遥感图像处理—几何校正.pdfVIP

遥遥感感图图像像处处理理—⼏⼏何何校校正正 　　本节将从原理和代码两个⽅⾯讲解遥感图像的⼏何校正。 原理 　　⾸先介绍⼏何校正的 念：在遥感成像过程中，传感器⽣成的图像像元相对于地⾯⽬标物的实际位置发⽣了挤压、扭曲、拉伸和偏移等 问题，这⼀现象叫做⼏何畸变。⼏何畸变会给遥感图像的定量分析、变化检测、图像融合、地图测量或更新等处理带来的很⼤误差，所以需 要针对图像的⼏何畸变进⾏校正，即⼏何校正。 　　⼏何校正分为⼏何粗校正和⼏何精校正。粗校正是利⽤空间位置变化关系，采⽤计算公式和辅助参数进⾏的校正，叫做系统⼏何校正； 精校正是在此基础上，使图像的⼏何位置符合某种地理坐标系统，与地图配准，调整亮度值，即利⽤地⾯控制点 （GCP）做的⼏何精校正。 　　⼏何校正步骤：1.空间位置的变换 （像元坐标）2.像元灰度值的重新计算，即重采样。 　　1. 坐标变换 　　坐标变换分为直接法和间接法。 　　1）直接法：从原始图像阵列出发，依次计算每个像元在输出图像中的坐标。直接法输出的像元值⼤⼩不会发⽣变化，但输出图像中的 像元分布不均匀。 　　2）间接法：从输出图像阵列出发，依次计算每个像元在原始图像中的位置，然后计算原始图像在该位置的像元值，再将计算的像元值 赋予输出图像像元。此⽅法保证校正后的图像的像元在空间上均匀分布，但需要进⾏灰度重采样。该⽅法是最常⽤的⼏何校正⽅法。 　　由上图可见，直接法直接以原始图像的坐标为基准点，坐标偏移到校正后的图像，坐标的位置有很多出现在了像元的中间位置，所以直 接输出像元值⼤⼩导致像元分布不均匀。 　　⽽对于间接法。以输出图像的坐标为基准点，已经定义在了格点的位置上，此时反算出该点在原始图像上对应的图像坐标，坐标多数落 在像元的中间位置。这⾥采⽤最邻近法、双线性内插和三次卷积法来计算该点的灰度值，达成重采样的⽬的。 　　2. 重采样 　　　图像数据经过坐标变换之后，像元中⼼的位置发⽣改变，其在原始图像的位置不⼀定是整数⾏\列，需要根据输出图像各像元在原始图 像中对应的位置，对原始图像重采样，建⽴新的栅格矩阵。 　　　主要有最近邻法、双线性内插法、三次卷积法。原理这⾥不再叙述。其中最近邻法没有改变图像光谱信息，能保证定量分析的准确 性，但是图像不够平滑。后两者虽然数据连续平滑了，但是光谱信息遭到了破坏，⽐较适合于制图，不适⽤于定量分析。 代码实现 　　　　在熟悉了⼏何校正的原理后，可以动⼿实现这⼀环节。这⾥主要介绍三种⽅法，具体如下。 　　　　1.⾸先介绍最基础也是最底层的⽅法。(这⾥是分步切⽚得到偏移后的坐标，然后重采样） from osgeo import gdal def get_indices(source_ds , target_width, target_height): source_geotransform source_ds .GetGeoTransform() source_width source_ds .GetGeoTransform[1] source_height source_ds .GetGeoTransform[5] dx target_width/source_width dy target_height/source_height target_x np.arange(dx/2, source_ds .RasterXSize, dx) target_y np.arange(dy/2, source_ds .RasterYSize, dy) return np.meshgrid(target_x , target_y) def bilinear(in_data, x , y): x- 0.5 y- 0.5 x0 np.floor(x).astype(int) x 1 x0+1 y0 np.floor(y).astype(int) y 1 y0+1 ul in_data[y0,x0]*(y 1-y)*(x 1-x) ur in_data[y0,x 1]*(y 1-y)*(x-x0) ll in_data[y 1,x0]*(y-y0)*(x 1-x) lr in_data[y 1,x 1]*(y-y0)*(x-x0) return ul+ur+ll+lr