轨道运行速度 影像采集时间 重访频率 轨道周期 轨道类型 重量 6.5-11.2千米/秒 每日上午10:00-11:00 1～6天 93.4分钟 太阳同步 817千克 2.2 卫星图像处理方法

2.2.1 图像纠正

2.2.1.1 粗加工处理（粗纠正）

遥感图像的粗加工处理也称为粗纠正，它仅做系统误差改正。当已知图像的构像方式时，就可以把与传感器有关的测定的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。

1、投影中心坐标的测定和解算。

为了确定投影中心的坐标，首先要确定卫星的坐标，卫星与传感器之间的相对位臵是固定的，可以在地面测得。测定卫星坐标的方法有卫星星历表解算和全球定位系统测定两种方法。

卫星星历表解算的依据是卫星轨道的六个轨道参数。当六个轨道参数确定后，根据坐标系之间的变换关系，可以预先编制成卫星星历表，当已知卫星的的运行时刻时，就可以通过星历表查找卫星的地球坐标。

全球定位系统测定卫星坐标，是利用GPS接收机在卫星上直接测定卫星的地球坐标。 用全球定位系统测定卫星坐标的精度要优于星历表解算。 2、传感器姿态角的测定

卫星姿态角的测定可以用姿态测量仪器测定，如红外姿态测量仪、星相机、陀螺仪等，也可以通过3个安装在卫星上3个不同位臵的GPS接收机测得的数据来解求姿态角。

3、扫描角θ的测定

粗加工处理对传感器内部畸变的改正很有效。但处理后图像仍有较大的残差（偶然误差和系统误差）。因此必须对遥感图像做进一步的处理即精加工处理。

41

2.2.1.2 遥感图像的精纠正处理

遥感图像的精纠正是指消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。它包括两个环节：一是像素坐标的变换，即将图像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。数字图像纠正主要处理过程如下： 1.根据图像的成像方式确定影像坐标和地面坐标之间的数学模型。

2.根据所采用的数字模型确定纠正公式。

3.根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度。 4.对原始影像进行几何变换计算，像素亮度值重采样。 目前的纠正方法有多项式法，共线方程法和随机场插值法等。

2.2.1.2.1. 遥感图像的多项式纠正

多项式纠正回避成像的空间几何过程，直接对图像变形的本身进行数字模拟。遥感图像的几何变形由多种因素引起，其变化规律十分复杂。为此把遥感图像的总体变形看作是平移、缩放、旋转、仿射、偏扭、弯曲以及更高次的基本变形的综合作用结果，难以用一个严格的数字表达式来描述，而是用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系。本法对各种类型传感器图像的纠正是适用的。利用地面控制点的图像坐标和其同名点的地面坐标通过平差原理计算多项式中的系数，然后用该多项式对图像进行纠正。

1、常用的多项式有一般多项式、勒让德多项式以及双变量分区插值多项式等。 根据纠正图像要求的不同选用不同的阶数，当选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。当选用二次项纠正时，则在改正一次项各种变形的基础上，还改正二次非线性变形。如选用三次项纠正则改正更高次的非线性变形。对参加计算的同名点的要求：①在影像上为明显的地物点，易于判读。②在影像上均匀分布。

2、当用上述方法解求变换参数后，就可以对遥感图像进行几何纠正： 1）纠正后数字图像的边界范围的确定

纠正后图像的边界范围，指的是在计算机存贮器中为输出图像所开出的贮存空间大小，以及该空间边界（首行，首列，末行和末列）的地图（或地面）坐标定义值。图像边界定义得不恰当，将造成纠正后图像未被全部包括，以及出现过多空白图像空间的不合理现象。因而，输出图像边界范围的确定原则，是既包括纠正后图像的全部内容，又使空白图像空间尽可能地少。

42

2）直接法和间接法纠正方案

在输出图像边界及其坐标系统确立后，就可以按照选定的纠正变换函数把原始数字图像逐个像素变换到图像贮存空间中去。这里有两种可供选择的纠正方案，即直接法方案和间接法方案。

所谓直接法方案，是从原始图像阵列出发，按行列的顺序依次对每个原始像素点位求其在地面坐标系（也是输出图像坐标系）中的正确位臵。

所谓间接法方案，是从空白的输出图像阵列出发，亦按行列的顺序依次对每个输出像素点位反求原始图像坐标中的位臵。

这两种方案本质上并无差别，主要不同仅在于所用的纠正变换函数不同，互为逆变换；其次，纠正后像素获得的亮度值的办法，对于直接法方案，称为亮度重配臵，而对间接法方案，称为亮度重采样。由于直接法纠正方案要进行像元的重新排列，要求内存空间大一倍，计算时间也长，所以在在实践中通常使用的方案是间接法方案。

3．数字图像亮度（或灰度）值的重采样

以间接法纠正方案为例，假如输出图像阵列中的任一像素在原始图像中的投影点位坐标值为整数时，便可简单地将整数点位上的原始图像的已有亮度值直接取出填入输出图像。但若该投影点位的坐标计算值不为整数时，原始图像阵列中该非整数点位上并无现成的亮度存在，于是就必须采用适当的方法把该点位周围邻近整数点位上亮度值对该点的亮度贡献累积起来，构成该点位的新亮度值。这个过程即称为数字图像亮度（或图像灰度）值的重采样。

图像亮度（或图像灰度）值重采样时，周围像素亮度值对被采样点（非整数点位）贡献的权可用重采样函数来表达。理想的重采样函数是辛克（SINC）函数，其横轴上各点的幅值代表了相应点对其原点（O）处亮度贡献的权。但由于辛克函数是定义上在无穷域上的，又包括三角函数的计算，实际使用不方便，因此人们采用了一些近似函数代替它，据此产生了三种常用的重采样算法。

（１）最邻近像元采样法

该法实质是取距离被采样点最近的已知像素元素的（N）亮度IN作为采样亮度。最邻近像元采样法最简单，辐射保真度较好, 但它将造成像点在一个像素范围内的位移，其几何精度较其他两种方法差。

（2）双线性内插法

该法的重采样函数是对辛克函数的更粗略近似，当实施双线性内插时，需要有被采样点P周围4个已知像素的亮度值参加计算，由于该法的计算较为简单，并具有一定的亮度采样

43

精度，所以它是实践中常用的方法，但图像略变模糊。

（３）双三次卷积重采样法

该法用一个三次重采样函数来近似表示辛克函数，双三次卷积的内插精度较高，但计算量大。

2.2.1.2.2. 遥感图像的共线方程纠正

共线方程纠正是建立在图像坐标与地面坐标严格数学变换关系的基础上的，是对成像空间几何形态的直接描述。该方法纠正过程需要有地面高程信息（DEM），可以改正因地形起伏而引起的投影差。因此当地形起伏较大，且多项式纠正的精度不能满足要求时，要用共线方程进行纠正。

共线方程纠正时需要有数字高程信息，计算量比多项式纠正要大。同时，在动态扫描成像时，由于传感器的外方位元素是随时间变化的，因此外方位元素在扫描过程中的变化只能近似表达，此时共线方程本身的严密性就存在问题。所以动态扫描图像的共线方程纠正与多项式纠正相比精度不会有大的提高。

在常规航空摄影的情况下，由于像幅覆盖的地面范围不大，图像地物在地图上的投影与其在地球切平面上投影之间的误差较小，在适当考虑了地球曲率、大气折光、图像底片变形和摄影机透镜畸变差等改正后，按本章第一节所介绍的构像方程就能令人满意地把图像地物投影到地图上去。但是，在航天摄影和卫星遥感的情况下，由于每幅图像所覆盖的地面范围很大，图像地物在地球切平面上的投影与其在地图上的投影之间有着不可忽略的形变差异，因此需要通过更严密的变换来建立地物的图像坐标与地图坐标之间的关系。为此，提出了建立以地心坐标系为基础的共线方程的问题。由于各类卫星图像的星历参数都是按地心直角坐标提供，故建立以地心直角坐标为基础的共线方程将有助于我们更好地利用卫星图像所附的星历参数文件。

1.以地心直角坐标为基础的共线方程

引进地心直角坐标系的作用是在于它既能够与传感器坐标系直接进行三维空间线性变换，恢复成像光束的空间几何状态，又能借助于大地测量学和地图投影学的知识，方便地转换为地理经纬度坐标，进而转换为任意一种所需要的地图投影坐标。即它是把地物的图像与地图坐标严密地联系起来的重要中间媒介。

2.共线方程参数的确定

44

参数的选择

共线方程中的待定系数主要指传感器的三个姿态参数和三个位臵参数，总共为6个自由度，

参数的解算

共线方程参数的解算方法，与多项式变换函数的系数解求类似，分两种方法。一是利用可预测的参数来直接构成；二是利用控制点通过最小二乘法原理解求。

３．共线方程参数随时间变化的表征函数

上述共线方程参数的求解适用于静态传感器，因为整幅图像拥有相同的六个方位元素，通过有限的控制点可以解求出来。但对于动态传感器，就不适用了。动态传感器成象是每一条扫描线图像（甚至每个像素）有自己的一套共线方程参数，整幅图像可能含有很多的共线方程参数，以至最后不可解。为解决这个问题，通常把整幅图像成象过程中的共线方程参数的变化看作是成象时间t的连续函数，用其来表达任一时刻传感器的位臵和姿态。该连续函数即称为共线方程参数的表征函数。

2.2.1.2.3. 加入高差改正的CCD线阵影象的多项式纠正

多项式纠正对地面相对平坦的地区具有足够好的纠正精度，计算方便，应用广泛。但对地形起伏较大的地区，尤其当传感器的倾斜角较大时，效果就不明显，甚至不能用多项式来进行纠正。采用多项式纠正时要引入纠正地区的高程信息，即引入投影差改正的多项式纠正法。其基本思想是先改正因地形引起的变形，然后用一般多项式来拟合，改正其他的变形。重采样时则相反，先根据多项式参数求得未受高差影响的像点指标，然后加上投影差，从而获得真实的像点坐标。

2.2.2 图像融合

遥感技术的发展为人们提供了丰富的多源遥感数据。这些来自不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的极化方式。单一传感器获取的图像信息量有限，往往难以满足应用需要，通过图像融合可以从不同的遥感图像中获得更多的有用信息，补充单一传感器的不足。图像融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。全色图像一般具有较高空间分辨率（如SPOT5全色图像分辨率为2.5m），多光谱图像光谱信息较丰富（如SPOT5有三个波段）。为提高SPOT5多光谱图像的空间分

45