erdas里面的rpc模型是分传感器的,常用的卫星都有专门对应的模型.直接用rpc纠正会有些误差,当然如肢渣者果你认为可以接受到无所谓了.最好是有参考影像和dem,加一些控制点提高纠正精度.
你历薯把多光谱数据和全色数据简单对比一下,看看有没有波段间不匹配,如果还行就直接融合,然后用全色的rpc进行纠正就行.
一、实验目的
通过运用ENVI软件对灌阳地区QuickBird-2遥感影像作对倾斜改正和投影差改正，消除由于系统因素和地形引起的几何畸变，将影像重采样成正射影像，加深对遥感影像正射校正处理的理解，掌握其ENVI软件 *** 作要领。
二、实验内容
①无控制点（橡则前Orthorectify传感器类型）正射校正；②有控制点（Orthorectify传感器类型with Ground Control）正射校正；③有控制点和无控制点正射校正结果差异对比。
三、实验要求
①掌握无控制点的正射校正处理方法；②掌握有控制点的正射校正处理方法；③编写实验报告。
四、技术条件
①灌阳地区QuickBird遥感数据；②与灌阳地区QuickBird-2影像数据匹配的DEM数据；③灌阳地区地面控制点数据；④微型计算机；⑤ENVI软件；⑥ACDSee软件（ver.4.0以上）。
五、实验步骤
ENVI支持的正射校正包括两种模型：RPC有理多项式系数（Rational Polynomial Coeffciient）和严格轨道物理模型（Pushbroom Sensor）,ENVI也可以根据卫星数据提供的轨道参数，生成RPC文件进行正射校正（Map>Build RPCs）。
ENVI提供无控制点（Orthorectify传感器类型）和有控制点（Orthorectify传感器类型with Ground Control）两种正射校正方式。其中无控制点（Orthorectify传感器类型）正射校正方式校正精度取决于RPC文件的定位精度和DEM 数据的分辨率，而有控制点（Orthorectify传感器类型with Ground Control）正射校正方式校正精度梁清不仅取决于RPC文件的定位精度和DEM 数据的分辨率，还利用地面控制点参与正射校正提供了校正精度。具体 *** 作步骤如下。
1.无控制点（Orthorectify传感器类型）正射校正
（1）在ENVI主菜单中，选择“File>Open Exteranl File>QuickBird>GeoTIFF”，选择待校正的灌阳地区QuickBird影像。这里需要注意，当对SPOT5数据作正射校正时，选择数据格式时要选择DIMAP格式。
（2）在ENVI 主菜单中，选择“File>Open Image File”，打开灌阳地区DEM数据。
（3）选择传感器校正模型：在ENVI主菜单中，选择“Map>Orthorectifciation”，选择对应的传感器模型及校正方式，这里我们选择“QuickBird>Orthorectify QuickBird”，选择待校正灌阳地区QuickBird影像，点击【OK】按钮，将出现“Orthorectification Parameters”对话框（图20-1）。
图20-1 Orhtorectification参数设置对话框
（4）在“Orthorectification Paramcters”对话框中，需要设置以下参数。
◎图像重采样方法（Image Resampling）：Bilinear。
◎背景值（Background）: 0。
◎输入高程信息（Input Height）：有DEM 数据（DEM）和平均海拔（Fixed）两种方式。本次实验选择DEM 方式，点击【Select DEM File】按钮，选择打开的DEM数据。
◎DEM 重采样方法（DEM Resampling）: Bilinear,ENVI自动对DEM 进行重采样，生成与校正影像投影和分辨率一致的数据。
◎高程修正系数（Geoid offset）: DEM 的高程值是绝对高程（地面点到大地水准面的距离盯帆），用于正射校正的RPC高程是位势高度（Geopotential Height），这种高度之间相差不大，填写修正参数可以提高一定的正射校正精度。修正参数可以根据图像中心点的经纬度在网站http://www.ngs.noaa.gov/cgi-bin/GEOID STUFF/geoid99 promptl.prl中查询。
◎设置输出结果投影参数（Change Projection）：点击【Change Projection】按钮选择需要的投影方式。
◎输出像元大小（X Pixel Size、y Pixel Size）：输入像元大小值。
（5）选择输出路径及文件名，点击【OK】按钮完成正射校正。
2.有控制点（Orthorectify传感器类型with Ground Control）正射校正
（1）在ENVI主菜单中选择“File>Open External File>QuickBird>GeoTIFF”，选择待校正的灌阳地区QuickBird影像，并使之显示在“Display”中。这里需要注意，当对SPOT5数据作正射校正时，选择数据格式时要选择DlMAP格式。
（2）在ENVI主菜单中选择“File>Open Image File”，打开灌阳地区DEM数据。
（3）选择传感器校正模型。在ENVI主菜单中选择“Map>Orthorectification”，选择对应的传感器模型及校正方式，这里选择“QuickBird>Orthorectify QuickBird with Ground Control”，打开“Ground ControlPoints Selection”对话框（图20-2）。
图20-2 地面控制点选取对话框
（4）选择地面控制坐标的方法可参考本书实验十二中的实验 *** 作步骤。控制点的高程信息可以从DEM数据中读取。
系统根据GCP（3个以上）自动计算RMS Error值，注意这里RMS Error值是以像素为单位。
（5）选择完地面控制点后，在“Ground Control Points Selection”对话框中选择“Option>Orthorectify File”，在文件选择对话框中选择待校正的QuickBird影像，点击【OK】按钮，打开“Orthorectification Parameters”对话框（图20-1）。
（6）“Orthorectification Parameters”对话框参数设置方法同无控制点（Orthorectify传感器类型）的正射校正方法参数设置。
（7）选择输出路径及文件名，点击【OK】按钮完成正射校正。
3.有控制点和无控制点正射校正结果差异对比
完成上述 *** 作后，对灌阳地区QuickBird遥感影像作有控制点和无控制点正射校正，将有控制点校正和无控制点校正的结果分别在“Display”中显示，利用“Geographic Link”功能对比查看两个的结果差异，用WORD文档记录，取名为《有控制点和无控制点正射校正结果差异》，存入自己的工作文件夹。
六、实验报告
（1）简述实验过程。
（2）回答问题：①为何要进行遥感影像正射校正？②通过Geographic Link功能，对比有控制点和无控制点进行正射校正遥感影像的差异，以及进行正射校正和不进行正射校正遥感影像的差异，分析差异产生的原因。
实验报告格式见附录一。
本研究以 2008 年 3 月 16 日地震前 IKONOS 遥感影像和 2008 年 9 月 1 日地震后QuickBird 遥感影像为数据源，采用基于多源多时相变化检测技术开展遥感震害信息提取。
基于多源多时相变化检测技术的遥感震害信息提取数据的预处理不同于普通的遥感影像数据的预处理，其对两时相影像质量的要求较高 ( 不管在辐射校正、几何校正还是影像配准等环节中均要求比较高的精度) ，因为这直接关系到后续震害信息提取的准确性。为满足 “快速、高效、准确”的要求，本节提出了基于变化检测技术的多源多时相遥感震害信息提取影像预处理技术流程穗春 ( 图 4 －2) ，通过实验证明取得了良好效果。
( 一) 无控制点共线方程几何校正法
共线方程建立在图像坐标与地面坐标严格的数学变换关系基础上，是对成像空间几何形态的直接描述。该方法的校正过程需要用到数字高程模型，可以在一定程度上修正因地形起伏而引起的投影差和几何变形。当今，所有的卫星遥感数据都附带了卫星传感器的精确位置、高度、速度、太阳高度角和姿态等参数，这些信息一般保存在遥感影像的头文件或 ＲPC 文件里，所以能够十分方便地在没有地面控制点的情况下使用共线方程几何校正法进行较高精度的几何纠正和定位。
高分辨率遥感影像由于幅宽窄、空间分辨率高，受地球切平面、地球曲率等影响相对较小，影像内部几何畸变较小，所以一般在使用了共线方程几何校正法对高分辨率遥感影像进行几何校正后，都能够达到比较好的效果。由于共线方程几何校正法只需要提供卫星传感器飞行的相关参数就能对影像进行纠正，省去了选取控制点的步骤，节省了时间，满足了 “快捷、准确”的要求，所以本研究选择无控制点共线方程几何校正法对影像进行第一次 “粗”校正。
在 ENVI 软件中，分别读取 IKONOS 和 QuickBird 数据的 ＲPC 文件 ( . txt 格式) ，然后在 Georeference 模块中分别对全色和多光谱波段进行无控制点共线方程的几何校悉族山正。
图 4 －2 遥感震害信息提取影像预处理技术流程图
( 二) 正射校正
遥感图像成图时，由于受到各种不确定因素的影响，例如传感器的成像方式、外方位元素的变化、地形起伏、地球曲率、大气折射等，图像本身的几何形状与睁中其对应的地物形状往往会不一致，发生几何变形 ( 畸变) 。遥感图像的几何变形是指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。为了消除这些因素带来的几何变形，为后续影像配准做好铺垫，还需要利用研究区域的DEM 对影像做数字正射校 正，分别生 成 震 前、震 后 两时相 的 数 字 正 射 影 像 图 ( Digital Orthophoto Map，简称 DOM) 。数字正射纠正的原理就是将中心投影的影像通过数字元纠正形成正射投影的过程 ( 陈文凯，2007) 。
本文的正射校正在 ENVI 软件的 Orthorectification 模块中完成。得到震前、震后两时相的 DOM 后，还应当检查其与 DEM 的匹配情况，与 DEM 同名地物点的点位中误差不能大于表 4 －1 的规定，如果超过规定，需要重新进行正射校正。
表 4 －1 DOM 与 DEM 地物点的点位中误差
( 三) 图像融合
对全色数据与多光谱数据的 DOM 进行融合，形成兼具高分辨率空间信息和多光谱彩色信息的融合影像。融合前须对多光谱数据进行色彩增强处理，拉大不同地类之间的色彩反差，突出其彩色信息同时对影像进行色调调整，提高全色数据的对比度和亮度，增强局部反差，突出纹理细节，降低噪声。融合后须检查影像是否出现重影、模糊等现象，检查影像纹理细节与色彩，判断融合前的处理是否正确，如果存在以上问题，需要返回重新融合。融合后影像如果亮度偏低、灰阶较窄，可采用线性拉伸、亮度对比度等方法进行色调调整，但是应注意尽量保留融合数据的光谱信息和空间信息。
研究为了使融合后的数据仍然保持多光谱特性 ( 四个波段: 红、绿、蓝、近红外) ，便于标准化植被指数 NDVI 的计算，在 EＲDAS 软件下，采用 Subtractive resolution merge 模块( 此种融合方法能够使融合后的数据保持原有的多光谱特性) ，分别对 IKONOS 和 QuickBird数据的全色波段和多光谱波段进行融合，取得了良好的效果 ( 图4 －3、图4 －4) 。
图 4 －3 IKONOS 融合影像 ( 1m)
图 4 －4 QuickBird 融合影像 ( 0. 6m)
( 四) 图像配准
震前、震后 DOM 影像在经过无控制点共线方程几何校正和正射校正之后，已基本实现了叠置，大部分地物都能比较好地重叠在一起，不过也有个别目标存在偏差现象。图 4 －5 中左侧为震后 QuickBird 影像，右侧为 IKONOS 影像，中间黑色划线标注区域的池塘重叠效果存在着偏差，在这种情况下，需要进行影像之间的配准。图像配准也叫影像的精校正，是指消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像过程。
图 4 －5 震前、震后 DOM 影像叠置的效果( 黑色划线区域内存在偏差)
本节所指的图像配准是多图像的几何配准，多图像是指同一地区不同时刻的图像 ( 多时相图像) 或者不同传感器获取的多源图像，这里 IKONOS 和 QuickBird 影像就属于多源多时相遥感影像。多图像几何配准就是指将多图像的同名像点通过几何变换实现精确重叠，通常称为相对配准如果将相对配准后得到的多图像归入同一地图坐标系统当中，就叫做绝对配准。
本研究中震前与震后的融合 DOM 影像之间的配准工作在 EＲDAS 软件的 Image Geometric Correction 模块中进行，以震后 QuickBird 影像 DOM 为参照，选择二次多项式校正模型配准震前 IKONOS 影像 DOM，手动选取了 6 个同名控制点建立了多项式模型之后，这时 EＲDAS 软件会根据模型自动找出后面控制点在图像中对应的位置，这时只要在图像窗口中校正其位置即可，节省了时间。同名配准控制点的残差应当满足表 4 － 2 的要求。共选取 20 个地面控制点 ( GCP) ，这 20 个控制点总的均方根误差 ( ＲMSE) 为 ±1. 0773，各个地面控制点坐标值和 ＲMSE 见表4 －3。最后选择最近邻域法 ( Nearest Neighbor) 对影像进行重采样。
表 4 －2 配准控制点残差
表 4 －3 各个地面控制点的坐标和 ＲMSE
续表
DOM 影像几何配准之后，需要对质量进行检查控制。首先校正震前、震后 DOM 影像的同名地物点的点位中误差不能大于表 4 －4 的规定，另外检查两个时相的 DOM 影像与土地利用现状图 ( LUDＲG) 的匹配情况，精度不能大于表 4 － 5 的规定。如果不满足要求，还需要利用土地利用现状图对两时相 DOM 影像进行第二次配准。
表 4 －4 多时相 DOM 同名地物点配准精度
表 4 －5 DOM 相对于土地利用现状图的精度
( 五) 影像辐射增强处理
由于震前、震后 DOM 影像获取的时间不同，地面接收到的太阳辐射度不同，加之高分辨率遥感影像本身像元间光谱的异质性较强，使得两个 DOM 影像在外观上肯定存在一些差异，对震害变化信息检测带来不利影响。为了消除这些不利影响，提高震害信息提取精度，需要事先对震前、震后两时相 DOM 影像做辐射增强处理，主要包括自适应性滤波处理和直方图匹配。
为了控制高分辨率遥感数据中的随机噪声 ( 随机噪声往往影响地类之间的均匀性及边界的稳定性) 和像元间光谱的强异质性，需要对影像进行空间滤波处理。本研究采用 ENVI 软件中的 Frost 自适应性滤波对震前、震后 DOM 影像进行滤波处理，在降低像元光谱异质性，使影像平滑的同时，较好地保持了地类边缘和纹理的清晰。Frost 自适应性滤波是以权重为自适应调节参数的滤波器，对每一个像元都确定一个权重，然后逐个进行滤波。
本研究所说的直方图匹配是指对图像查找表进行数学变换，使一幅多光谱遥感图像所有波段的直方图与另一幅遥感图像所有对应波段相似，其经常用于相邻图像之间的拼接或者多时相遥感图像动态变化信息检测研究的预处理工作，经过直方图匹配可以消除部分由于太阳高度角或者大气辐射造成的多源遥感影像间光谱信息的差异性 ( 党安荣等，2003) 。
本研究在 EＲDAS 软件中以震后 QuickBird 影像 DOM 为标准，对震前 IKONOS 影像DOM 的各个波段完成直方图匹配处理。从上节融合后的结果 ( 图 4 － 3、图 4 － 4) 中可以发现，QuickBird 融合影像在研究区域内存在一片厚厚的云层以及由云层引起的阴影，导致云层和阴影范围内的信息完全丢失，严重影响了数据质量。在这种情况下，使用去除薄云的处理方法无法解决问题，然而也不能使用去除厚云的替补方法，因为后续工作是震害变化信息的提取，如果用其他的影像数据进行替换 ( 例如灾前 IKONOS 数据) ，势必会影响到后面变化信息提取的精度。经过综合考虑，决定在不能修复厚云及其阴影区域的情况下，通过分类单独提出云层和阴影，然后建立掩膜图层，在 QuickBird 影像上剔除上述区域，不参与后续研究。同样在震前 IKONOS 影像上也剔除掉相同的区域。最终经过辐射增强处理以及剔除厚云和阴影部分的前、后两时相 DOM 影像效果见图 4 －6 和图 4 －7。
图 4 －6 IKONOS 最终 DOM 影像 ( 1m)
图 4 －7 QuickBird 最终 DOM 影像 ( 0. 6m)
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）