实验一:数据读取与几何校正

简介: 实验一:数据读取与几何校正


实验目的

1.学习遥感图像的几何校正方法。

2.学会遥感影像的数据读取

3. 学会用 ENVI 软件采集遥感图像的控制点。

4. 学会用 ENVI 软件对遥感图像进行几何校正。


一、数据读取


显示遥感图像


实验目的

1.学习遥感图像的几何校正方法。

2.学会遥感影像的数据读取

3. 学会用 ENVI 软件采集遥感图像的控制点。

4. 学会用 ENVI 软件对遥感图像进行几何校正。


一、数据读取


显示遥感图像


真彩色显示321

标准假彩色演示432


存储方案转换


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。



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
|
监控 NoSQL Java
十八张图带你入门实时监控系统HertzBeat
我们经常讲:研发人员有两只眼睛,一只是监控平台,另一只是日志平台。在对性能和高可用讲究的场景里,监控平台的重要性再怎么强调也不过分。 这篇文章,我们聊聊开源实时监控告警系统 HertzBeat 赫兹跳动。
十八张图带你入门实时监控系统HertzBeat
|
网络协议
深入理解HTTP的基础知识:请求-响应过程解析
在当今数字化的世界中,理解HTTP协议的基础知识变得至关重要。本文将带您深入探索HTTP的核心概念和请求-响应的过程。HTTP是一种用于在计算机之间传输超文本数据的协议,它不仅定义了数据交换的规则和格式,还为不同的应用程序提供了通信和交换信息的能力。通过深入了解HTTP的请求-响应过程,我们将更好地理解网络通信的基本原理,为构建和优化网络应用打下坚实的基础。
1237 2
基于AutoJs4的快手专业版源码大分享
基于AutoJs4的快手专业版源码大分享
539 0
|
11月前
|
机器学习/深度学习 算法 PyTorch
DeepSeek 背后的技术:GRPO,基于群组采样的高效大语言模型强化学习训练方法详解
强化学习(RL)是提升大型语言模型(LLM)推理能力的重要手段,尤其在复杂推理任务中表现突出。DeepSeek团队通过群组相对策略优化(GRPO)方法,在DeepSeek-Math和DeepSeek-R1模型中取得了突破性成果,显著增强了数学推理和问题解决能力。GRPO无需价值网络,采用群组采样和相对优势估计,有效解决了传统RL应用于语言模型时的挑战,提升了训练效率和稳定性。实际应用中,DeepSeek-Math和DeepSeek-R1分别在数学推理和复杂推理任务中展现了卓越性能。未来研究将聚焦于改进优势估计、自适应超参数调整及理论分析,进一步拓展语言模型的能力边界。
1882 8
DeepSeek 背后的技术:GRPO,基于群组采样的高效大语言模型强化学习训练方法详解
404错误页面源码,简单实用的html错误页面模板
小编精心准备一款404错误页面源码,简单实用的html错误页面模板,简单大气的页面布局,可以使用到不同的网站中,相信大家一定会喜欢的
296 2
404错误页面源码,简单实用的html错误页面模板
|
存储 数据可视化 数据处理
利用python将Excel文件拆分为多个CSV
利用python将Excel文件拆分为多个CSV
337 0
|
小程序 数据安全/隐私保护
基于小程序的校园二手交易系统设计与实现(源码+lw+部署文档+讲解等)
基于小程序的校园二手交易系统设计与实现(源码+lw+部署文档+讲解等)
704 0
|
安全 数据安全/隐私保护 Windows
Windows 用户管理
Windows 用户管理
466 0

热门文章

最新文章