测绘技术中的地理配准方法简介地理配准是测绘技术中至关重要的一个环节，它是将不同来源、不同标准的地理信息数据整合为统一的坐标系统的过程。
合理和精确的地理配准方法对于地理信息数据的准确性和有效性具有至关重要的影响。
本文将对地理配准方法进行简要介绍，包括常见的数学模型和配准算法。
1.数学模型数学模型是地理配准的基础，它用于描述不同数据源之间的空间关系。
最常用的数学模型包括最小二乘法、仿射变换和投影变换等。
（1）最小二乘法最小二乘法是一种经典的拟合方法，它通过最小化残差平方和来确定最优配准参数。
在地理配准中，最小二乘法常用于平面配准，可以通过控制点的坐标误差来估计配准参数。
（2）仿射变换仿射变换是一种保持线性关系的坐标变换方法，它包括平移、旋转、缩放和错切等操作。
在地理配准中，仿射变换常用于校正图像、配准遥感影像等。
（3）投影变换投影变换是将地球表面的三维坐标映射到二维平面上的方法，它通常用于地理坐标系与地图投影坐标系之间的转换。
在地理配准中，投影变换可以用来实现不同空间数据之间的配准。
2.配准算法配准算法是根据数学模型进行计算和处理的方法，它包括点匹配、特征匹配和影像配准等。
（1）点匹配点匹配是最基本的配准方法，它通过选取一些具有明显特征的控制点，计算它们之间的几何变换关系，进而确定配准参数。
点匹配适用于具有明显点特征的数据，如地理图像、卫星遥感影像等。
（2）特征匹配特征匹配是一种可以提取图像局部特征的配准方法，它通过提取特征点或特征描述子，并计算它们之间的相似度来进行匹配。
特征匹配适用于存在较多局部特征的数据，如数字地图、空照图像等。
（3）影像配准影像配准是将不同时间或不同传感器获取的遥感影像配准到同一坐标系统的方法。
影像配准常使用基于特征的方法，如尺度不变特征变换（SIFT）、快速特征匹配（SURF）等。
同时，影像配准还可以利用影像边界信息进行辅助配准。
3.地理配准的应用地理配准广泛应用于各个领域，如地图制图、遥感影像处理、地理信息系统（GIS）等。
MATLAB中的图像配准与匹配方法图像配准与匹配是计算机视觉领域的重要研究方向。
配准指的是将多幅图像在空间上对齐，使得它们之间的特定特征点或特征区域对应一致。
匹配则是在已经配准的图像中寻找相似的图像区域。
在实际应用中，图像配准与匹配常用于医学图像分析、遥感影像处理、计算机视觉等领域，具有广泛的应用前景。
MATLAB作为一种强大的数值计算与数据可视化软件，提供了丰富的图像处理和计算机视觉函数，使得图像配准与匹配任务变得更加简便和快捷。
下面将介绍几种常用的MATLAB图像配准与匹配方法。
一、基于特征点的图像配准特征点是图像中具有鲁棒性和独特性的点，常常用于图像配准任务。
在MATLAB中，可以使用SURF(Speeded-Up Robust Features)或SIFT(Scale-Invariant Feature Transform)等函数来检测图像中的特征点。
然后可以通过计算特征点间的相似度或使用一致性约束等方法来对图像进行配准。
二、基于图像区域的图像配准除了特征点外，图像的局部区域也可以作为配准的参考。
一种常用的方法是使用归一化互相关(Normalized Cross Correlation)来度量两幅图像之间的匹配度。
在MATLAB中，可以使用normxcorr2函数来实现归一化互相关操作。
该函数将两幅图像进行归一化，并计算它们之间的互相关系数，从而确定最佳的配准位置。
三、基于形态学的图像配准形态学图像处理是一种基于形态学运算的图像处理方法。
它利用图像中的形状、结构和拓扑信息来进行图像处理和分析。
在图像配准中，形态学操作可以用来提取图像区域的形状信息，并进行形状匹配。
在MATLAB中，可以使用bwmorph函数进行形态学操作，例如腐蚀、膨胀、开运算、闭运算等，从而实现图像的配准与匹配。
四、基于变换模型的图像配准图像配准中常常涉及到图像的几何变换，例如平移、旋转、缩放、投影变换等。
在MATLAB中，可以使用imwarp函数来对图像进行几何变换和配准。
目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。
2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。
由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。
简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。
本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。
3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。
[2]特征变化大的地区需要多选。
[3]图像边缘部分一定要选取控制点。
[4]尽可能满幅均匀选取。
[5]保证一定数量的控制点，不是控制点越多越好。
4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。
