在高性能时间序列预测中的应用:RMoK模型架构探析与Python代码实验
Kolmogorov-Arnold网络(KAN)作为一种多层感知器(MLP)的替代方案,为深度学习领域带来新可能。尽管初期测试显示KAN在时间序列预测中的表现不佳,近期提出的可逆KAN混合模型(RMoK)显著提升了其性能。RMoK结合了Wav-KAN、JacobiKAN和TaylorKAN等多种专家层,通过门控网络动态选择最适合的专家层,从而灵活应对各种时间序列模式。实验结果显示,RMoK在多个数据集上表现出色,尤其是在长期预测任务中。未来研究将进一步探索RMoK在不同领域的应用潜力及其与其他先进技术的结合。
559 4
|
SQL 关系型数据库 分布式数据库
用Ganos低代码实现免切片遥感影像浏览
本文介绍了一种基于PolarDB兼容PostgreSQL 14的高效栅格数据管理和可视化方案。推荐配置包括4核CPU、16GB内存、50GB磁盘等。通过创建扩展并上传影像至OSS,利用SQL语句完成数据导入、镶嵌、匀色及金字塔构建。重点介绍了使用ST_AsTile函数动态生成标准瓦片的方法,支持多种格式和增强方式。前端通过Python实现服务接口,实现实时、高效的数据展示。此方案具有实时性强、存储成本低等优点,适合快速可视化大量栅格数据。
197 0
|
消息中间件 Kafka 数据处理
Apache Flink:流式数据处理的强大引擎
【6月更文挑战第8天】Apache Flink是开源的流处理框架,专注于高效、低延迟的无界和有界数据流处理。它提供统一编程模型,支持实时与批量数据。核心概念包括DataStreams、DataSets、时间语义和窗口操作。使用Flink涉及环境设置、数据源配置(如Kafka)、数据转换(如map、filter)、窗口聚合及数据输出。通过丰富API和灵活时间语义,Flink适于构建复杂流处理应用,在实时数据处理领域具有广阔前景。
|
机器学习/深度学习 自然语言处理 算法
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码
|
IDE API 开发工具
鸿蒙(HarmonyOS)项目方舟框架(ArkUI)之Progress组件
鸿蒙(HarmonyOS)项目方舟框架(ArkUI)之Progress组件
525 2
|
XML 消息中间件 传感器
HTTP 与 MQTT:为您的 IoT 项目选择最佳协议
HTTP 与 MQTT:为您的 IoT 项目选择最佳协议
2307 2