地理配准、图像配准与正射校正
35671 为本文评分:
4.1
地理配准、图像配准与正射校正
匿名作者 2013年10月24日，星期四
在理想情况下，当我们使用影像来帮助解决问题时——例如划定石油泄漏范围，或在精准农业项目中评估作物产量——我们总是希望处理的影像中，每个像素所包含的信息都代表了 XYZ 三维空间中的一个真实位置。遗憾的是，情况并非总是如此。很多时候，传感器提供的数据并不具备所需的精确位置信息。另一些传感器可能会生成未嵌入或未与影像相关联的地理定位信息。在这些以及其他情况下，有哪些方法可以改善像素内信息与其所代表的 XYZ 空间位置之间的关联性呢？
地理配准：
如果一幅影像在交付时没有任何地理定位信息，通常有必要利用一个外部数据源，例如对应区域的数字正射影像（DOQQ），甚至是像谷歌地图这样的在线地图。在最坏的情况下，可能需要在参考数据源中找到与你的影像中同样存在的特征。交叉路口或其他不变的人造物体是很好的参考特征。从参考地图中获取该特征的地理位置，并将此信息赋予影像中对应的像素位置。这样，你的影像就准确地与地球上的某个位置关联起来了。
图像配准：
许多项目需要覆盖非常大区域的数据。有时，影像采集不仅覆盖该区域，还有很大程度的重叠。处理这类影像集合最常见的需求之一是将图像拼接在一起，形成一张镶嵌图。为了创建良好的镶嵌图，应首先对图像进行协同配准，以处理任何时间异常。
这些异常有时是由于影像采集之间固有的惯性测量单元（IMU）误差引入的。在无人飞行器采集数据的新兴领域中，常见的情况是影像具有粗略的地理定位，但可能在采集批次之间存在旋转或其他偏移。特别是在这些情况下，在构建镶嵌图之前，良好的图像协同配准至关重要。
执行图像配准有几种方法。可以将一幅影像配准到另一幅“基准”影像上，其中基准影像是更精确的图像，而待配准的影像会被变形以匹配参考。也可以执行影像到地图的配准，这个过程顾名思义，就是将影像变形以匹配底图。现代软件包中还可使用 HYPARE、NMI 等高级算法来执行高精度的图像配准。
正射校正：
影像可以进行正射校正——这是将像素真正绑定到三维 XYZ 空间真实位置的过程。这可以通过使用具有有理多项式系数（RPCs）的数学模型，或使用考虑了内部传感器模型的几何模型来实现。这些方法分别被称为 RPC 正射校正和严密正射校正。
许多现代传感器在交付影像时会附带 RPCs 数据，正是出于此目的。对于没有关联 RPCs 的影像集合，如果你了解一些关于内部相机方位和外部环境的关键属性，通常可以构建 RPCs。自动连接点生成、一个数字高程模型（DEM）以及几个地面控制点，可以使 RPC 正射校正过程非常精确。
也许，要真正消除所有几何和传感器畸变并获得每个像素在 XYZ 空间中位置的准确表示，最好的方法之一是使用严密的（Rigorous）正射校正方法。要了解更多关于使用 ENVI® 实现这些功能的信息和演示，请于 11 月 20 日参加我的 ENVI 快速学习系列网络研讨会！立即注册，期待与你见面！