毕业设计关于地面控制点分布对基于voronoi图的图像几何校正的影响的研究.docx
《毕业设计关于地面控制点分布对基于voronoi图的图像几何校正的影响的研究.docx》由会员分享,可在线阅读,更多相关《毕业设计关于地面控制点分布对基于voronoi图的图像几何校正的影响的研究.docx(7页珍藏版)》请在冰点文库上搜索。
毕业设计关于地面控制点分布对基于voronoi图的图像几何校正的影响的研究
关于地面控制点分布对基于Voronoi图的图像几何校正的影响的研究
摘要
随着遥感卫星的发展,遥感图像的数据量正在不断加大,这给通过人工地面控制点选择的图像几何校正带来了巨大的工作量。
基于软件自动选择地面控制点是降低人工操作的有效方法之一。
本文中,在总结了现有的关于GCP自动优化的方法后,提出了一种基于Voronoi图(泰森多边形)的GCP自动优化的新方法。
这种方法利用了GCP产生的泰森多边形最小面积比,GCP作为没有人工主观性的基数和过滤器产生了更好的精确性。
本文的实验也表明了几何校正的准确性和GCP分布之间的关系。
关键词:
几何校正GCP泰森多边形
1.说明
遥感技术被广泛应用于国民经济的发展。
根据遥感图像成像原理,没有经过一系列预处理的图像不能被使用,如噪声过滤,辐射校正,几何校正。
地面控制点(GCP)的选择是一个遥感图像的几何校正的重要步骤。
几何校正的精度取决于地面控制点(GCP)的数量、精确度和分布。
GCP是航空摄影和遥感图像的几何校正的基础数据的一个重要来源。
几何校正的过程中需要的GCP数量是由许多不同的原因决定的,包括:
原始图像的校正方法,原始图像的类型和所用软件需要的映射精确度。
有许多方法来收集GCP,主要由数据源区分,包括:
数字栅格图形(DRG),数字正射影像图(DOM),数字线划图(DLG)或现场测量。
GCP分布对遥感图像的几何校正的精度有很大影响。
人们普遍要求GCP分布应均匀,这样他们就可以完全控制映射区域的精度。
还需要图像的每个角落都有一个控制点以致于所有的控制点都可以控制映射区的准确性。
虽然山区地形复杂,我们也需要根据实际情况,选择一些控制点。
控制点必须设置在图像纹理清晰并且可以很容易地找到的地方,我们不能把它当做理所当然,我们应该把质量放在数量之前。
本文设计的实验来验证GCP的分布对几何校正结果的影响。
如果GCP是多余的,本文也提出了一个方法来自动优化这些控制点使其分布更合理。
2.方法
本文中原始数据是2005年5月6日在北京收集的,它是一个30米分辨率的TM图像,参考图像是一个1992年9月7日收集的由美国Earthsat公司生产的30米分辨率的邻位相关检查图像.实验分为两个部分:
实验1:
分布点;实验2:
基于泰森多边形的控制点优化实验。
2.1实验一
本文中使用ERDAS和PCI分析图像校正GCP分布影响。
实验步骤:
2.1.1手动或者通过电脑选择控制点和检查点(CPS)。
在本文中通过ERDAS自动选择控制点,设计了七种不同的控制点和检查点的分布,如图2-1所示,控制点放在阴影区域,检查点放在空白面积中。
图2-1控制点和检查点的不同分布
2.1.2根据阴影和空白面积的大小设计数量适当的控制点和检查点控制点、检查点的七个分布点相应的数字显示在表2-1中.
表2-1控制点和检查点的数量
2.1.3.产生地面控制点和检查点的文本文件数据。
数据产生后并且用PCI处理这些数据,以便得到每个分配剩余的错误报告。
由于在实验中采用正射校正模型为几何校正模型,所以海拔因素对校准的影响结果必须考虑。
控制点和检查点的高程可以通过TM影像的DEM计算,图2-2是控制点和检查点在分布图像中的分布。
图2-2控制点(红十字)和检查点(蓝十字)在分布图像中的分布
2.1.4.对数据排序产生的残差报告。
7例控制点和检查点的残余误差在表2-2中显示。
表2-2例控制点和检查点的残余误差
2.1.5.生成的控制点和检查点的残差矢量图。
在本文中,MATLAB用于生成这些残差矢量图,其中控制点是蓝色的,检查点是红色,如图2-3所示:
(杨广和焦伟利环境科学大学工学硕士学位论文11(2011)365–371)
图2-3残差矢量图7分布
2.1.6.实验结果
从以上数据,我们可以得出如下结论:
(1)控制点的分布不均匀会导致在没有控制点的区域产生较大的残余误差,这意味着根据这些点标定结果是远远不能令人满意的。
(2)控制点在遥感图像边缘合适地分布可有效地提高图像校正结果的精确度和可靠性。
(3)在整个图像均匀分布的控制点可以提高图像校正结果的精度和可靠性。
(4)检查点的残差和检查点与控制点区域之间的距离是成比例的。
2.2.实验二
自动选择GCP目前有三种优化方法:
规则网格法,长距离法,Voronoi图的方法(泰森多边形法)。
规则网格法使用规则的网格划分ROI(感兴趣区域)。
为了实现均衡分布,每个网格保留数量相同的具有较高精度的控制点。
该方法简单容易实现,但投资回报率不一定是规则区域。
此外,在每个网格并不总是有一个规律明显的特征点。
因此,采用规则网格控制分布的影响是差强人意的,最长距离方法的结果是取决于阅读点的顺序。
计算机的不同的阅读顺序产生不同的结果。
为了克服这些缺陷,本文利用了基于Voronoi图和通过索引“重要价值”估量分布情况的自动优化方法。
本实验的平台是ERDAS、MAPINFO软件。
实验步骤:
(1)在ERDAS可自动选择控制点的进口原图像和参考图像
(2)GCP的数据格式转换。
把控制点数据转换成Excel表格式(注:
储备GCP的ID和GCP的像素坐标及地理坐标。
用PCI软件找出四个角的像素坐标与地理坐标)
(3)利用GCP生成泰森多边形,Mapinfo软件自动生成的基于控制点的Voronoi
图,如图2-4所示。
图2-4Voronoi图和泰森多边形
(4)产生每个GCP的重要价值。
使用“价值”的概念作为一个目标评价指标。
基于MapInfo的面积测量功能,并记录每个多边形的区域。
每个控制点都有一个泰森多边形,这个区域可被看做是GCP的被影响区域。
受影响面积越大,控制点在几何校正中的重要性越高。
我们称每个控制点区域占总区域的百分比为重要值和我们所代表的IMV的重要价值。
因此我们使用GCP的最小和最大的IMV的比率作为一个客观的标准来评估是否GCP是一致的。
均匀分布的理想状态是控制点的所有重要值是相等的。
这意味着比为1。
(5)地面控制点自动优化。
实验分别保留20,25,30GCP,凸点的数量是8,。
GCP自动优化生成的泰森多边形如图2-5所示。
图2-5控制点自动优化的泰森多边形
实验结果
GCP进行优化后,我们可以看到,GCP比之前更均匀,但这只是主观的的感觉。
我们可以通过最大值和最小值的比值表达定量。
优化后,比例接近1。
如表2-3所示。
表2-3优化前后的比值
(杨广和焦伟利环境科学大学工学硕士学位论文11(2011)365–371)
现在我们用实验二的结果分析实验一。
GCP最大值和最小值IMV的不同分布和它们的比率如表2-4所示。
表2-4不同情况下的IMV和比率
表2-5IMV和残余误差
GCP分布和几何校正的精度之间的关系。
GCP分布数据和几何校正的精确度在表2-5里显示。
检查点最大值和最小值的比率与残余误差之间存在显著的正相关关系。
3、讨论和结论
在本文中,第一个实验是关于GCP分布的。
实验中有七种类型的GCP分布,对于每一种情况,正射校正模型进行几何校正。
控制点和检查点的残差被用来评估几何校正的结果。
通过分析得出的数据得到了一些结论,如果在地面控制点的精度相同的情况下,控制点的分布越均匀,精确度就越高。
校正精度与像素从GCP的距离有关。
靠近GCP地区比其他地区更准确。
控制点应在图像内均匀分布。
对均匀分布主观性的理解,没有客观的结论。
在本文中,我们采用重要值为目标评价指标。
每个控制点都有一个泰森多边形,它的多边形的面积百分比可以测量重要值。
大量的实验结果表明,GCP产生的泰森多边形最大最小区域之间的比例约为4。
有很多因素影响几何校正,分布仅是其中的一个因素。
研究几何校正的影响,必须考虑其他的因素,例如,控制点的数量,GCP的精度和它们之间的相互作用。
参考文献
[1]周佳祥,朱晓东,周晓光.基于Voronoi图的遥感图像几何校正中的地面控制点的选择[J].地理信息世界,2007,(02)
[2]黄建,王吉.遥感图像的几何校正中地面控制点地选择[C].环境遥感的年度回忆录.2004
[3]赵英世.遥感应用分析的原理和方法[M].科学出版社.2003.P176-179
[4]李颖,程勃.基于Voronoi图的几何图像校正中地面控制点自动优化的研究.国际光学工程学会,v7146,2008