卫星影像纠正
- 格式:ppt
- 大小:1.81 MB
- 文档页数:6
高分卫星校正参数
不同高分卫星的校正参数可能有所不同,以高分二号为例,其大气校正的步骤为:
1. 打开“大气校正模块”,点击“刷新大气校正”。
2. 输入已进行辐射校正的多光谱影像。
3. 选择“第二个”选项,选择大气校正输出的文件路径,该选项默认为文件夹。
经纬度的设置一般会自动读取设置传感器类型。
4. 根据影像选择高分二号卫星,选择PMS1传感器,平均海拔需自行获取,选择“open world date”。
5. 点击“最后一个”,打开工具箱,点击“statistics”。
打开“计算机坏数据统计”,点击“高程数据”,再点击“悲悯子集”,然后点击“file”,选择已进行辐射定标的影像,最后点击“ok”。
6. 查看平均海拔,海拔约为3094.93米,即3.095千米。
系统会自动读取影像拍摄时间,如有需要,也可以手动查询,点击“time”即可查看。
7. 选择大气模型,根据表格选择“t”开头的选项,根据影像气溶胶模型选择“rural 乡村气溶胶繁衍参数”的设置。
对于未被识别的数据,选择“none”,点击“应用”,即可打开已进行大气校正的影像。
若你还想了解其他高分卫星的校正参数,可以再次向我提问。
遥感影像纠正的方法与技巧随着科技的不断发展,遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而,在获取遥感影像后,由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此,进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比,通过匹配相同地物或地点的像素点,从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点,并将其与参考影像中的特征点进行匹配,从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性,确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标(如道路交叉口、建筑物等)并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算,从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正,以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确,同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响,将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
Geomatica9.1正射校正ZY3卫星影像流程该影像操作流程适用于PCI Geomatica9.1及以上版本。
正射纠正前先把原始数据中的*.txt文件修改为*_RPC.txt。
正射校正步骤:1、工程设置,启动OrthoEngine,点击file/NEW,在filename处给新建的工程命名。
2、设置投影信息,添加输出影像的投影方式、空间分辨率及参考资料控制点的投影信息;3、导入数据;4、采集控制点5、正射校正,输入DEM,设置输出路径,名称,工作缓存,采样间隔,采样方式等相关参数。
PCI 10.3软件制作核线影像操作流程1.打开PCI主菜单,选择OrthoEngine正射模块,如下图所示,建立工程,选择选项。
注意Options选项下应选择第二项Rational Function(Extract from image),让软件自动选取适合的RPC文件格式。
工程设置2.第二步是设置输入输出影像的坐标系统和影像分辨率。
坐标系统设置3.输入影像,只要在“New Image”中能够打开影像,就说明能够读入它的RPC文件,只是无法显示出来而已,在输出的结果中会体现出来。
如图打开前后视和正视影像。
读入影像界面4.控制点和连接点的选取界面。
控制点、连接点选取界面5.模型计算,会出现完成提示。
6.生成核线影像,目的是显示立体效果和为提取DEM做准备,将前后视影像分别赋予左右影像。
7.然后打开核线影像,用红绿眼镜就能够看到立体效果了。
8.提取DEM结果,设置输出分辨率,本实验输出为8m分辨率的DEM结果。
DEM提取。
有理函数模型在光学卫星影像几何纠正中的应用张过;李扬;祝小勇;唐新明【摘要】分析了中国光学卫星影像的严密成像几何模型,并采用有理函数模型(RFM)拟合严密成像几何模型,分别对"资源二号"两景影像(平原与山区)和"遥感二号"一景影像进行了几何纠正试验.试验中,参考相应地区1:10000数字正射影像(DOM)选取一定数量的控制点用于精化有理函数模型参数,结合相应地区1:10000数字高程模型(DEM)对影像进行正射纠正,纠正精度反映了RFM拟合严密成像几何模型的正确性,但同时也反应了中国光学卫星与法国、美国光学卫星在内检校工作上的差距.【期刊名称】《航天返回与遥感》【年(卷),期】2010(031)004【总页数】7页(P51-57)【关键词】严密成像几何;有理函数模型;几何纠正;光学卫星【作者】张过;李扬;祝小勇;唐新明【作者单位】武汉大学测绘遥感信息工程国家重点实验室,武汉,430079;国家测绘局卫星测绘应用中心,北京,100830;湖北省环境科学研究院环境规划研究所,武汉,430072;国家测绘局卫星测绘应用中心,北京,100830;国家测绘局卫星测绘应用中心,北京,100830【正文语种】中文【中图分类】TP7511 引言随着航天科技的发展,我国资源卫星和遥感卫星陆续发射升空,国内测绘卫星数据应用越来越广泛。
国产光学卫星如“资源一号”、“资源二号”和“遥感二号”等都已稳定在轨运行。
虽然国产光学卫星影像分辨率在不断提高,但影像的几何定位精度仍然较低,这在一定程度上影响了影像的有效利用,造成卫星资源的巨大浪费。
因此,研究提高国产光学卫星影像的几何定位精度的方法具有重要意义。
“资源二号”卫星(ZY-2)是推扫式光学遥感卫星,其全色影像空间分辨率为3m,面幅为30km×30km,主要用于国土资源勘查、环境监测与保护、城市规划、农作物估产、防灾减灾和空间科学实验等领域。
测绘技术中的卫星影像处理常见问题与解决引言在现代测绘技术中,卫星影像处理是一项重要的工作。
卫星影像可以提供大范围、高分辨率的地理数据,广泛应用于土地利用规划、环境监测、自然资源管理等领域。
然而,卫星影像处理中存在一些常见问题,如影像质量、图像配准、地物提取等。
本文将对这些问题进行探讨,并提供相应的解决方法。
影像质量问题卫星影像的质量是进行后续处理的基础。
然而,在实际应用中,我们会遇到一些质量问题,如云遮挡、条纹噪声等。
云遮挡是由于云层遮挡导致所获取的影像区域出现缺失。
为了解决这个问题,我们可以采用多时相遥感数据融合的方法。
通过将多个时相的影像融合起来,可以减少云遮挡带来的影响。
另外,条纹噪声是由卫星传感器器件故障或处理过程中的一些干扰因素引起的。
我们可以通过使用滤波算法来降低条纹噪声的影响,例如中值滤波、均值滤波等。
这些滤波算法可以有效地提高影像的质量,提供更准确的地理信息。
图像配准问题图像配准是指将不同时刻、不同空间分辨率的卫星影像进行位置、尺度和方向的匹配。
在实际操作中,我们常常会遇到图像配准不准确的问题。
这可能是由于大地控制点选取错误、影像几何校正不精确等原因引起的。
为了解决这个问题,我们可以采取以下措施。
首先,进行高精度的大地控制点的选择,尽量选取地物边缘清晰、易于识别的区域作为控制点。
然后,进行影像几何校正,确保影像的几何信息与实际地理位置相匹配。
另外,我们还可以使用辅助数据来对卫星影像进行配准。
例如,利用地面GPS观测数据来纠正影像的位置误差,提高配准精度。
地物提取问题地物提取是指从卫星影像中提取出感兴趣的地物信息。
在实际应用中,我们常常会面临地物提取不准确的问题。
这可能是由于地物边界模糊、光照条件变化等原因引起的。
为了解决这个问题,我们可以采取以下措施。
首先,选择合适的地物提取方法。
不同的地物可能需要采用不同的提取算法。
例如,对于建筑物提取,可以使用纹理特征或形状特征进行分割。
其次,进行多尺度分析。
有理函数模型在光学卫星影像几何纠正中的应用有理函数模型在光学卫星影像几何纠正中的应用摘要:本文主要研究了有理函数模型在光学卫星影像几何纠正中的应用。
通过对这种模型的劣势及特点等进行分析,采用实际影像数据测试,验证了有理函数模型在影像几何纠正中的应用效果,证明了这种模型在光学卫星影像几何纠正中的应用的可行性及优越性。
关键词:有理函数模型;光学卫星影像;几何纠正;应用。
引言随着卫星技术的不断进步,光学卫星影像在诸多领域得到了广泛应用。
但影像中传输及恢复过程中,有时会产生几何形变等问题,影响影像的精度。
因此,准确的几何纠正就十分重要。
目前,有理函数模型在几何纠正中应用广泛,取得了显著效果。
本文主要探讨了有理函数模型在光学卫星影像几何纠正中的应用,旨在为该领域的研究提供新思路和参考。
1.有理函数模型的劣势及特点有理函数模型是众多几何纠正模型中的一种,优点是具有一定的灵活性与准确度。
但它也有一些劣势,比如:对于非单叶区域的图像变换,有理函数模型常常无法满足要求并出现问题;而且,在处理大规模数据时,速度较慢,花费较高。
在实际应用中,我们需要根据具体情况进行选择。
2.有理函数模型在光学卫星影像几何纠正中的应用影像几何纠正的目标,就是通过对影像中的空间点位置进行变换,使其在经过校正变换后,与真实世界中对应的点的位置相对应。
其中,有理函数模型是一种被广泛应用的模型,并已取得了显著的应用效果。
通过实际数据的测试,证明了其适用于光学卫星影像几何纠正的实际情况。
有理函数模型的应用涵盖了比例变换,位置变换和畸变等多方面。
该模型在实际使用过程中,具有高精度、低误差、计算速度快等优点。
通过正确的参数设置,大大提高了光学卫星影像纠正的精准度和准确性。
3.结论与展望通过对有理函数模型在光学卫星影像几何矫正中的应用实验证明了其在几何矫正领域中的优越性。
但该模型仍存在数据规模限制等问题,所以在今后的研究中,我们需要考虑如何解决这些问题,进一步完善该模型。
北京揽宇方圆信息技术有限公司遥感数据影像正射纠正流程随着遥感技术的发展人们对于卫星遥感影像的需求也越来越高,同时对于卫星遥感影像的质量要求也越来越高,不同的工作对于遥感影像的需求也不同,因此需要对卫星遥感影像进行预处理,提高影像的质量,满足不同人群对于卫星遥感影像的需求,所以卫星遥感影像的处理就显得尤为重要。
卫星遥感影像处理常用的软件:ERDAS IMAGINE、PCI(PCI Geomatica)、ENVI等。
影像纠正遥感图像在成像时,由于成像的投影方式、传感器外方位元素变化、传感介质的不均匀、地球曲率、地形起伏、地球旋转等因素的影响,使获得的遥感影像相对于地表目标存在一定的几何变形,图像上的几何图形与该地物所选定的地图投影中的几何图形产生差异,产生了几何形状或位置的失真。
主要表现为位移、旋转、缩放、仿射、弯曲和更高阶的歪曲。
消除这种差异的过程称为几何校正。
为了降低用户专业水平需求,扩大用户面,同时避免核心技术泄露,绝大部分卫星数据向用户提供一种与传感器无关的通用型成像几何模型——有理函数(RPC)模型,替代以共线条件为基础的严格几何模型。
影像融合现代遥感技术的显著特点是尽可能地搜集多种传感器、多级分辨率、多谱段和多时相技术于一身,使人们可以获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。
对于遥感影像解译来说,使用融合后的影像比单独使用可见光影像或者多光谱影像更为有效;而对于遥感影像分类来说,融合后的影像提供了更多的细节信息,可以显著提高分类结果的准确性。
遥感影像融合根据融合水平来划分,可以分为:像素级触合、特征级融合和决策级融合。
(1)像素级融合尽可能多的保留信息,具有最高的精度,是三级中研究最为成熟的一级。
(2)特征级融合是一种中等水平的融合。
首先将遥感数据进行特征提取,然而按照特征信息对多源数据进行分类、聚集和综合,产生特征向量,而后融合这些特征向量。
(3)决策级融合是最高水平的融合。
如何进行卫星影像的几何校正与拼接卫星影像在现代社会中扮演着不可或缺的角色。
从农业、环境监测到城市规划和灾害管理,卫星影像为我们提供了大量的地理信息。
然而,由于卫星的运动和大气条件的影响,卫星影像在获取后通常需要进行几何校正和拼接,以确保其精确性和连续性。
本文将探讨如何进行卫星影像的几何校正与拼接。
首先,几何校正是卫星影像处理中的关键步骤之一。
由于卫星在拍摄过程中可能受到运动、地球曲率和大气透明度等因素的影响,卫星影像常常会出现位置偏差、造成失真。
为了解决这个问题,我们需要进行几何校正。
几何校正可以分为两个主要步骤:地位确定和图像纠正。
首先,地位确定是通过使用全球定位系统(GPS)和地面控制点来确定影像的真实位置。
通过收集高精度的GPS数据,可以确定卫星影像的位置信息,从而消除图像的位置偏差。
其次,图像纠正是通过对影像进行数学变换来消除失真。
常见的图像纠正方法包括投影转换和变换校正。
投影转换是将卫星影像投影到一个已知参考系统中,以消除地球曲率和投影畸变。
变换校正是通过对图像进行旋转、平移和缩放等操作,以匹配其他影像或地理坐标系统。
几何校正不仅可以提高卫星影像的精确性,还能使其与其他地理数据集集成,实现多源数据的无缝连接。
卫星影像的几何校正为地理信息系统(GIS)的应用提供了可靠的数据源,为决策制定和规划提供了重要的依据。
在卫星影像的几何校正之后,拼接是另一个重要的处理过程。
由于卫星的视场通常有限,对于较大区域的影像获取,会涉及到多个传感器和多个影像。
拼接可以将这些不同的影像拼接在一起,实现无缝连接。
拼接的挑战在于不同影像之间的色彩、亮度和光照条件的差异,以及地面特征的连续性。
为了解决这个问题,我们可以使用图像匹配和色彩校正算法。
图像匹配能够将不同影像中相似的特征点进行匹配,并计算它们之间的几何变换关系。
色彩校正则通过对不同影像的色彩和亮度进行调整,使它们在拼接后看起来连贯一致。
除了传统的拼接方法,现在还出现了一些新的技术和算法,如无缝拼接和多视差拼接。
WorldView卫星影像正射纠正及精度分析有理函数模型(RFM)是与具体传感器无关的通用的模型。
本文通过实验得出,利用RMF并辅以适量的GCP来处理WorldView卫星影像,可以得到更高精度的正射影像,并进一步对纠正精度进行分析。
标签:WorldView高分辨率遥感卫星;有理函数模型(RFM);正射纠正;精度分析引言高分辨率卫星是航天技术的发展和社会经济发展高速增长共同推动的产物。
1999年,第一景商业遥感卫星影像IKONOS出现在市场上以来,QuickBird、OrbView、WorldView等一系列高分辨率遥感卫星相继面世。
用户为处理这些各不相同的新型传感器数据,需要获取传感器的镜头构造、成像方式及卫星轨道等信息,来建立卫星传感器的严格轨道模型不断完善影像处理系统,这给用户带来诸多不便。
而出于技术保密,高分辨率卫星影像的传感器镜头构造、成像方式及卫星轨道等信息并不公开,用户就无法建立严格成像模型。
要及時快速地处理这类高分辨率遥感卫星影像数据,使用与传感器无关的通用模型代替严格卫星轨道模型成为解决这一问题的有效途径。
基于有理函数的通用传感器模型,因考虑了高程因素,纠正精度仅次于共线方程,得到人们的普遍关注和全面研究。
1 有理函数模型(RFM)有理函数模型(Rational Function Model,简称RFM)是把像点坐标表示为以相应地面点空间坐标为自变量的多项式的比值。
有理函数模型的系数(RFC)有两种来源:一种是数据分发商将其作为影像元数据的一部分提供给用户,用户使用有理函数信息校正卫星影像。
另外一种是采集适量的地面控制点(Ground Control Point,简称GCP)来解算有理函数模型的系数。
在实际应用中,为充分保证卫星影像的纠正精度,一般采用采集适量的GCP来解算RFC这一方法。
4 分析与结论(2)利用最小二乘法原理和一定量的控制点来解算有理函数模型的系数,RFM的函数关系只在控制点位上是比较严格的,而在其他点则是近似的。
如何利用测绘技术进行正射纠正正射纠正(orthorectification)是一种利用测绘技术对航空影像或卫星影像进行准确投影的处理过程。
它能够消除影像中由于传感器位置、地貌起伏等因素导致的畸变,使得影像能够以正常的比例、真实的形态呈现地面特征。
正射纠正在很多领域都具有广泛的应用,包括土地规划、环境监测、资源调查以及灾害预警等。
正射纠正的关键是建立地面控制点(GCPs)和数字高程模型(DEM),以利用这些数据来进行影像的几何校正。
地面控制点是已知具有精确地理位置坐标的点,通常通过全球定位系统(GPS)或其他测量手段进行采集。
数字高程模型则是对地表地形进行数值计算或遥感技术获取的数据,它能够提供地面高程信息,帮助纠正影像中的高程畸变。
利用测绘技术进行正射纠正的步骤包括地面控制点的选择和采集、数字高程模型的生成以及影像的纠正处理。
首先,选择合适的地面控制点是非常重要的,这些控制点应该覆盖影像的不同地貌区域,并具有较高的位置精度。
控制点的采集可以通过GPS测量或者人工测量的方式进行,确保其精度满足要求。
其次,生成数字高程模型是进行正射纠正的基础工作。
数字高程模型可以通过雷达测高、激光测高、测绘测量或影像匹配等技术获取。
对于大范围的影像纠正,通常采用全球DEM或区域DEM进行辅助。
数字高程模型不仅用于地形信息的校正,还可以提供地物高度的信息,对于一些地貌复杂的区域尤为重要。
最后,进行影像的纠正处理。
根据选择的地面控制点和数字高程模型,通过几何投影和坐标变换等算法进行影像的纠正,使得影像能够与地面特征精确地对应起来。
通常,正射纠正的结果是一个以真实的地理位置坐标系为基准的影像,可以直接进行地理信息系统(GIS)分析和后续的数据处理。
利用测绘技术进行正射纠正有着广泛的应用前景。
在土地规划和土地利用规划方面,正射纠正后的影像能够提供更准确的地表特征信息,为决策提供科学依据。
在环境监测和资源调查方面,通过正射纠正可以对地表进行精细的监测和测量,提供准确的地表变化信息。
基于通用RPC文件的卫星影像正射纠正应用摘要:利用航空或航天摄影像片制作正射影像图,是当前地理信息系统建设和遥感应用中非常重要的内容。
本文以alos卫星影像为例,介绍在envi软件中生成通用rpc和正射影像制作过程,本方法通过实际生产,验证了其方法生产的正射影像精度可靠,解决了无rpc文件时对山区影像很好消除地形高差引起的变形问题。
关键词:abstract: this paper take alos satellite images for example, introduced in the envi software to generate a general-purpose rpc and orthophoto production process, and by actual production, verify its method of production of orthophoto accuracy to solve the rpc file on the mountain image very well eliminate the problem of deformation caused by the terrain elevation.中图分类号 : p185.18文献标识码: a 文章编号:一.dom是指消除各种影像变形后与地面物体形状相似,成一定比例并带有坐标的数字影像地图,也称数字正射影像图(digital orthor map)。
在测绘生产中,4d产品dlg、drg、dem、dom是目前的主要内容,正射影像图dom做为其中一种新产品,以其直观、信息丰富等特点,成为测绘产中一重要部分。
在dom产品指标中,像点精度、地面分辨率、色彩、反差是主要的内容,而dom影像点坐标精确度,是一项很重要指标,如果不同像片的dom坐标不一致,将无法做为影像图使用,也无法完成相互之间的拼接,也就无法制作合格的dom产品。
SAR(Synthetic Aperture Radar,合成孔径雷达)影像处理中的轨道纠正是一个关键步骤,用于校正由于卫星轨道不完美引起的影像畸变。
这个过程旨在使SAR影像在地球上的位置准确,以便进一步的应用,比如地图制图、地表变化检测、环境监测等。
以下是一般的轨道纠正处理步骤:1. **卫星轨道数据获取:** 首先需要获取卫星的轨道数据,包括卫星的位置、速度、姿态等信息。
这些数据通常由卫星运营商提供,也可以从其他资源获得。
2. **SAR数据预处理:** 在进行轨道纠正之前,需要对原始SAR数据进行一些预处理步骤,包括校正辐射斜距、去除大气和干涉等。
3. **地球表面坐标转换:** 使用卫星轨道数据和地球的椭球模型,将SAR数据中的像素坐标(通常是距离和方位)转换为地球表面上的地理坐标(通常是经度和纬度)。
4. **轨道校正:** 轨道校正是校正卫星在拍摄SAR影像时的轨道不稳定性引起的像素位置偏移。
这可以通过调整像素的位置来实现,使其在地球表面上的位置准确。
5. **多视差校正(如果需要):** 如果采用多视差SAR系统,还需要进行多视差校正,以校正不同视差通道之间的相位偏移。
6. **地形校正(如果需要):** 在某些应用中,还需要进行地形校正,以考虑地形对SAR数据的影响。
7. **输出地理参考影像:** 处理完成后,输出地理参考的SAR影像,其中每个像素都与地球上的特定地理位置对应。
轨道纠正是SAR影像处理的重要一步,它确保了SAR影像在地理空间中的准确性和一致性。
这对于许多应用,如地质勘探、军事情报、灾害监测等,都至关重要。
这个过程通常需要专业的SAR影像处理软件和专业知识来执行。
测绘技术中的卫星图像配准与校正方法引言近年来,随着卫星技术的迅猛发展,卫星图像在测绘领域的应用日益广泛。
然而,由于卫星图像采集时存在的各种误差和扭曲,其准确性和精度往往难以保证。
因此,卫星图像配准与校正成为了测绘技术中一项重要的工作。
本文将介绍卫星图像配准与校正的基本原理和常用方法,以及一些相关的技术挑战和未来发展方向。
一、卫星图像配准原理卫星图像配准是指将多幅图像转换为同一参考坐标系下的过程,以实现图像之间的几何一致性。
配准主要包括两个方面的处理:坐标配准和几何配准。
坐标配准是指通过坐标变换,将图像映射到某一统一的坐标系统中,从而实现图像之间坐标的一致性。
而几何配准则是对图像进行几何变换,使其在空间位置和形状上与参考图像相匹配。
二、卫星图像配准的基本步骤卫星图像配准一般包括以下几个基本步骤:图像预处理、特征提取、特征匹配、参数估计和图像变换。
首先,对原始图像进行预处理,包括去除噪声、纠正辐射定标等。
然后,通过特征提取算法,从图像中提取出能够描述其几何变化的特征点或特征区域。
接下来,利用特征匹配算法,将待配准图像中的特征点或特征区域与参考图像中的对应特征进行匹配。
通过匹配得到的特征点或特征区域,可以估计出图像间的几何变换参数。
最后,根据参数估计结果,对待配准图像进行几何变换,使其与参考图像在空间位置和形状上尽可能一致。
三、卫星图像配准常用方法1. 特征点匹配法特征点匹配法是卫星图像配准中最常用的方法之一。
该方法通过提取图像中的特征点,并计算其特征描述子,然后利用描述子之间的相似性度量,找出待配准图像中与参考图像对应的特征点。
最常用的特征点匹配算法包括SIFT和SURF等。
由于这些算法具有较好的尺度、旋转和光照不变性,因此可以在不同的尺度和角度下找到相应的匹配点,从而实现多尺度、多视角下的图像配准。
2. 匹配窗口法匹配窗口法主要应用于具有相邻或重叠区域的图像配准,例如航空影像中的正射影像配准。
该方法通过设定一个窗口,然后在待配准图像和参考图像中分别搜索与该窗口内相似度最高的区域,并确定其位置偏差作为图像间的几何变换参数。