多源遥感影像配准流程

1.实习目的：遥感图像的配准2.实习内容：2.1掌握ENVI自定义坐标，以及基于地形图的遥感影像配准过程。

2.2本次实习中带有地理坐标的西安市城区地形图被用作基准影像，对资源三号全色影像进行配准。

在此基础上，以纠正后的全色影像为基准，校正资源三号多光谱影像，用于下节的图像融合。

3.实习步骤：3.1 基于地形图配准全色影像的具体操作步骤：3.1.1 打开并显示资源三号全色影像与地形图1)从ENVI主菜单中，选择File → Open Image File。

加载地形图文件和全色影像到可用波段列表Available Bands List中；2)点击Load RGB将地形图加载到显示窗口display#1；3)在可用波段列表Display #1下拉菜单，点击New Display按钮，并从下拉式菜单中选择New Display。

点Load RGB按钮，将全色影像加载到一个新的显示窗口display#2。

3.1.2 修改地形图头文件中的地图信息由于地形图为西安80坐标系，而ENVI系统自带的投影文件中并没有相关基准面和椭球体，因此打开的地形图无法正确显示地图信息Map Info；1)定义椭球体，进入ENVI安装目录：C:\Program Files\ITT\IDL71\products\envi47\ map_proj,打开椭球体文件ellipse.txt，在最后一行增加IAG-75,6378140.0, 6356755.3；2)定义基准面，在相同的目录，打开基准面文件datum.txt文件，在最后一行增加D_Xian_80,IAG-75,0,0,0；3)在可用波段列表中，右键点击地形图文件，选择Edit Header，从弹出的窗口的EditAttributes的下拉箭头中选择Map Info，进入Edit Map Information。

输入图像左上角XY 坐标与像素大小；选择Change Proj，新建投影，输入相关参数3.1.3影像配准1)从ENVI主菜单栏中，选择Map → Registration → Select GCPs: Image to Image；2)在Image to Image Registration对话框中，点击并选择Display #1 （地形图），作为BaseImage。

多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。

即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。

因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。

同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。

在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。

扫描的地图通常不包含表明影像对应于地表何处的信息。

从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。

与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。

配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。

配准栅格数据使它能与其它地理数据一起被查看、查询和分析。

配准流程：1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据添加近来。

如图所示：2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图，，调出工具条如下，选择图的四个角的格网点进行配准处理，首先是左上角，如图：使用“添加控制点”按钮添加第一个控制点，如图：将左下角格网点放大以准确定位，如图。

点右键，输入XY坐标，根据地图格网坐标输入，完成一个点，再按相同方法对其他三个角点配准。

4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。

点击地理参考下的矫正，双线性内插，保存矫正图象。

5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性打开后如下：将地图单位改为米，将坐标系统设为西安1980，之后确定完成设置。

保存完成配准。

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。

测绘技术中的遥感图像纠正和融合方法遥感图像的纠正和融合是测绘技术中的重要研究方向，具有广泛的应用价值。

本文将从遥感图像纠正和融合两个方面进行探讨，并介绍一些常见的方法和技术。

一、遥感图像的纠正方法1. 几何纠正几何纠正是指对遥感图像进行几何校正，使其与地理坐标系统相匹配。

常见的几何纠正方法包括地面控制点法和数字影像匹配法。

地面控制点法通过在图像上选择地物特征点，并与地面真实位置相对应，根据图像上的点与地面真值的差异进行几何变换，从而实现图像的几何纠正。

数字影像匹配法则是通过提取图像上的特征点，并与实际地面上的同名特征点进行匹配，然后根据匹配结果进行几何变换。

2. 辐射纠正辐射纠正是指对遥感图像进行辐射校正，消除光学、大气等因素对图像亮度和对比度的影响，使得图像能够真实反映地物的辐射特性。

常见的辐射纠正方法包括大气校正和辐射定标。

大气校正是通过模拟大气传输过程，根据测量的气象数据和大气传输模型，估算和减去大气散射和吸收对遥感图像的影响。

辐射定标则是通过将图像上的数字值转换为辐射度或反射率，以实现不同时间、不同传感器之间的数据比较和分析。

二、遥感图像的融合方法遥感图像融合是指将多个传感器获取的多源数据融合到一个整体图像中，以提供更全面、更准确的地物信息。

常见的遥感图像融合方法包括像素级融合和特征级融合。

1. 像素级融合像素级融合是通过将不同传感器获取的图像像素进行组合，生成具有更高分辨率、更丰富信息的图像。

常用的像素级融合方法包括加权平均法、主成分分析法和小波变换法。

加权平均法将不同传感器的图像按一定权重加权平均，得到融合后的图像。

主成分分析法是利用主成分分析对不同传感器的图像进行降维处理，然后通过反变换重构融合图像。

小波变换法则是利用小波变换对不同传感器的图像进行多尺度分解和重构，得到融合图像。

2. 特征级融合特征级融合是利用不同传感器获取的图像中的特征信息进行融合，提取和组合更全面、更准确的地物特征。

遥感影像配准方法一、引言遥感影像配准是指将多幅遥感影像通过一定的处理方法，使得它们在空间上或者光谱上相对准确地对应起来。

遥感影像配准是遥感技术中的重要环节，对于提取地物信息、监测变化、制作地图等应用具有重要意义。

本文将介绍几种常见的遥感影像配准方法。

二、特征点匹配法特征点匹配法是一种常用的遥感影像配准方法。

该方法通过提取影像中的特征点，并在不同影像中寻找相似的特征点，然后利用这些匹配的特征点进行配准。

特征点可以是角点、边缘点、纹理点等。

特征点匹配法具有计算速度快、适用范围广的优点，但对于光照、旋转、尺度变化等情况下的影像配准效果较差。

三、控制点法控制点法是一种基于已知控制点坐标的遥感影像配准方法。

该方法首先在待配准影像和参考影像中选择一些具有明显地物特征且位置准确的控制点，然后通过计算这些控制点在两幅影像中的坐标差异，从而得到待配准影像相对于参考影像的变换关系。

控制点法配准精度较高，适用于各种变换情况下的影像配准，但需要事先获取准确的控制点坐标。

四、基于图像匹配的配准方法基于图像匹配的配准方法是利用图像间的相似度进行配准的方法，常用的图像匹配算法包括相位相关法、归一化互相关法、互信息法等。

这些方法通过计算两幅影像之间的相似度，找到最佳的配准变换参数，从而实现影像的配准。

基于图像匹配的配准方法不依赖于特征点或控制点，适用于各种复杂变换情况下的影像配准，但计算量较大，需要较长的处理时间。

五、影像配准的精度评定影像配准的精度评定是判断配准效果好坏的重要指标。

常用的精度评定方法包括重叠区域比较法、控制点坐标差比较法、变换参数比较法等。

通过对配准后的影像与参考影像进行对比，计算它们之间的差异，可以评估配准的精度。

影像配准的精度评定对于验证配准方法的可靠性、优化配准参数具有重要意义。

六、总结遥感影像配准是遥感技术中的重要环节，常用的配准方法包括特征点匹配法、控制点法和基于图像匹配的配准方法。

这些方法各有优缺点，适用于不同的配准需求。

第1篇一、实验背景随着遥感技术的发展，遥感影像在资源调查、环境监测、城市规划等领域发挥着越来越重要的作用。

然而，由于遥感传感器类型、观测时间、观测角度等因素的限制，同一地区获取的遥感影像往往存在光谱、空间分辨率不一致等问题。

为了充分利用这些多源遥感影像数据，提高遥感信息提取的准确性和可靠性，遥感影像融合技术应运而生。

遥感影像融合是将不同传感器、不同时间、不同分辨率的多源遥感影像进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。

本文通过实验验证了遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

二、实验目的1. 了解遥感影像融合的基本原理和方法；2. 掌握常用遥感影像融合算法；3. 通过实验验证遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

三、实验原理遥感影像融合的基本原理是将多源遥感影像数据进行配准、转换和融合，以获得具有更高空间分辨率、更丰富光谱信息的融合影像。

具体步骤如下：1. 影像配准：将不同源遥感影像进行空间配准，使其在同一坐标系下；2. 影像转换：将不同传感器、不同时间、不同分辨率的遥感影像转换为同一分辨率、同一波段的影像；3. 影像融合：采用一定的融合算法，将转换后的多源遥感影像数据进行融合，生成具有更高空间分辨率、更丰富光谱信息的融合影像。

四、实验方法1. 实验数据：选取我国某地区的高分辨率多光谱遥感影像和全色遥感影像作为实验数据；2. 融合算法：选用Brovey变换、主成分分析（PCA）和归一化植被指数（NDVI）三种常用遥感影像融合算法进行实验；3. 融合效果评价：采用对比分析、相关系数、信息熵等指标对融合效果进行评价。

五、实验步骤1. 数据预处理：对实验数据进行辐射校正、大气校正等预处理；2. 影像配准：采用双线性插值法对多光谱影像和全色影像进行配准；3. 影像转换：对多光谱影像进行波段合成，得到与全色影像相同分辨率的影像；4. 影像融合：分别采用Brovey变换、PCA和NDVI三种算法对转换后的多源遥感影像数据进行融合；5. 融合效果评价：对比分析三种融合算法的融合效果，并采用相关系数、信息熵等指标进行定量评价。