下载文档原格式
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
遥感图像配准技术与精度评定方法引言：遥感图像是通过卫星、飞机等空中平台获取的地球表面的影像数据，它在各个学科领域中有着广泛的应用。
在实际应用中，遥感图像配准技术是一项关键的技术，它能够将多幅图像进行几何校正，以确保它们在同一坐标系下具有一致的几何特征，进而提高遥感影像的解译和分析的准确性。
本文将介绍遥感图像配准技术的原理和方法，并探讨相应的精度评定方法。
一、遥感图像配准技术原理遥感图像配准技术的基本原理是通过提取图像中的特征点，并通过匹配这些特征点来实现图像的几何校正。
根据匹配的原理和方法的不同，遥感图像配准技术可以分为点特征匹配法、区域特征匹配法和基于控制点的配准法等。
1. 点特征匹配法点特征匹配法是基于图像中的离散像素点进行配准的方法。
它通过寻找同一地物的相应像素点，并计算它们之间的几何变换关系来实现图像配准。
这种方法的优点是计算简单，但对于遥感图像中存在复杂地物和纹理的情况，点特征匹配法的效果较差。
2. 区域特征匹配法区域特征匹配法是基于图像中的纹理和结构信息进行配准的方法。
它通过提取图像中的区域特征，并计算它们之间的相似性来实现图像配准。
这种方法的优点是对遥感图像中的复杂地物和纹理有较好的适应性，但计算复杂度较高。
3. 基于控制点的配准法基于控制点的配准法是通过已知位置的控制点来实现图像配准。
它通过提取图像和参考影像中的控制点，并计算它们之间的变换关系来实现图像配准。
这种方法的优点是精度较高，但需要准确的控制点信息。
二、遥感图像配准技术方法遥感图像配准技术的方法多种多样，下面将介绍几种常用的方法。
1. 特征点提取与匹配该方法通过使用特征点检测算法（如SIFT、SURF等）来提取图像中的特征点，再使用特征点匹配算法（如RANSAC等）来进行特征点的匹配，以实现图像的配准。
2. 多尺度配准该方法通过使用金字塔多尺度图像处理方法，将原始图像金字塔进行分解，然后将不同层次的图像进行配准，逐步实现图像的几何校正。
1.几何校正：几何校正是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，同时也是将图像投影到平面上，使其符合地图投影系统的过程。
2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。
3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。
常用方法是按照行政区划边界或自然区划边界进行图像裁剪。
在基础数据生产中，还经常要进行标准分幅裁剪。
按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。
4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。
5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。
6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。
7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
8.立体像对：从两个不同位置对同一地区所摄取的一对相片。
9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。
10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。
在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。
11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。
12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。
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。
ENVI对图像进行配准校正拼接裁剪ENVI在图像处理领域被广泛应用，其中配准、校正、拼接和裁剪是常见且重要的操作。
本文将介绍ENVI在图像配准校正拼接裁剪方面的基本原理和操作步骤。
一、图像配准图像配准是将多幅图像对准到一个统一的坐标系统中，使它们具有相同的尺度、旋转和平移。
ENVI提供了多种图像配准方法，包括基于特征点匹配的自动配准和基于控制点辅助的手动配准。
1. 自动配准ENVI的自动配准功能利用图像中的特征点进行匹配，通过计算特征点的几何变换关系来实现配准。
使用该功能时，首先选择一个参考图像，然后选择其他需要配准的图像。
ENVI将自动检测并匹配这些图像中的特征点，并计算图像之间的几何变换关系，最终实现图像的配准。
2. 手动配准对于某些情况下自动配准效果不佳或需要更精确的配准结果的场景，ENVI提供了手动配准功能。
该功能需要用户手动在图像中添加控制点，根据已知的地理坐标信息进行匹配。
通过选择足够数量的控制点，并进行几何变换，可以实现更准确的图像配准结果。
二、图像校正图像校正是指通过去除图像中的变形、噪声、光照等因素，使得图像更加准确和清晰。
ENVI提供了多种图像校正方法，如大气校正、几何校正等。
1. 大气校正在遥感图像处理中，大气校正是一个重要的步骤。
ENVI提供了不同的大气校正模型，如基于大气遥感参数的MODTRAN模型、Atmospheric and Topographic Correction (ATCOR)模型等。
用户可以根据实际需求选择合适的大气校正方法对图像进行校正，以消除大气干扰，还原地物的真实信息。
2. 几何校正几何校正是指将图像中的地物从图像坐标转换为地理坐标，使得图像与实际地理位置相符。
ENVI提供了自动几何校正功能，可以使用地面控制点或地面矢量数据进行几何校正。
通过选择合适的校正方法和参考数据，可以将图像校正为具有地理坐标的图像。
三、图像拼接图像拼接是将多幅图像按照空间位置进行组合，生成一幅更大尺寸的图像。
1.实验目的(1)初步了解图像配准的基本流程，包括base的选取和控制点的选取，实现对两组图像进行配准，给出图像配准误差。
(2)掌握ENVI软件的基本操作方法，确保能够使用ENVI软件完成图像配准实验。
(3)理解和巩固理论知识，明确图像配准的意义，掌握动手实践操作能力，提高综合分析问题的能力。
2.实验原理2.1 几何校正与图像配准几何校正必须在遥感图像信息提取之前进行。
只有把所提取的图像信息表达在一个规定的空间投影参照系统中，才能进行图像的几何测量、相互比较以及图像叠加分析。
几何精校正是利用地面控制点进行的几何校正。
它是用一种数学模型来近似描述遥感图像的几何畸变过程，并利用畸变的遥感图像与标准地图之间的一些对应点（即控制点数据对）求得这个几何畸变模型，然后利用此模型进行几何畸变的校正。
图像配准是相对于一个参考图像而言，利用畸变的遥感图像与一个参考图像之间的控制点来求得几何畸变模型，然后采取像素坐标变换来得到修正之后的图像。
它是图与图之间的一种几何关系。
图像配准的流程如下：(1)输入原始数字图像(2)确定工作范围(3)选择特征点(4)匹配同名点与像元位值(5)选择纠正函数和相关参数(6)重采样(7)输出配准后的图像2.2 地面控制点的选取地面控制点是几何纠正中用来建立纠正方程的基础。
(1) 控制点数目和分布控制点数目的最小值按未知系数多少来确定。
k 阶多项式方程控制点的最小数目为(k+1)(k+2)/2，在条件允许的情况下。
控制点要均匀分在工作地区。
(2) 图像中控制点的确定在图像上，控制点应该在容易分辨、相对稳定、特征明显的位置。
在变化不明显的大面积区域，控制点可以少一些。
(3) 地面控制点坐标的确定地面控制点坐标可以通过地形图或现场实测获取。
2.3 多项式纠正方程通过多项式函数描述地面控制点在待校正图像上的图像坐标（x,y ）与其真实地理坐标（X,Y ）的映射关系。
对于简单的旋转、偏移和缩放变形，可以使用最基本的仿射变换公式进行纠正：012012x a a X a Yy b b X b Y=++=++ (2-1)复杂的变形可以使用3阶多项式纠正方程：22322301234567892232230123456789()()()()()()x a a X a Y a X a XY a Y a X a X Y a XY a Y y b b X b Y b X b XY b Y b X b X Y b XY b Y =+++++++++=+++++++++(2-2)式中：x 、y 为像素的图像坐标，从待校正图像上获取 ；X 、Y 为地面(或地图)真实地理坐标，可通过野外调查、地形图或参考图像获取；ai 、bi 为多项式系数。
《遥感概论》课程笔记第一章：绪论1.1 遥感及其技术系统遥感（Remote Sensing）是指不直接接触对象物体，通过分析从远处感知到的电磁波信息来识别和探测地表及其上方环境的技术。
遥感技术系统是由多个组成部分构成的复杂体系，主要包括以下几部分：- 传感器（Sensor）：用于探测和记录目标物体发射或反射的电磁波的设备。
- 遥感平台（Remote Sensing Platform）：携带传感器的载体，如卫星、飞机、无人机等。
- 数据传输系统（Data Transmission System）：将传感器收集的数据传回地面的设备。
- 数据处理与分析系统（Data Processing and Analysis System）：对遥感数据进行处理、分析和解释的软件和硬件。
1.2 遥感门类及技术特点遥感技术根据不同的分类标准可以分为以下几类：- 按照电磁波波长：可见光遥感、红外遥感、微波遥感等。
- 按照传感器工作方式：主动遥感（如激光雷达）和被动遥感（如摄影相机）。
- 按照平台类型：卫星遥感、航空遥感、地面遥感等。
遥感技术的主要特点包括：- 大范围覆盖：遥感技术可以覆盖广阔的地表区域，对于大规模的地理现象监测具有优势。
- 高效快速：遥感平台可以快速穿越监测区域，获取数据的时间周期短。
- 多维信息：遥感可以提供关于地表及其上方环境的多种信息，如形状、纹理、温度等。
- 非侵入性：遥感技术不需要直接接触目标物体，因此对环境的影响较小。
1.3 遥感行业应用概况遥感技术在多个行业中有着广泛的应用，以下是一些主要的应用领域：- 农业领域：通过遥感技术监测作物生长状况、评估产量、监测病虫害、进行土地资源调查等。
- 环境保护：监测森林覆盖变化、湿地保护、沙漠化趋势、大气污染等环境问题。
- 灾害管理：利用遥感技术进行地震、洪水、飓风、火灾等自然灾害的预警、监测和评估。
- 城市规划：通过遥感图像分析城市扩张、交通布局、土地利用效率等，为城市规划提供依据。
影像到影像的配准一、实习目的：本次实习学习影像到影像的配准二、实习内容：SPOT影像空间分辨率是10 meters，且有地理信息，所以作为基准影像，Landsat TM作为待配准影像，以匹配该SPOT影像。
三、实习步骤：1. 打开SPOT影像：在ENVI菜单中，选择Fil e→Open image file→专题指导CD1→envidata →bldr_reg→bldr_sp.img之后就可以load band，导入影像2. 导入待配准影像：在ENVI菜单中，选择Fil e→Open image file→专题指导CD1→envidata →bldr_reg→bldr_tm.img→在列表中选中波段3→new display→点击load band ，把TM 第3波段的影像加载到新的显示窗口中。
3. 进行影像配准和加载地面控制点：①Map→Registration→Select GCPs：Image to Image →在 Image to Image Registration中，点击Disply #1（SPOT影像），作为Base Image，点击Disply #2（TM影像）作为Warp Image，点击ok。
②然后，在两个缩放窗口中，查看光标所处的位置，如果需要，在每个缩放窗口所需位置上，点击鼠标左键，调整光标所处的位置，在Ground Conrol Points Selection对话框中，点击Add Point，把该地面控制点添加到列表中。
③添加的控制点，可在Show List中查看，根据Show List中的PMS误差值进行取舍，尽量把PMS值控制在1以内。
另外，控制点尽量选5个以上。
（本次选了6个）④在Ground Conrol Points Selection对话框中，选择Options→Clear All Points，可以清楚掉所有已选择的地面控制点。
⑤在Ground Conrol Points Selection对话框中，选择File→Restore GCPs from ASCⅡ,在Enter Ground Conrol Points Filename对话框中，选择文件bldr_tm.pts,然后点击ok，加载预先保存过的地面控制点坐标。
科技信息2010年第7期SCIENCE&TECHNOLOGY INFORMATION遥感是目前为止能够提供全球范围的动态对地观测数据的惟一手段,其成像模式多种多样。
多源传感器影像的数据融合,可以产生出比单一信息源更精确、更完整、更可靠的影像信息。
在融合这些多源遥感影像数据时,必须先进行影像配准，经过适当配准的多传感器图像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探测、特征提取和目标识别等处理。
图像配准广泛应用于航空航天技术、地理信息系统、图像镶嵌、图像融合、目标识别、虚拟现实等领域。
1图像配准的基本概念图像配准是指同一目标的两幅（或者两幅以上）图像在空间位置上的对准，图像配准的技术过程称为图像匹配。
影像匹配实质上是在两幅(或多幅)影像之间识别同名点,是计算机视觉及遥感数字图像制图的核心问题[1]。
对影像匹配可作如下数学描述[2]:若影像I1与I2中的像点O1与O2具有坐标P1=(x1,y1)、P2=(x2,y2)及特征属性f1与f2，即O1=(P1,f1)、O2=(P2,f2)。
其中f1与f2可以是P1与P2为中心的小影像窗口的灰度矩阵g1与g2,也可以是其他能够描述O1与O2的特征。
基于f1与f2定义某种测度m(f1,f2)。
所谓影像匹配就是建立一个映射函数M满足：P2=M(P1,T)、M(f1,f2)=max或min(O1∈I1,O2∈I2)。
其中T为描述映射M的参数矢量,测度m表示O1与O2的匹配程度,称为匹配测度。
基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。
2图像匹配的一般算法2.1基于图像灰度的匹配方法基于图像灰度的匹配方法的基本思想是：首先对待匹配图像做几何变换；然后根据灰度信息的统计特性定义一个目标函数，作为参考图像与变换图像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，从而将匹配问题转化为多元函数的极值问题；最后通过一定的最优化方法求得正确的几何变换参数。
如何进行遥感影像的几何校正与配准遥感影像的几何校正与配准是遥感技术和地理信息系统（GIS）中一个重要的环节。
几何校正与配准能够纠正遥感影像中存在的地理位置偏差、形变等问题，使其符合真实的地理位置，从而提供准确的地理信息。
本文将介绍遥感影像的几何校正与配准的基本原理和方法。
一、几何校正的概念和原理遥感影像的几何校正是指将影像投影到地理坐标系下，使其能够与地理数据进行叠加分析。
几何校正的基本原理是通过对影像进行几何变换，使其与地理空间坐标系相匹配。
校正的过程通常包括平面校正、高程校正和形变校正等步骤。
平面校正是将影像从像素坐标系转换到地理坐标系。
通过获取空间控制点（GCPs），可以建立影像像素坐标系与地理坐标系之间的转换模型，从而实现像素坐标与地理坐标的一一对应。
高程校正是将影像的高程信息与地形数据进行配准，以得到准确的地理位置。
通过获取地面高程模型或数字高程模型（DEM），可以将影像的高程信息与DEM 数据进行比对，以实现高程校正。
形变校正是指纠正影像因大地形变、大地陷落等地表变化引起的形变偏差。
通过对影像进行形变模型建立和参数估计，可以将影像的形变偏差纠正到最小，提高影像的几何精度。
二、几何校正的方法1. 参数法：通过建立一个几何校正模型，将像素坐标与地理坐标之间的转换关系表示为一组参数，然后通过最小二乘法估计这组参数的值。
其中常用的模型有多项式变换模型、透视变换模型等。
2. 控制点法：选取一些具有确定地理位置的控制点，通过测量像素坐标和地理坐标之间的差异，建立像素坐标系和地理坐标系之间的转换关系。
通常需要选择足够多的控制点来保证几何校正的精度。
3. 特征点匹配法：通过提取影像和地理数据中的特征点，并利用特征点之间的匹配关系进行几何校正。
常用的特征点匹配算法有SIFT（尺度不变特征变换）算法、SURF（加速稳健特征）算法等。
三、配准的概念和方法配准是指将不同时间、不同传感器或不同分辨率的遥感影像对齐，使其能够进行比较和分析。
遥感图像配准技术综述
余先川;吕中华;胡丹
【期刊名称】《光学精密工程》
【年(卷),期】2013(021)011
【摘要】遥感图像配准是图像融合、多光谱分类、环境监测和图像镶嵌等不可缺少的步骤.本文讨论了遥感图像领域中重要的和最新的配准算法,将配准方法划分为基于区域的配准、基于图像特征的配准、基于混合模型的配准和基于物理模型的配准四类;描述了四类配准方法中的典型算法,并分析了它们的优势和不足,重点概述了基于特征配准中的局部不变特征变换算法.评述了国内外遥感图像配准的发展现状;指出了遥感图像配准技术中存在的问题,即多源遥感图像的配准、遥感图像配准的实时性、遥感图像的非线性配准和遥感图像配准的精度评价,最后展望了遥感图像配准技术的发展前景.
【总页数】13页(P2960-2972)
【作者】余先川;吕中华;胡丹
【作者单位】北京师范大学信息科学与技术学院,北京100875;北京师范大学信息科学与技术学院,北京100875;北京师范大学信息科学与技术学院,北京100875【正文语种】中文
【中图分类】TP751
【相关文献】
1.工程与技术科学——测绘科学技术——大地测量技术——遥感图像配准技术研究最新进展 [J], 宋振环;唐伶俐;李传荣
2.遥感图像配准方法研究——综述 [J], 苏清贺;程红;孙文邦
3.遥感数字图像配准技术综述 [J], 吴畏;赵文杰;刘辉
4.多源遥感图像配准技术综述 [J], 汪汉云;王程;李鹏;钱智明;郝胜勇
5.基于SIFT的遥感图像配准技术综述 [J], 李孚煜;叶发茂
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感图像影像几何校正方法与精度评价遥感技术是一种通过航空器或卫星获取地球表面信息的技术手段。
为了获得准确的地理空间信息，遥感图像需要经过几何校正。
本文将介绍几种常用的遥感图像影像几何校正方法，并探讨它们的精度评价。
一、几何校正方法1. 多点校正法多点校正法是一种常用的几何校正方法。
它通过在图像中选择多个控制点，然后根据这些控制点在现实地面上的坐标，使用几何变换公式进行图像的几何校正。
这种方法简单易行，适用于中等分辨率的图像。
2. 数字高程模型校正法数字高程模型校正法是一种基于数字高程模型的几何校正方法。
首先，通过获取地面的数字高程模型，然后将图像与数字高程模型进行配准，最后进行几何校正。
这种方法的优点是精度较高，适用于高分辨率的图像。
3. 惯导校正法惯导校正法是一种利用航空器或卫星的惯性导航系统进行几何校正的方法。
惯性导航系统可以测量航空器或卫星的姿态和位置信息，根据这些信息对图像进行几何校正。
这种方法的精度较高，适用于航空器或卫星上配备有惯性导航系统的情况。
二、精度评价几何校正的精度评价是衡量几何校正过程中误差大小的方法。
常用的评价指标有均方根误差（RMSE）和控制点定位精度。
1. 均方根误差（RMSE）均方根误差是通过对校正前后的像素位置误差进行统计分析得到的一个指标。
它是校正后图像中所有像素位置误差的平方和的开方。
均方根误差越小，表示几何校正的精度越高。
2. 控制点定位精度控制点定位精度是通过选取一组已知坐标的控制点，然后对校正后图像中的相应像素进行位置测量，计算其与控制点的位置误差。
控制点定位精度越小，表示几何校正的精度越高。
三、案例分析以一幅航拍图像为例，使用多点校正法、数字高程模型校正法和惯导校正法进行几何校正，并对校正后的图像进行精度评价。
多点校正法得到的校正图像的RMSE为0.5个像素，控制点定位精度为2米。
数字高程模型校正法得到的校正图像的RMSE为0.2个像素，控制点定位精度为0.5米。
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进展消除或减弱方可使用。
〔1〕除周期性噪声和锋利性噪声周期性噪声一般重叠在原图像上，成为周期性的干预图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在*些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进展滤波处理的方法比拟方便。
〔2〕除坏线和条带去除遥感图像中的坏线。
遥感图像常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进展消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进展减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进展消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进展几何精纠正，在地形起伏较区，还必须对其进展正射纠正。
特殊情况下还须对遥感图像进展大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进展叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
〔1〕影像对栅格图像的配准将一幅遥感影像配准到一样地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
〔2〕影像对矢量图形的配准将一幅遥感影像配准到一样地区一幅矢量图形中，使其在空间位置上能进展重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进展的，地面接收站在提供应用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进展了校正.3．几何精纠正为准确对遥感数据进展地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
