一、几何畸变概念  二、几何校正概念  三、几何畸变原因  四、几何畸变类型  五、几何校正类型

 在遥感成像过程中，传感器生成的图像像元相对于地面目标物的实际位置发生了挤压、拉伸、扭曲和偏移等问题，这一现象我们称之为几何畸变。

 几何畸变会给基于遥感图像的定量分析、变化检测、图像融合、地图测量或更新等处理带来误差，所以需要针对图像的几何畸变进行校正，也就是几何校正。

 传感器内部因素：包括透镜、探测元件、采样速率、扫描镜等引起的畸变。  遥感平台因素：包括由于平台的高度、速度、轨道偏移及姿态变化引起的图像畸变。  地球因素：地球自转、地形起伏、地球曲率等。  此外，大气折射和投影方式的选择也会造成图像畸变。

 按照畸变的性质，可以将几何畸变分为系统性畸变（内部）和随机性畸变（外部）。  系统性畸变是指遥感系统造成的畸变，这种畸变一般有一定的规律性，并且其畸变程度事先能够预测，例如扫描镜的结构方式和扫描速度等造成的畸变。  随机性畸变是指大小不能预测，其出现带有随机性质的畸变，例如地形起伏造成的随地而异的几何偏差。

 遥感图像的几何校正分为两种：几何粗校正和几何精校正。  几何粗校正是根据产生畸变的原因，利用空间位置变化关系，采用计算公式和取得的辅助参数进行的校正，又称为系统几何校正。  几何精校正是指利用地面控制点做的精密校正。几何精校正不考虑引起畸变的原因，直接利用地面控制点建立起像元坐标与目标物地理坐标之间的数学模型，实现不同坐标系统中像元位置的变换。

 一、几何校正过程  二、坐标变换  三、灰度值重采样  四、几何校正步骤

 几何校正涉及两个过程：   一是空间位置（像元坐标）的变换   二是像元灰度值的重新计算（重采样）

1、图像选点原则：  （1）选取图像上易分辨且较精细的特征点：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。 2、数量原则：  （1）在图像边缘处，在地面特征变化大的地区，需要增加控制点；  （2）保证一定数量的控制点，不是控制点越多越好。如一景TM的控制点数量在30-50左右。 3、控制点获得途径：  （1）基础数据   基础测绘数据、数字线画图（DLG）、数字栅格图（DRG）  （2）影像数据   正射影像（DOM）、已经过几何精校正的影像  （3）实地测量（GPS）

地面控制点实质：找到待校正图像上的点对应真实的坐标值。

 图像数据经过坐标变换之后，像元中心位置通常会发生变化，其在原始图像中的位置不一定是整数的行列号，因此需要根据输出图像每个像元在原始图像中的位置，对原始图像按一定规则进行重采样，通过对栅格值进行重新计算，建立新的栅格矩阵。  重采样就是根据原始图像的像元信息内插为新的像元值。  数字图像灰度值最常用的重采样方法（Resampling）有最近邻法（nearest neighbor）、双线性内插法（bilinear）和三次卷积法（cubic convolution）。

 几何精校正不需要空间位置变化数据，回避了成像的空间几何过程，主要借助地面控制点实现校正。其主要校正步骤为：   （1）对畸变图像和基准图像建立统一的坐标系和地图投影；   （2）选择地面控制点（GCP），按照GCP选择原则，在畸变图像和基准图像上寻找相同位置的地面控制点对；   （3）选择校正模型，利用选择的GCP数据求取校正模型的参数，然后利用校正模型实现畸变图像和基准图像之间的像元坐标变换；   （4）选择合适的重采样方法对畸变图像的输出图像像元进行灰度赋值；   （5）几何校正的精度分析。

 一、图像到图像的几何校正  二、图像到地图的几何校正  三、具有已知几何信息的几何校正  四、正射校正

 根据控制点选取来源的不同，几何精校正可分为图像到图像的几何校正、图像到地图的几何校正和具有已知几何信息的几何校正。

 图像到图像的几何校正是利用具有已知地理信息的基准图像进行控制点选取，在基准图像和畸变图像上选取相同目标物，建立起基准图像与畸变图像之间的图像坐标转换关系，再利用基准图像的实际坐标投影信息对畸变图像进行几何校正。

 图像到地图的几何校正与图像到图像的几何校正基本类似，只是控制点的选择方式更加灵活。可以通过具有地理坐标信息的栅格图像、矢量图像、文本文件导入，也可以从纸质地图、GPS测量数据中读取，通过键盘手动输入坐标信息。

 一般是通过输入几何文件（Input Geometry，IGM）和地理位置查找表文件（Geographic Lookup Table，GLT）来实现。

 正射校正不仅能够实现常规的几何校正功能，还能通过测量高程点和DEM来消除地形起伏引起的图像几何畸变，提高图像的几何精度。正射校正的图像具有精确的空间位置，全幅图像具有统一的比例尺，称为数字正射影像。

 一、图像配准概念  二、图像自动配准  三、投影转换

 几何校正和图像配准  图像配准是指将不同时间、不同波段、不同传感器系统所获得的同一地区的图像（数据），经几何变换使同名像点在位置上和方位上完全叠合的操作。  图像配准与几何校正的原理是完全相同的，即都涉及到空间位置（像元坐标）变换和像元灰度值重采样处理两个过程。  二者的区别主要在于其侧重点不相同：几何校正注重的是数据本身的处理，目的是为了对数据的一种真实性还原。而图像配准注重的是图和图（数据）之间的一种几何关系，其目的是为了和参考数据达成一致，而不考虑参考数据的坐标是否标准、是否正确。也就是说几何校正和图像配准最本质的差异在于参考的标准（图像配准与几何校正的最大区别在于参考图像：如果参考图像本身的几何位置是正确的，那么图像配准和几何校正是一回事；如果参考图像的几何位置是偏差的，那么图像配准只是一个相对的配准）。另外，几何校正更像前期数据处理，图像配准更像后期处理。

 1、要素   图像自动配准方法可以看作是特征空间、相似性度量、搜索空间和搜索策略这四个要素的不同选择组合。   特征空间：图像自动配准需要在图像之间自动识别同名点，同名点的自动识别借助于图像特征，参与匹配的图像特征便组成特征空间。   相似性度量：确定待匹配图像特征之间的相似性，它的选择与待匹配的图像特征密切相关，通常定义为某种代价函数或者是距离函数的形式。   搜索空间：建立输入图像特征与基准图像特征之间各种可能的对应关系，也就是说对基准图像特征进行各种可能的变换，所有这些可能的变换的集合就是搜索空间。   搜素策略：确定搜索空间之后，需要通过合适的搜索方法在搜索空间中找出平移、旋转等变换参数的最优估计，使得图像之间经过变换之后的相似性最大，这就是搜素策略。

 2、性能   图像自动配准算法的性能可以从匹配速度、匹配精度、匹配概率和匹配适应性这四个指标来进行评估。   匹配速度是指匹配算法运行的效率，由算法的计算量和算法结构（并行或串行）决定。而算法总的计算量与相似性计算的计算量以及搜索次数有关；并行运算效率较高，但对电脑硬件要求较高。一个好的匹配算法要求其具有实时性，能够满足应用需求。   匹配精度是由图像匹配误差决定，也就是估计匹配点与实际匹配点之间的偏差，采用均方根误差RMS描述。RMS越小，则匹配误差越小，匹配精度就越高。   匹配概率是指每次匹配操作能够把匹配误差限定在精度范围的概率，为正确匹配次数与总匹配次数的比值。它不仅与算法本身有关，还和匹配区域的特征密切相关。往往是结构特征密集的区域匹配概率大，变化缓慢的区域匹配概率小。   匹配适应性是指匹配算法是否适用于不同来源的图像数据。

 3、方法   根据对图像特征的选择，图像自动配准方法一般可以分为基于灰度的图像配准和基于特征的图像配准。   1）基于灰度的配准方法    基于灰度的配准方法通常直接利用整幅模板图像的灰度信息，建立模板图像和输入图像之间的相似性度量，然后采用某种搜索策略，寻找使相似性度量值最大或最小的变换模型的参数值。    基于灰度的配准算法的要素主要有相似性度量、搜索策略和模板窗口大小的选择。 基于灰度的配准方法能够获得较高的精度和鲁棒性，但是因为需要将配准点邻域的灰度都考虑进来，所以计算量大，实时性差。另外，在信息贫乏区和畸变区域的匹配效果不佳。   2）基于特征的配准方法    与基于灰度的配准方法不同的是基于特征的配准方法首先需要对图像进行特征提取，然后根据相似性原则对两幅图像的特征进行匹配，选取变换模型，通过合适的搜索策略求取变换的最优化参数，再利用求取的参数对输入图像进行坐标变换和插值。    用于配准的特征可以分为点特征、线特征和区域特征，常用的特征有线端点、线交叉点、区域中心、角点、边缘和区域等。

 与几何校正类似，投影转换也涉及到空间位置（像元坐标）变换和像元灰度值的重新计算（重采样）两个过程。  二者的区别在于：几何校正的空间位置变换关系未知，需要利用控制点的坐标来建立空间位置变换关系；而投影转换则可以根据两种投影类型及其参数推导出明确的空间位置变换关系，因此投影转换时只需设置输出图像的投影类型及其参数、以及灰度重采样方法（投影转换的空间位置是已知的）。

 投影转换与添加投影是两个不同的概念，投影转换涉及到几何变换的空间位置变换与像元灰度值重采样两个过程，会引起图像上地物的形状发生改变；  而添加投影是指输入图像本身具有某种投影类型，只是投影信息因某种原因暂时丢失了，所以需要重新给图像添加投影信息，它不会引起图像内容的任何变化。