图像匹配课件.ppt

《图像匹配课件.ppt》由会员分享，可在线阅读，更多相关《图像匹配课件.ppt（54页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像配准的用途意义n图像配准（或像配准（或图像匹配）是像匹配）是评价两幅或多幅价两幅或多幅图像的相似性像的相似性以确定同名点的以确定同名点的过程。程。图像配准算法就是像配准算法就是设法建立两幅法建立两幅图像之像之间的的对应关系关系,确定相确定相应几何几何变换参数参数,对两幅两幅图像中像中的一幅的一幅进行几何行几何变换的方法。的方法。n图像配准是像配准是图像分析和像分析和处理的基本理的基本问题。它在它在航空影像自航空影像自动制制图、图像三像三维重构、重构、计算机算机视觉、遥感融合、模式遥感融合、模式识别、医学、医学图像像处理理、影像分析、影像分析等等领域都有重要域都有重要应用。用。1图像配准参考

2、图像（主图像）待配准图像（辅图像）配准图像2用词说明n各种各种图像配准的文献都会出像配准的文献都会出现“配准、匹配、几何校正配准、匹配、几何校正”三个三个词，它，它们的含的含义比比较相似。相似。n一般两幅一般两幅图像之像之间用用“配准（配准（register,registration）”；寻找找同名特征同名特征(点点)的的过程叫程叫“匹配（匹配（match,matching）”;根据根据主主辅图像之像之间的几何的几何变换关系，关系，对辅图像像进行逐像素行逐像素处理理变为配准配准图像的像的过程叫做程叫做“几何校正（几何校正（geometric correction）”。3配准方法分类n按照配准算

3、法所利用的按照配准算法所利用的图像信息，可以分像信息，可以分为基于区域的方基于区域的方法法和和基于特征的方法基于特征的方法。基于区域的匹配主要是模板匹配和。基于区域的匹配主要是模板匹配和基于相位（基于相位（频率）的匹配方法；基于特征的匹配包括基于率）的匹配方法；基于特征的匹配包括基于特征点集的匹配和基于特征点集的匹配和基于线特征（特征（图像中像中边缘信息）的匹配信息）的匹配算法。算法。n按自按自动化程度可以分化程度可以分为人工、半自人工、半自动和全自和全自动三种三种类型型。4模板匹配n模板匹配法是在一幅影像中模板匹配法是在一幅影像中选取一个的影像窗口作模板，取一个的影像窗口作模板，大小通常大小

4、通常为55或或77，然后通，然后通过相关函数的相关函数的计算来找到它算来找到它在搜索在搜索图中的坐中的坐标位置。位置。设模板模板T放在搜索放在搜索图S上平移，模上平移，模板覆盖下的那板覆盖下的那块搜索搜索图叫做子叫做子图Si,j，子，子图的中心点在的中心点在S图中中的坐的坐标(i,j)，叫参考点。，叫参考点。5相似性测度n用以下用以下测度来衡量度来衡量T和和Si,j的相似程度：的相似程度：n根据施瓦根据施瓦兹不等式，不等式，并且在，并且在 比比值为常数常数时取极大取极大值为1。但。但实际上两幅不同上两幅不同图像的像的P值介于介于0和和1之之间，很，很难达到理想达到理想值。根据。根据经验取某个取

5、某个阈值P0，如果，如果P P0，则匹配成功；匹配成功；P P0，则匹配失匹配失败。6金字塔模板匹配n为了加快搜索速度，很多影像匹配了加快搜索速度，很多影像匹配方法使用金字塔影像。方法使用金字塔影像。n对影像影像进行一次采行一次采样率率为1/n(n=2,3)的重采的重采样，即把影像的，即把影像的每每nn个像素个像素变为一个像素，一个像素，这样就得到一就得到一对长、宽都都为原来原来1/n的的影像，把它作影像，把它作为金字塔的第二金字塔的第二层。n再再对第二第二层用同用同样方法方法进行一次采行一次采样率率为1/n的重采的重采样，又得到第三，又得到第三层（顶层）。）。n原始影像作原始影像作为金字塔影

6、像的底金字塔影像的底层。7金字塔影像匹配的步骤n第一步：第一步：顶层的匹配，得到一个平移初始的匹配，得到一个平移初始值。n第二步：根据平移初始第二步：根据平移初始值乘以乘以n得到第二得到第二层平移量初始平移量初始值，在它在它mm个像元的个像元的邻域内域内进行模板匹配。行模板匹配。n第三步：根据第二第三步：根据第二层匹配匹配值乘以乘以n得到第三得到第三层平移量初始平移量初始值，再再进行一次模板匹配。行一次模板匹配。n如果影像尺寸不是特如果影像尺寸不是特别大，可以只用两大，可以只用两层金字塔。金字塔。8基于特征的配准算法n 基于特征的算法基于特征的算法(feature-based matching

7、)(feature-based matching)先提取先提取图像像显著特征，再著特征，再进行特征匹配，大大行特征匹配，大大压缩了了图像信息的数据量，像信息的数据量，同同时保持了保持了图像的位移、旋像的位移、旋转、比例方面的特征，故在配、比例方面的特征，故在配准准时计算量小，速度算量小，速度较快、快、鲁棒性好。当两幅棒性好。当两幅图像之像之间的的线性位置关系不明确性位置关系不明确时，应使用基于特征的匹配。使用基于特征的匹配。n一般来一般来说特征匹配算法可分特征匹配算法可分为四步四步:1.1.特征提取特征提取;2.2.特征描述特征描述;3.3.特征匹配；特征匹配；4.4.非特征像素之间的匹配。非

8、特征像素之间的匹配。9基于特征的配准步骤n在特征匹配前，首先要从两幅在特征匹配前，首先要从两幅图像中提取灰度像中提取灰度变化明化明显的的点、点、线等特征形成特征集。等特征形成特征集。n在两幅在两幅图像像对应的特征集中利用特征匹配算法尽可能的将的特征集中利用特征匹配算法尽可能的将存在匹配关系的特征存在匹配关系的特征对选择出来。出来。n通通过特征建立两幅特征建立两幅图像之像之间的多的多项式式变换关系，达到以点关系，达到以点代面的效果。代面的效果。n对于非特征像素点，利用上述多于非特征像素点，利用上述多项式式变换关系来关系来进行几何行几何校正，从而校正，从而实现两幅两幅图像之像之间逐像素的配准。逐像

9、素的配准。10人工匹配步骤n1.人工人工选取控制点取控制点n2.多多项式匹配式匹配11用遥感软件进行几何校正 遥感遥感软件的几何校正功能是利用地面控制点件的几何校正功能是利用地面控制点(Ground Ground Control Point,GCP)Control Point,GCP)进行的几何校正，它通常用多行的几何校正，它通常用多项式式来近似描述遥感来近似描述遥感图像的几何畸像的几何畸变过程，并利用控制点求程，并利用控制点求得得这个几何畸个几何畸变模型，然后利用此模型模型，然后利用此模型进行几何校正，行几何校正，这种校正不考种校正不考虑畸畸变的具体原因，的具体原因，而只考而只考虑如何利用畸

10、如何利用畸变模型来校正模型来校正图像。像。12校正步骤 几何精校正一般可分几何精校正一般可分为以下四个步以下四个步骤：1.1.建立原始建立原始图像与校正后像与校正后图像的坐像的坐标系。系。2.2.确定控制点确定控制点对。3.3.选择畸畸变数学模型，比如一次、二次、三次多数学模型，比如一次、二次、三次多项式。式。4.4.几何校正的精度分析。几何校正的精度分析。1314半自动匹配n1.用用户先把主先把主辅图像像进行行预处理，先理，先进行重采行重采样、旋、旋转、去除噪声等，使两幅影像的分辨率、角度等基本一致后，去除噪声等，使两幅影像的分辨率、角度等基本一致后，再再进行配准。行配准。n2.用用户先指定

11、三个控制点，程序根据三个控制点算出主先指定三个控制点，程序根据三个控制点算出主辅图像旋像旋转、平移和尺度差异，再用金字塔模板匹配方法、平移和尺度差异，再用金字塔模板匹配方法进行配准。行配准。15全自动匹配n不需要用不需要用户事先提供任何信息，事先提供任何信息，单纯依据两幅依据两幅图像自身的像自身的信息信息进行匹配行匹配计算。由于主算。由于主辅图像之像之间存在旋存在旋转、平移和、平移和尺度差异，如何找到初始定位信息是其尺度差异，如何找到初始定位信息是其难点。点。n方法多种多方法多种多样。包括直方。包括直方图匹配、匹配、Hu不不变矩、矩、金字塔模金字塔模板匹配、小波板匹配、小波Gabor 算子、基

12、于空算子、基于空间变换的方法等。将在的方法等。将在后面特征点匹配部分后面特征点匹配部分讲述。述。16基于TIN的图像配准算法流程 17特征类型n灰度特征点。灰度特征点。Moravec算子、算子、Forstner算子与算子与Hannah算子。算子。n角点。角点。SUSAN算子算子,Harris算子，王算子，沈俊算子。算子，王算子，沈俊算子。n边缘特征（特征（线型）。型）。Canny算子算子,Marr算子。算子。n纹理特征。灰度共生矩理特征。灰度共生矩阵，小波，小波Gabor算子。算子。18Moravec算子nMoravec算子是利用灰度方差提取特征点的算子，它在四算子是利用灰度方差提取特征点的算

13、子，它在四个主要方向上，个主要方向上，选择具有最大具有最大-最小灰度方差的点作最小灰度方差的点作为特特征点。其步征点。其步骤为：1 1 计算各像元的算各像元的兴趣趣值（Interest Value）。在以像素）。在以像素为中中心心ww的影像窗口中（如的影像窗口中（如5 55 5的窗口），的窗口），计算算图中所示四中所示四个方向相个方向相邻像素灰度差的平方和：像素灰度差的平方和：19Moravec算子 取其中最小者作取其中最小者作为该像素的像素的兴趣趣值：V=minV1，V2，V3，V420n给定一经验阈值，将兴趣值大于该阈值的点（即窗口的给定一经验阈值，将兴趣值大于该阈值的点（即窗口的中心点）

14、作为候选点。阈值的选择应以候选点中包括所中心点）作为候选点。阈值的选择应以候选点中包括所需要的主要特征点而又不含过多的非特征点为原则。需要的主要特征点而又不含过多的非特征点为原则。n取候选点中的极值点作为特征点。在一定大小的窗口内取候选点中的极值点作为特征点。在一定大小的窗口内,将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。值最大者，该像素即为一个特征点。n如果两个特征点之间的距离过短，则去掉其中一个。否如果两个特征点之间的距离过短，则去掉其中一个。否则，在影像校正时，三角形边长过短将使解算出来的仿则，在影像校正

15、时，三角形边长过短将使解算出来的仿射变换参数出现错误。射变换参数出现错误。21角点提取-SUSAN算子nSUSAN 算法是由英国牛津大学的算法是由英国牛津大学的S.M.Smith,J.M.Brady 首先提出的首先提出的,它主要是用来它主要是用来计算算图像中的角点特征的。像中的角点特征的。SUSAN 算法的特点算法的特点:1.1.对角点的检测比对边缘检测的效果要好对角点的检测比对边缘检测的效果要好,适用于基于适用于基于角点匹配的图像配准角点匹配的图像配准;2.2.无需梯度运算无需梯度运算,保证了算法的效率保证了算法的效率;3.3.具有积分特性具有积分特性(在一个模板内计算在一个模板内计算SUS

16、AN SUSAN 面积面积),),这样这样就使得就使得SUSAN SUSAN 算法在抗噪和计算速度方面有较大的改进。算法在抗噪和计算速度方面有较大的改进。22SUSAN 算法 n用一个一定半径的用一个一定半径的圆模板放置在模板放置在图像上（如像上（如图）。如果模）。如果模板上存在一区域，使板上存在一区域，使该区域上区域上对应图像的每一像素像的每一像素处的灰的灰度度值与与圆心的灰度心的灰度值相同（或相近），那么就定相同（或相近），那么就定义该区域区域为核核值相似区，即相似区，即USAN，其中像素的个数定，其中像素的个数定义为这个模个模板的面板的面积。2324SUSAN 算法的基本原理n图像上每一

17、点都有一个像上每一点都有一个邻近的具有相似灰度近的具有相似灰度值的局部区域的局部区域是是SUSAN 算法的基算法的基础。这个局部区域或个局部区域或USAN 包含了包含了许多多关于关于图像像结构的信息。构的信息。nSUSAN 算法的基本原理是：在每个像素移算法的基本原理是：在每个像素移动一个小的一个小的圆形形模板以模板以检测局部信息，并利用局部信息，并利用预先先设定的亮度定的亮度阈值比比较模模板核及其周板核及其周围像素的亮度像素的亮度值，亮度，亮度值相同或相近的相同或相近的为一个一个USAN，最后通，最后通过面面积最小的最小的USAN 检测角点。角点。25边缘特征提取n“基于TIN的多源影像几何

18、配准”没有使用边缘提取算子，所以这里不介绍其算法。（a）原图 （b）Marr算子结果 （c）Canny算子结果26纹理特征n纹理是用来理是用来识别目目标的重要方法，它是的重要方法，它是图像中一个很重要像中一个很重要而又而又难以描述的特性，至今以描述的特性，至今还没有公没有公认的定的定义。有些。有些图像像在局部区域内呈在局部区域内呈现不不规则性，而在整体上表性，而在整体上表现出某种出某种规律律性。性。习惯上把上把这种局部不种局部不规则而宏而宏观有有规律的特性称之律的特性称之为纹理。理。以以纹理特性理特性为主主导的的图像，常称像，常称为纹理理图像，如木像，如木材材纹理、皮肤理、皮肤纹理、理、织物物

19、纹理等。通理等。通过对物体物体纹理特征的理特征的提取，可以提取，可以对图像像进行分行分类、配准等操作。、配准等操作。27n局部不规律，整体具有一定规律性的特性。局部不规律，整体具有一定规律性的特性。基本单元的重复性基本单元的重复性粗糙性粗糙性方向性方向性28提取纹理特征的方法n灰度共生矩阵。灰度共生矩阵。n基于小波的基于小波的Gabor算子。算子。29直方图匹配30Hu不变矩 n1962年年Hute提出提出Hu不变矩，它对于匹配影像之间的平移、不变矩，它对于匹配影像之间的平移、旋转和大小尺度变化具有自适应性旋转和大小尺度变化具有自适应性，但它只适用于相似变，但它只适用于相似变换，不适于仿射变换

20、。换，不适于仿射变换。Hu最初用以下最初用以下7个不变矩公式来描个不变矩公式来描述目标特征述目标特征:31但实际上大部分文献都采用但实际上大部分文献都采用6 6个无量纲、消误差的组合不变矩个无量纲、消误差的组合不变矩 ：32点模式匹配n模式模式识别中的点模式匹配，使用特征点集中点与点之中的点模式匹配，使用特征点集中点与点之间的的位置关系位置关系进行匹配，行匹配，较少（或没有）利用少（或没有）利用图像灰度、像灰度、纹理理和和边缘信息，所以它信息，所以它对图像之像之间的旋的旋转、灰度、灰度、纹理、分理、分辨率等差异不敏感，能辨率等差异不敏感，能够匹配不同匹配不同传感器的感器的图像，且能像，且能进行

21、行图像之像之间的全自的全自动配准。配准。n匹配两个特征点集的匹配两个特征点集的实质是找到它是找到它们的同构子集。的同构子集。n要用到要用到较多的数学知多的数学知识。33点模式匹配nPengyu Hong等用等用图论的方法，把两点集看作两个无向的方法，把两点集看作两个无向图，然后提取它然后提取它们的同构子的同构子图，但其算法复，但其算法复杂，只能用于匹配，只能用于匹配简单图片（如商片（如商标），），对于复于复杂图片片计算量算量过大。大。n罗纲等以等以传统的的Umeyama 点集相关度量点集相关度量为基基础,结合合Procrustes正正规化方法化方法,通通过引入加引入加权矩矩阵得到新的相关度得到

22、新的相关度量函数量函数,解决了解决了传统方法要求点集方法要求点集维数相同的缺点，数相同的缺点，经过迭迭代运算代运算,可可对存在几何失真存在几何失真,且且维数不同的两点集数不同的两点集进行精确配行精确配准，但准，但计算量算量较大。大。34n张立立华等将待匹配的两个二等将待匹配的两个二维点集分点集分别转化成化成为一个一个n维空空间中的向量中的向量,对这两个向量中的各元素两个向量中的各元素进行行简单的排序来解的排序来解决点集匹配决点集匹配问题。n田原等通田原等通过建立一种建立一种图像点集像点集间距离的描述方法，提出基距离的描述方法，提出基于点集不于点集不变性匹配的目性匹配的目标检测与与识别方法。方法

23、。n舒舒丽霞等用霞等用Hausdorff 距离距离对两特征点集两特征点集进行匹配行匹配,得到点得到点集集间的仿射的仿射变换关系。关系。n孙焘等等对主主辅图像的特征点集分像的特征点集分别进行行Whitening变换,将将点集点集间的一般仿射的一般仿射变换问题转换为刚性性变换问题。35n桑桑农等以四元等以四元组代替点代替点对进行点特征松弛匹配算法，提出行点特征松弛匹配算法，提出了基于点特征的具有旋了基于点特征的具有旋转与比例不与比例不变松弛匹配算法，但是松弛匹配算法，但是该算法在匹配迭代算法在匹配迭代过程中必程中必须对所有所有实时图中的点特征中的点特征进行一次比例与旋行一次比例与旋转变换,这在一定

24、程度上影响了匹配速度。在一定程度上影响了匹配速度。n陈志志刚等以六元等以六元组为基基础构建三角形构建三角形,利用三角形在平移、利用三角形在平移、比例放大和旋比例放大和旋转变换后与原三角形相似的特性将其引入到后与原三角形相似的特性将其引入到基本点特征松弛匹配算法中基本点特征松弛匹配算法中,提出一种比例与旋提出一种比例与旋转不不变点特点特征松弛匹配算法。征松弛匹配算法。36不规则三角网n不不规则三角网三角网（triangulated irregular network，TIN)在地形在地形图的制作中被广泛使用。的制作中被广泛使用。绘制等高制等高线时，先用，先用测量点构造量点构造TIN，然后再，然后

25、再根据根据TIN内插等高内插等高线。37不规则三角网nTIN的的优点：能真点：能真实反映地形反映地形变化，相比化，相比grid，数据量很小。，数据量很小。在地形在地形变化化较大、特征点多的区域，三角网密集，能很好大、特征点多的区域，三角网密集，能很好地反映地形地反映地形变化；而在开化；而在开阔、平坦的区域，特征点少，三、平坦的区域，特征点少，三角网稀疏，不会造成大量的冗余数据，也不会无角网稀疏，不会造成大量的冗余数据，也不会无谓地增加地增加计算量。算量。TIN用于用于图像配准像配准时，同，同样具有具有这一一优点。点。38Delaunay三角网nDelaunay三角网常常被用于三角网常常被用于T

26、IN的生成。的生成。Delaunay三角网三角网为相互相互邻接且互不重叠的三角形的集合，每一三角形的外接且互不重叠的三角形的集合，每一三角形的外接接圆内不包含其它的点。内不包含其它的点。39构构TIN的基本原则的基本原则 nTIN是惟一的。即是惟一的。即对于同于同样的点集，所构三角网的点集，所构三角网应该只有只有一种；一种；n力求最佳的三角形几何形状，每个三角形尽量接近等力求最佳的三角形几何形状，每个三角形尽量接近等边形形状；状；n保保证最最邻近的点构成三角形，即三角形的近的点构成三角形，即三角形的边长之和最小。之和最小。40小面元微分校正法n在主在主辅图像中用匹配好的特征点集构造像中用匹配好

27、的特征点集构造TIN。n可以看作三角网把从影像微分成很多微小的面元，每个三可以看作三角网把从影像微分成很多微小的面元，每个三角形就是一个很小的面元，在角形就是一个很小的面元，在这个面元内，可以只考个面元内，可以只考虑影影像的一次形像的一次形变。以从影像中的各个三角形以从影像中的各个三角形为单位，位，对三角三角形内各个点形内各个点进行几何校正，从而行几何校正，从而对整幅从影像整幅从影像进行校正。行校正。这种几何校正方法叫做种几何校正方法叫做小面元微分校正法。小面元微分校正法。n对于山区遥感影像，多于山区遥感影像，多项式校正方法的精度不式校正方法的精度不够，必，必须采采用小面元微分校正的方法用小面

28、元微分校正的方法，其几何校正，其几何校正误差可以控制在差可以控制在0.3个像素以内。个像素以内。41小面元微分校正法步骤n下面以影像中任一三角形下面以影像中任一三角形W为例例说明影像几何校正的原理。明影像几何校正的原理。辅影像中三角形影像中三角形W的三个角点的三个角点为a,b,c，它，它们在主影像中在主影像中对应的点的点为A,B,C,它它们的坐的坐标分分别为 ，。把。把W看作小面元，看作小面元，则有仿射有仿射变换：42n其中其中 是仿射变换参数。是仿射变换参数。n把把 ，代入方程可以得到仿射变代入方程可以得到仿射变换参数。换参数。n先根据主影像大小生成一幅和主影像坐标一致的配准影像，因为还没先

29、根据主影像大小生成一幅和主影像坐标一致的配准影像，因为还没有输入任何值，所以是空白影像。有输入任何值，所以是空白影像。n配准影像中三角形配准影像中三角形W内任何一个像素，都可以通过方程组解算出它在内任何一个像素，都可以通过方程组解算出它在辅影像中对应的的同名点像素坐标辅影像中对应的的同名点像素坐标(行列值行列值)。n同名点坐标是小数，必须经过插值计算，得到配准点同名点坐标是小数，必须经过插值计算，得到配准点DN值。值。43插值方法n最最邻近法近法n立方卷立方卷积法法n双双线性法性法n双双线性插性插值法公式如下：法公式如下：44n查找三角形内各像素点找三角形内各像素点计算量算量较大，本文作者通大

30、，本文作者通过试验发现，用三角形外接矩形内所有像素点代替三角形内像素点，用三角形外接矩形内所有像素点代替三角形内像素点进行行计算，可使算，可使计算速度提高算速度提高4倍左右，而校正效果相差不倍左右，而校正效果相差不大。大。45试验n主主图像像为2002年年7月月9日武日武汉市市ETM+图像的第像的第4波段波段(近近红外外波段，分辨率波段，分辨率28.5m，大小，大小50004000)，辅图像像为1978年年10月月16日的日的MSS-5(红光波段，分辨率光波段，分辨率57m，大小，大小35503880)，两，两幅幅图像的色像的色调反差很大（如反差很大（如图）。）。46MODIS影像的小面元校正

31、nEOS/MODIS卫星接收系星接收系统提供的提供的1B级影像中影像中,图像信息和像信息和经纬度信息是分离的度信息是分离的,而且而且经线、纬线呈不呈不规则的曲的曲线。要。要使用使用这些数据些数据,通常要先通常要先设法把每点的法把每点的经纬度信息度信息经过投影投影计算，算，转换到用到用户所需的坐所需的坐标系系统中。中。n借助遥感借助遥感软件件进行几何校正，行几何校正，处理理过程中需要多次人机交程中需要多次人机交互互,因此因此处理人理人员必必须在在计算机前守候算机前守候,浪浪费大量的大量的时间。n用用IDL(Interactive Data Language)语言开言开发了一个基于三了一个基于三角

32、网的小面元几何校正程序角网的小面元几何校正程序,它具它具备批批处理功能理功能,处理理过程中程中不需人工干不需人工干预,而且用而且用户可以自定可以自定义处理范理范围和波段，使和波段，使MODIS数据数据预处理理变得非常方便。得非常方便。47MODIS校正前后的影像 纬度 经度 原始影像 校正影像4849基于三角网的小面元几何校正n如果逐点投影如果逐点投影计算一幅大小算一幅大小为541619680的的MODIS影像影像,其其计算量非常大，用普通算量非常大，用普通PC机要机要计算十几天。所以算十几天。所以现有的有的几何校正算法都用几何校正算法都用“以点代面以点代面”的思想，采用多的思想，采用多项式或

33、三式或三角网的方法。角网的方法。n基于三角网的小面元几何校正，其基于三角网的小面元几何校正，其实质在于以点代面在于以点代面进行行几何校正，先几何校正，先对三角形三个三角形三个顶点点进行投影行投影计算，然后根据算，然后根据三角形三角形顶点建立三角形校正前后之点建立三角形校正前后之间的仿射的仿射变换关系。关系。50控制点选取n在在输入影像及其入影像及其对应的的经纬度数据中度数据中,按固定的行列按固定的行列间隔隔选取控制点取控制点,并用数并用数组记录下所有控制点的像素坐下所有控制点的像素坐标（行和列）（行和列）和大地坐和大地坐标(B,L)。控制点数据与波段无关控制点数据与波段无关,只和分辨率有只和分

34、辨率有关关,所以一所以一轨MODIS数据只需数据只需针对250m、500m和和1000m影影像像选取三取三组控制点数据。控制点数据。n控制点投影控制点投影变换。把大地坐。把大地坐标（经纬度）度）转换为平面坐平面坐标。51n因因为控制点是按固定的行列控制点是按固定的行列间隔隔选取的，所以控制点构成取的，所以控制点构成规则的网格。的网格。规则网格的网格的对角角线把网格划分把网格划分为规则三角网三角网（如（如图）。）。n然后用小面元校正算法逐个三角形然后用小面元校正算法逐个三角形进行几何校正，从而完行几何校正，从而完成成对整幅影像的校正。整幅影像的校正。52n基于以上算法基于以上算法,用用IDL编写

35、的程序可以批写的程序可以批处理多个理多个MODIS数数据文件。作者在据文件。作者在PC机（机（Pentium 2.4G CPU,1G 内存）上内存）上处理理2个个250m波段数据（只波段数据（只处理湖北省境内）理湖北省境内）,只需只需48.3秒秒。n作作为比比对，ENVI必必须先先处理整幅影像，然后再裁切湖北省理整幅影像，然后再裁切湖北省内数据，所以其内存占用率很高，共需要内数据，所以其内存占用率很高，共需要20分分钟左右，并左右，并且且处理理过程要人机交互，也就是程要人机交互，也就是说必必须至始至至始至终守在守在计算算机前面。机前面。n在校正后的影像中随机在校正后的影像中随机选取取20-30个控制点，通个控制点，通过用更高分用更高分辨率的辨率的ETM+图像像(28.5m)进行比行比对，其，其误差都控制在差都控制在0.3个个像素以内。像素以内。53谢谢 谢谢 大大 家家！54