無控制點(diǎn)航空遙感圖像幾何校正算法應(yīng)用

江 倩，盛啟慧，李啟明，劉毓博，高 軍

?

無控制點(diǎn)航空遙感圖像幾何校正算法應(yīng)用

江 倩1，盛啟慧1，李啟明1，劉毓博2，高 軍1

（1. 上海海事大學(xué)，上海 201306；2. 中國科學(xué)院上海技術(shù)物理研究所，上海 200083）

航空遙感圖像有著特殊的幾何畸變特性以及現(xiàn)實(shí)中無法及時獲取野外控制點(diǎn)的限制條件，無法使用傳統(tǒng)的幾何校正方法對圖像進(jìn)行處理。針對航空遙感圖像的限制條件，本文使用了無地面控制點(diǎn)的航空遙感圖像幾何校正模型對圖像進(jìn)行處理。通過實(shí)驗(yàn)對比仿射變換模型和多項(xiàng)式變換模型的校正效果，得出仿射變換模型更能適用于本文情況，更能改善圖像效果。在幾何校正過程中，提出了一種控制點(diǎn)的最佳選取方案，實(shí)驗(yàn)結(jié)果表明，該方案可以有效配合圖像幾何校正的實(shí)施。

航空遙感圖像；無地面控制點(diǎn)；幾何校正

0 引言

近幾年來，在傳感器技術(shù)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展背景下，航空遙感圖像也廣泛應(yīng)用于多個領(lǐng)域，在我們生活中起著特別重要的作用。面陣擺掃型相機(jī)在這個發(fā)展過程中脫穎而出，主要是因?yàn)槠湓谶M(jìn)行對地觀測成像時，有著靈活機(jī)動、視場大、效率高以及傾斜成像等優(yōu)勢，而且面陣擺掃型傳感器可以彌補(bǔ)傳統(tǒng)面陣CCD或者面陣多拼相機(jī)在成像視場上的不足，其擺掃成像的方式能夠快速獲取大范圍的地面目標(biāo)。因此，各國投入了極大的人力和物力研制生產(chǎn)一些滿足自身需要的面陣擺掃型傳感器，特別是在航空偵查領(lǐng)域。隨著面陣擺掃型傳感器的迅速發(fā)展，如何對圖像數(shù)據(jù)進(jìn)行高質(zhì)量且有效的幾何校正成為研究熱點(diǎn)[1]。常規(guī)的航空對地觀測數(shù)據(jù)處理方法通常需要高精度的內(nèi)外方位元素、較大的影像重疊和地面控制信息的參與，這些條件都是面陣擺掃型成像系統(tǒng)無法滿足的。目前國內(nèi)外對于面陣擺掃型成像系統(tǒng)的研究大多數(shù)都會集中在傳感器硬件系統(tǒng)，在面陣擺掃型航空影像數(shù)據(jù)的一些處理方法極度匱乏。為了更好地應(yīng)用該類型航空遙感，特別需要開展這一背景下的幾何校正技術(shù)的研究，以便更好地進(jìn)行圖像的拼接工作。

在遙感圖像幾何校正領(lǐng)域已有的研究：

Bentoutou Y.等人[2]在2005年提出了一種新的衛(wèi)星遙感圖像配準(zhǔn)方法，該技術(shù)使用的圖像邊緣最鮮明的區(qū)域作為控制點(diǎn)，該算法已成功應(yīng)用于實(shí)踐中。實(shí)驗(yàn)結(jié)果表明，該算法具有較好的魯棒性，效率和準(zhǔn)確性。周海芳等人[3]在2006年首先研究了基于多項(xiàng)式變換的幾何校正算法，提出了一種新的并行幾何校正算法，有效提高了圖像預(yù)處理的效率。該算法通過局部邊界計(jì)算來實(shí)現(xiàn)延遲通信，解決了局部性問題。

H Goncalves等人[4]在2009年研究了幾何校正過程中圖像配準(zhǔn)方法的應(yīng)用，文獻(xiàn)中說明了自動圖像配準(zhǔn)沒有廣泛使用的原因是缺乏客觀和自動化的圖像配準(zhǔn)過程質(zhì)量分析的標(biāo)準(zhǔn)，同時文獻(xiàn)提出了一些幾何校正圖像配準(zhǔn)過程中的客觀評價。曹玲玲等人[5]在2011年提出了一種遙感圖像的快速幾何校正算法，該算法把畸變的圖像劃分為多個子塊，分別對子塊進(jìn)行重采樣計(jì)算，在重采樣計(jì)算上還使用了最大程度減少坐標(biāo)變換的冗余計(jì)算方法。經(jīng)過實(shí)驗(yàn)證明了此算法對遙感圖像的處理速度有所提高。

李慶鵬等人[6]在2011年提出了利用少量地面控制點(diǎn)，采用基于嚴(yán)格仿射變換模型求解遙感影像的RPC參數(shù)，并對CBERS-02B衛(wèi)星HR相機(jī)遙感影像進(jìn)行了試驗(yàn)，獲得出有意義的結(jié)論。王子維等人[7]在2015年，針對無人機(jī)在執(zhí)行任務(wù)過程中通過數(shù)碼相機(jī)來獲得的低空遙感圖像在進(jìn)行拼接時所涉及到的一些關(guān)鍵技術(shù)進(jìn)行研究，引入了多項(xiàng)式算法進(jìn)行幾何校正。

張姣等人[8]在2015年，提出了一種結(jié)合仿射變換和多層B樣條配準(zhǔn)的圖像校正，來解決大氣湍流引起的圖像抖動和圖像偏移問題，采用仿射變換描述目標(biāo)整體運(yùn)動，引入多分辨率策略處理像素偏移，利用多層B樣條對湍流引起的局部形變進(jìn)行剛性配準(zhǔn)。結(jié)果表明：該方法能夠有效降低湍流造成像素偏移畸變，在噪聲和模擬干擾下校正結(jié)果仍然理想。

P Durand等人[9]在2015年應(yīng)用了一種原始的方法來糾正雷達(dá)圖像幾何畸變，文獻(xiàn)中使用的圖像為SPOT衛(wèi)星（地球觀測衛(wèi)星）采集圖像，雷達(dá)圖像是通過法國東南部的機(jī)載雷達(dá)傳感器Varan獲得的。該算法是通過數(shù)字地形圖生成與雷達(dá)圖像點(diǎn)的對應(yīng)關(guān)系，完成校正。高精度幾何校正一直是航空高光譜遙感圖像處理過程中難度很大的問題，而常規(guī)的遙感圖像處理方法（即通過選取地面控制點(diǎn)來校正圖像的方法）無法適用在航空高光譜圖像的校正中[10]。這是因?yàn)樵诘乩憝h(huán)境復(fù)雜或數(shù)據(jù)實(shí)時性要求的限制下，不能實(shí)時獲取實(shí)測的野外控制點(diǎn)。因此本文把有重疊部分的圖像作為一組基準(zhǔn)圖像和待校正圖像，通過采集重疊區(qū)域的同名點(diǎn)作為控制點(diǎn)來實(shí)現(xiàn)航空高光譜遙感圖像的幾何校正。本文主要比較了仿射變換模型和多項(xiàng)式變換模型的幾何校正方法在此背景下的應(yīng)用，在幾何校正過程中，設(shè)計(jì)了一套特殊的控制點(diǎn)采集方案，達(dá)到了較好的校正效果并為之后的拼接打了堅(jiān)實(shí)的基礎(chǔ)。

1 航空遙感圖像幾何校正

相機(jī)系統(tǒng)自身的光學(xué)誤差、系統(tǒng)集成的誤差以及面陣擺掃式傳感器多投影成像等特點(diǎn)，導(dǎo)致面陣擺掃航空影像的幾何畸變模型是相當(dāng)復(fù)雜的。幾何校正作為圖像拼接不可或缺的部分，校正的好壞直接影響著圖像拼接的效果。為了高質(zhì)量完成之后的拼接工作，本文將重點(diǎn)進(jìn)行幾何校正的研究。遙感圖像幾何校正算法主要有兩個步驟：一是像素坐標(biāo)變換；二是像素亮度的重采樣[11]，主要流程如圖1所示。

圖1 航空遙感圖像幾何校正流程圖

1.1 確定圖像角色

傳統(tǒng)幾何校正主要是以已校正過的遙感圖像為基準(zhǔn)圖像或者使用大量的地面控制點(diǎn)對待校正圖像進(jìn)行幾何校正。但如今面臨的問題是無法及時獲取地面控制點(diǎn)，此時將使用無地面控制點(diǎn)的幾何校正方法對圖像進(jìn)行校正。在同一個航帶內(nèi)，首選傳感器下視點(diǎn)（擺掃角為0°）的遙感圖像為基準(zhǔn)圖像，主要因?yàn)榇颂巿D像較其他位置圖像有較小的幾何畸變，在一定的情況下，這樣的幾何畸變可忽略?；鶞?zhǔn)圖像確定后，將以仿射方式對同一航帶內(nèi)的其他圖像進(jìn)行幾何校正。

1.2 選取控制點(diǎn)

1.2.1 選取方案設(shè)計(jì)

根據(jù)幾何畸變的原理得知，整個圖像的中心點(diǎn)位置為幾何畸形可能最小的區(qū)域，幾何畸形的程度隨著距離的擴(kuò)散而變大，因此本文以距離中心點(diǎn)接近的圖像作為基準(zhǔn)圖像，而遠(yuǎn)離中心點(diǎn)的圖像作為待校正圖像[12]。

首先將基準(zhǔn)圖像和待校正圖像分別命名為1和2，如圖2所示。在實(shí)驗(yàn)過程中得知，圖像重疊區(qū)域的邊緣處的控制點(diǎn)數(shù)影響著整個幾何校正的效果，因此本文把重疊圖像的重疊邊緣處作為重點(diǎn)取控制點(diǎn)區(qū)域，也就是圖2所示的12、34、14和23，為了準(zhǔn)確構(gòu)建整個重疊區(qū)域的控制點(diǎn)帶，本文將重疊區(qū)域的對角線位置也列入重點(diǎn)取點(diǎn)區(qū)域，也就是圖2中的13和24，除此之外的區(qū)域也需要取控制點(diǎn)，但不列入重點(diǎn)取點(diǎn)區(qū)域。在提取控制點(diǎn)的過程中，本文采取了一些必要的篩選和配對，保證所有提取的控制點(diǎn)對都是有效的。

圖2 控制點(diǎn)選取指示圖

1.2.2 控制點(diǎn)的挑選

選擇控制點(diǎn)是影響著多項(xiàng)式系數(shù)的求解誤差大小的重要因素。通常選擇控制點(diǎn)的方式是通過目測，選取目標(biāo)性比較強(qiáng)的點(diǎn)作為控制點(diǎn)，比如建筑物的棱角、操場邊緣或者河流等。但控制點(diǎn)的選取有一個標(biāo)準(zhǔn)，其精度的衡量尺度為RMS（Root Mean Square）參數(shù)，公式如下所示：

式中：,為無幾何畸變的圖像控制點(diǎn)坐標(biāo)；￠,￠為變換后的圖像控制點(diǎn)坐標(biāo)，以圖像像素大小為單位?？刂泣c(diǎn)的RMS能夠較好地挑選控制點(diǎn)，需要將RMS的值控制在1以內(nèi)，幾何校正才能達(dá)到較好效果。

1.3 幾何校正模型

1.3.1 仿射變換模型

二維仿射變換（Affine Transform）可以用下式(2)來表示：

式中：,0,?2；∈2×2；是對0進(jìn)行仿射變換的結(jié)果。當(dāng)拍攝對象與攝像機(jī)之間的距離遠(yuǎn)遠(yuǎn)大于拍攝對象自身的大小時，仿射變換可以被近似為透視變換。平移、縮放、反射、旋轉(zhuǎn)和錯切是二維仿射變換的一些特殊情況，常用的二維仿射變換總是可以表示為這5種變換的組合[13]。

1.3.2 多項(xiàng)式變換模型

多項(xiàng)式變換模型通過一般多項(xiàng)式表示校正前后圖像的對應(yīng)點(diǎn)之間的坐標(biāo)關(guān)系[14]，其可以用于從一個坐標(biāo)系導(dǎo)出另一坐標(biāo)系中的對應(yīng)點(diǎn)的坐標(biāo)：

式中：(,)是像素的校正坐標(biāo)；(,)是校正前坐標(biāo)；a、b是多項(xiàng)式系數(shù)。幾何校正成功與否的關(guān)鍵是二元次多項(xiàng)式系數(shù)中和的解。當(dāng)前求解方法的核心是通過存在于兩幅圖像上的若干個控制點(diǎn)的坐標(biāo)，建立次多項(xiàng)式系數(shù)的方程組，進(jìn)行求解，使用最小二乘法，獲得二元次多項(xiàng)式的系數(shù)。

為了達(dá)到基準(zhǔn)圖像與待校正圖像間坐標(biāo)的完全配準(zhǔn)，這時需要分析和嘗試最佳的空間變換模擬式。在二元次多項(xiàng)式中，為了有效提高幾何校正的精度，需要關(guān)注的重點(diǎn)主要可以分為兩個方面:

一是多項(xiàng)式中值的確定，會直接影響到幾何畸變的復(fù)雜程度，從理論上講，值的增加，可以校正更加復(fù)雜的圖像幾何畸變，但計(jì)算量也會隨之增加，綜合這些實(shí)際情況，應(yīng)用中的值通常取小于等于3。

二是控制點(diǎn)數(shù)目的確定，在應(yīng)用多項(xiàng)式變換模型時，需要確定多項(xiàng)式的次方數(shù)，通常為2或3次。在選取控制點(diǎn)時，最少控制點(diǎn)個數(shù)與其直接相關(guān)，若多項(xiàng)式為次，其最少控制點(diǎn)個數(shù)為(＋1)(＋2)/2。但是，在實(shí)際應(yīng)用中，使用最小數(shù)量的控制點(diǎn)，幾何校正的效果通常不好。所以在條件允許的情況下，控制點(diǎn)的數(shù)量應(yīng)遠(yuǎn)大于最小數(shù)量，可以是6倍或更多倍，以確保更好的幾何校正效果。

1.4 圖像重采樣

經(jīng)過幾何變換，圖像的坐標(biāo)為無幾何畸變坐標(biāo)，每個像素分配的也是無幾何畸變坐標(biāo)，那么需要做的是分配每個無幾何畸變像素亮度值。由于已知圖像數(shù)據(jù)是具有幾何畸變的像素亮度值，沒有無幾何畸變的像素亮度值，因此可以使用諸如最近鄰法，雙線性插值法和三次卷積插值法的數(shù)學(xué)重采樣方法來計(jì)算校正后的像素的亮度值。在重采樣方法中，雖然工作量相對較大，但是圖像質(zhì)量保存更好，性能的細(xì)節(jié)更清晰，是許多遙感軟件的首選方法，因此本文將使用三次卷積插值法來進(jìn)行重采樣[15]。

1.5 圖像拼接

通過圖像的校正，得出了校正后圖像。在選取控制點(diǎn)的過程中，已經(jīng)建立了基準(zhǔn)圖像與校正圖像特征點(diǎn)的一對一關(guān)系，通過這一關(guān)系可以實(shí)現(xiàn)圖像間的配準(zhǔn)，最終實(shí)現(xiàn)圖像的拼接。圖像拼接的目的是檢驗(yàn)兩種校正算法生成的圖像與基準(zhǔn)圖像重合度。

如圖3下半部分圖像為校正后圖像（圖中校正圖像使用的校正方法為仿射變換），上半部分圖像為基準(zhǔn)圖像，重疊部分已在圖片上顯現(xiàn)出來。

2 實(shí)驗(yàn)結(jié)果及分析

本文所用數(shù)據(jù)為2016年2月上海技物所航拍橫店影視城明清宮苑周邊的遙感圖像，選取進(jìn)行對比實(shí)驗(yàn)的圖像為巖前村的部分圖像，本次采集數(shù)據(jù)是在天氣晴朗的情況下，且采集目標(biāo)為平坦的土地以及房屋等，輻射失真較小，可忽略不計(jì)。相機(jī)成像參數(shù)如表1所示。

圖3 圖像拼接重疊部分示意圖

數(shù)據(jù)采集所使用的傳感器為面陣擺掃式傳感器，其不同于以往的傳感器，是一種復(fù)雜的成像系統(tǒng)，主要有以下特點(diǎn)：

1）圖像重疊率不完全一致，由于飛機(jī)在運(yùn)行過程中抖動大且姿態(tài)不穩(wěn)定，在機(jī)械擺掃過程中也存在著系統(tǒng)誤差，使得同一航帶內(nèi)或者航帶間影像序列的重疊率不一致。

表1 相機(jī)成像參數(shù)

2）多中心投影成像，當(dāng)擺掃到下視點(diǎn)（擺掃角為0°）時，屬于中心投影成像，當(dāng)擺掃角成一定角度時，屬于傾斜中心投影成像，如圖4所示。

圖4 面陣掃描寬幅成像原理

根據(jù)面陣擺掃傳感器的特性，可得出該傳感器得到的航空遙感圖像的幾何畸變形成的原因有如下幾點(diǎn)：

1）傳感器內(nèi)方位元素精度無法保證，內(nèi)方位元素是用來恢復(fù)攝影時光束形狀，能夠確定攝影中心與圖像的相對位置關(guān)系，在實(shí)驗(yàn)過程中應(yīng)進(jìn)行嚴(yán)格的校驗(yàn)，得到高精度的內(nèi)方位元素來確保后續(xù)實(shí)驗(yàn)的有序進(jìn)行；

2）光學(xué)畸變，通常是以正片和負(fù)片的形式出現(xiàn)在鏡頭上；

3）由于擺掃式傳感器的多中心投影成像方式，很容易形成一種全景效應(yīng)。即當(dāng)飛行高度和總視場一定的情況下，傳感器在擺掃角最大的情況下成像的有效像元比下視點(diǎn)（擺掃角為0°）時要大；

4）姿態(tài)位置誤差，這是由于傳感器的軸線偏離重力作用方向而引起的一種誤差，這種誤差會直接導(dǎo)致圖像的幾何畸變。

本文設(shè)計(jì)了獨(dú)特的控制點(diǎn)采集方案對圖像控制點(diǎn)進(jìn)行采集，使用了兩種幾何校正算法對圖像進(jìn)行幾何校正。根據(jù)以往的經(jīng)驗(yàn)以及優(yōu)劣對比，本文采取三次卷積內(nèi)插的重采樣方法進(jìn)行實(shí)驗(yàn)，在實(shí)驗(yàn)過程中驗(yàn)證了控制點(diǎn)采集方案的有效性以及更加適用于本文的情境的幾何校正算法。

2.1 圖像校正結(jié)果及分析

圖5中一共有3張圖像，(a)是待校正圖像，(b)是通過仿射變換模型以及3次卷積內(nèi)插的重采樣方法進(jìn)行幾何校正得到的圖像，(c)是通過多項(xiàng)式變換模型以及3次卷積內(nèi)插的重采樣方法進(jìn)行幾何校正得到的圖像。

由于仿射變換為線性變換，多項(xiàng)式變換為非線性變換，線性變換是通過適當(dāng)?shù)钠揭啤⑿D(zhuǎn)、縮放和反轉(zhuǎn)（鏡像）來實(shí)現(xiàn)變換，這樣一幅圖像中的直線經(jīng)過變換映射到另一幅圖像，仍然保持著平行關(guān)系，這樣的變換能夠較大程度上保持著圖像原來的形態(tài)，不會產(chǎn)生二次畸變。從對比中可以看出，通過仿射變換模型校正的圖像與原圖像相比沒有較大的形態(tài)改變，但是多項(xiàng)式變換模型校正后生成的圖像在形態(tài)上有了較大改變、物體間距變大且圖像面積比例變化較大，使得圖像效果有所改變，因此仿射變換模型還是比較令人滿意且適用于本文情況的。

2.2 拼接重合度結(jié)果及分析

圖6是通過仿射變換模型和多項(xiàng)式變換模型進(jìn)行幾何校正后的圖像分別與基準(zhǔn)圖像進(jìn)行配準(zhǔn)得到的拼接結(jié)果。從圖6可以看出，多項(xiàng)式變換模型校正后的圖像物體各點(diǎn)間的間隔變大且沒有較好保持原有圖像的狀態(tài)，使得圖像有一種被放大的感覺，這將會影響到后續(xù)圖像的拼接效果進(jìn)而產(chǎn)生拼接的積累誤差，而使用仿射變換模型校正的圖像經(jīng)過拼接后整體效果較好，在一定程度上其優(yōu)于使用多項(xiàng)式變換模型校正的圖像。

圖5 仿射變換模型和多項(xiàng)式變換模型幾何校正結(jié)果

Fig.5 Affine transformation model and polynomial transformation model

圖6 仿射變換模型和多項(xiàng)式變換模型校正后拼接結(jié)果

2.3 控制點(diǎn)對實(shí)驗(yàn)結(jié)果的影響

從圖7(a)和(b)中可以看出，控制點(diǎn)采集是按照文中設(shè)計(jì)的采集方案進(jìn)行的，將控制點(diǎn)采集范圍控制在重疊區(qū)域，尤其是對重疊邊緣的采集，主要選擇具有明顯特點(diǎn)或者棱角的建筑物、交叉路口等作為控制點(diǎn)。

圖8(a)為利用傳統(tǒng)方法來采取圖像的控制點(diǎn)信息，通過仿射變換的幾何校正模型進(jìn)行校正，將校正后圖像與基準(zhǔn)圖像進(jìn)行拼接重合度實(shí)驗(yàn)得到的圖像。圖8(b)為利用本文方法來采取圖像的控制點(diǎn)信息，通過仿射變換的幾何校正模型進(jìn)行校正，將校正后圖像與基準(zhǔn)圖像進(jìn)行拼接重合度實(shí)驗(yàn)得到的圖像。經(jīng)過對比可知，傳統(tǒng)方案在臨界處兩張圖像無法完全配準(zhǔn)，使重疊部分無法完美重合，拼接的圖像有明顯的拼接誤差，而利用本文控制點(diǎn)選取方案得到的拼接圖像，由于選取的控制點(diǎn)在圖像配準(zhǔn)處理過程中發(fā)揮了重要作用，使得呈現(xiàn)的拼接圖像較為自然，無明顯拼接縫隙。

圖9是通過仿射變換模型校正后的8張圖像經(jīng)過對稱式拼接的方法進(jìn)行拼接的結(jié)果圖，對稱式拼接就是使得每次拼接縫隙的上下或者左右的圖像個數(shù)是相同的，以此將圖像校正的失誤率控制到最低。在圖像的拼接過程中，也會有積累誤差影響著圖像的拼接結(jié)果，例如前兩張圖像拼接時產(chǎn)生的誤差若再繼續(xù)進(jìn)行拼接將會產(chǎn)生積累誤差。為了減少積累誤差，應(yīng)使用適合實(shí)驗(yàn)樣本的校正方法。

圖7 控制點(diǎn)采集結(jié)果圖

Fig.7 Control point acquisition results

圖8 控制點(diǎn)采集對圖像拼接的影像比較

Fig.8 Comparison of image mosaic with control point collection

圖9 圖像拼接結(jié)果

3 總結(jié)

本文主要是研究適用于航拍遙感圖像進(jìn)行幾何校正的方法，首先考慮到無地面控制點(diǎn)的限制條件，本文使用無控制點(diǎn)的幾何校正方法，同時提出了一種提取控制點(diǎn)的采集方案，通過這種方案提取的控制點(diǎn)校正圖像使得圖像較原圖有了大幅度的改善，說明了該方案的有效性。通過兩種幾何校正模型的比較實(shí)驗(yàn)，得出仿射變換模型進(jìn)行校正的圖像效果更佳，適用于本文情況，可以進(jìn)行批量校正。最后，文中將利用本文方法校正后拼接的圖像展示出來，圖像形態(tài)較好，但下一步還需要進(jìn)行勻色處理，使得圖像的觀感效果更佳。

[1] 宋耀鑫. 面陣擺掃式航空影像幾何校正與無縫拼接技術(shù)研究[D]. 北京: 中國科學(xué)院大學(xué), 2014.

Song Yaoxin. Study on the Geometric Correction and Seamless Stitching of Array Whiskbroom ScannerAerial Image[D]. Beijing:Chinese Academy of Sciences,2014.

[2] Bentoutou Y, Taleb N, Kpalma K, et al. An Automatic Image Registration for Applications in Remote Sensing[J]., 2005, 43(9): 2127-2137.

[3] 周海芳, 易會戰(zhàn), 楊學(xué)軍. 基于多項(xiàng)式變換的遙感圖像幾何校正并行算法的研究與實(shí)現(xiàn)[J]. 計(jì)算機(jī)工程與科學(xué), 2006, 28(3): 58-60.

Zhou Haifang, Yi Zhan Zhan, Yang Xuejun.Investigation and Realization of Parallel Algorithms for the Geometric Correction of Remote Sensing Images Based on Polynomial Transform[J]., 2006, 28(3):58-60.

[4] Goncalves H, Goncalves J A, Corte-Real L. Measures for an Objective Evaluation of the Geometric Correction Process Quality[J]., 2009, 6(2): 292-296.

[5] 曹玲玲, 張永梅. 基于多項(xiàng)式的遙感圖像快速幾何校正[J]. 電腦開發(fā)與應(yīng)用, 2011, 24(1): 5-7.

Cao Lingling, Zhang Yongmei.The Rapid Geometric Correction of Remote Sensing Images based on Polynomial Transform[J]., 2011, 24(1): 5-7.

[6] 李慶鵬, 王志剛, 陳琦. 基于嚴(yán)格仿射變換模型的遙感影像RPC參數(shù)求解[J]. 測繪地理信息, 2011, 36(3): 1-4.

Li Qingpeng, Wang Zhigang, Chen Qi. RPC Parameters Calculation of Remote Sensing Imagery Based on Strictly Affine Transformation Model[J]., 2011, 36(3): 1-4.

[7] 王子維. 無人機(jī)遙感圖像的拼接技術(shù)研究[D]. 大慶: 東北石油大學(xué), 2015.

Wang Ziwei. Research on Mosaic Technology Based on UAV Remote Sensing Image[D]. Daqing: Northeast Petroleum University, 2015

[8] 張姣, 李俊山, 楊亞威. 結(jié)合仿射變換和多層B樣條配準(zhǔn)的湍流畸變圖像校正[J]. 光學(xué)精密工程, 2015, 23(3): 846-854.

Zhang Jiao, Li Junshan, Yang Yawei. Turbulence Distorted Image Correction Using Affine Transformation and Multilevel B-spline Registration[J]., 2015, 23(3): 846-854.

[9] Durand P, Luan J, Ghorbanzadeh D.[M]. Transactions on Engineering Technologies. Springer Netherlands, 2015: 657-668.

[10] 周小虎, 萬余慶. IMU在航空高光譜遙感圖像幾何校正中的應(yīng)用[C]//全國遙感技術(shù)學(xué)術(shù)交流會. 2003.

Zhou Xiaohu, Wan Yuqing. Application of IMU to the Georeferencing of Aerial Hyperspectral Remote Sensing Images[C]//, 2003.

[11] 曾麗萍. 遙感圖像幾何校正算法研究[D]. 成都: 電子科技大學(xué), 2008.

Zeng Liping. Research on Remote Sensing Image Geometric Correction Algorithm[D]. Chengdu: University of Electronic Science and technology of China, 2008.

[12] 劉異, 李玉霞, 童玲. 無地面控制點(diǎn)的無人機(jī)遙感影像幾何校正算法[J]. 測繪通報, 2012(7): 57-59.

Liu Yi, Li Yuxia, Tong Ling. Geometric Correction for Unmanned Aerial Vehicle Remote Sensing Image without Ground Control Points[J]., 2012(7): 57-59.

[13] 李海彥. 基于仿射變換的多姿態(tài)人臉矯正與識別[D].蘇州: 蘇州大學(xué), 2013.

Li Haiyan. Multi-pose Face Correction and Recognition Based on Affine Transformation[D]. Suzhou: Soochow University, 2013.

[14] 張建, 何宏昌. 資源一號02C影像的幾何校正精度分析——基于RPC模型和多項(xiàng)式模型[J]. 池州學(xué)院學(xué)報, 2014(3): 65-67.

Zhang Jian, He Hongchang. Analysis of Geometric Correction Accuracy of Resource one 02C Image Based on RPC Model and Polynomial Model[J]., 2014(3): 65-67.

[15] 陳燦. 幾何校正中重采樣方法研究[D]. 成都: 電子科技大學(xué), 2012

Chen Can. Severals Correct Medium Resampling Method Research[D]. Chengdu: University of Electronic Science and technology of China, 2012.

Application of Geometric Correction Algorithm for Aerial Remote Sensing Image without Control Point

JIANG Qian1，SHENG Qihui1，LI Qiming1，LIU Yubo2，GAO Jun1

(1.,201306,; 2.,200083,)

With the development of sensor technology, aerial remote sensing images are widely used in various fields, but the aerial remote sensing image has special geometric distortion characteristics and the field control point cannot be accessed timely in practice. So the traditional geometric correction method for image processing cannot be used. In this paper, the geometric correction model of aerial remote sensing image without ground control point was used to deal with the aerial remote sensing image. Compared with the affine transformation model and the polynomial transformation model, the affine transformation model is more suitable for the situation in this paper, and can improve the effect of image. In the geometric correction process, a control point selection scheme was proposed. Experimental results show that the proposed method can effectively coordinate the implementation of image geometric correction.

aerial remote sensing image，groundless control point，geometric correction

TP751

A

1001-8891(2017)05-0444-07

2016-12-27；

2017-04-18。

江倩（1996-），女，安徽桐城人，本科生，主要從事遙感圖像處理研究。

高軍（1979-），男，浙江嘉興人，副教授，博士，主要從事圖像處理、人工智能方面的研究，E-mail：jungao@shmtu.edu.cn。

上海市自然科學(xué)基金（14ZR1419700）。