基于SURF特征点库的遥感影像自动配准研究
华东师范大学
硕士学位论文
基于SURF特征点库的遥感影像自动配准研究
姓名：徐展
申请学位级别：硕士
专业：地图学与地理信息系统
指导教师：吴健平
20100501
ENVI遥感图像配准实验报告
ENVI遥感图像配准 一、实验目的： 1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。 2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。 3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。 二、实验原理 （1）最邻近法 最邻近法是将最邻近的像元值赋予新像元。该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。
双线性插方法是使用临近4个点的像元值，按照其距插点的距离赋予不同的权重，进行线性插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值，在后来的波谱识别分类分析中，会引起一些问题。 示意图： 由梯形计算公式： 故 同理 最终得：
三次卷积插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性插相似，先在Y 方向插四次（或X 方向），再在X 方向（或Y 方向）插四次，最终得到该像元的栅格值。该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域围。适用于航片和遥感影像的重采样。 作为对双线性插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域像素的灰度值作三次插值。其三次多项式表示为： 我们可以设需要计算点的灰度值f（x,y）为：
基于ENVI的多源遥感影像数据融合毕业设计论文
存档日期：存档编号： 本科生毕业设计（论文） 论文题目：基于ENVI的多源遥感影像数据融合 姓名：董建 系别：环境与测绘系 专业：测绘工程 年级、学号： 11 测绘 118324107 指导教师：林卉 江苏师范大学科文学院印制
摘要 在世界遥感技术领域极速发展的情况下，对于用卫星传感器来观测和获取某一地域遥感影像数据的方法越来越多，此时多时相、多平台、高光谱和高分辨率卫星等影像数据大量涌现，并且在有关地学的多个领域都用到了这些影像数据。多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有效的途径之一。并且在不同的学科范畴都涉及到多源遥感影像数据融合技术，因此该技术被不断地完善与推行。而当前在世界上对该技术还尚未形成一套完善的理论与方法，于是目前在遥感领域研究的一个重要的研究技术就是周密处理与剖析遥感信息。 本文基于ENVI对多源遥感影像数据融合的研究。第一章介绍了遥感影像数据融合的基本理论知识和本论文内容研究的背景和意义，以及国内外目前对遥感图像融合技术的发展现状。第二章是对数据融合三个层次（像素级融合、决策级融合和特征级融合）的对比介绍，像素级融合、决策级融合和特征级融合，另外还展示了每个层次数据处理流程图。第三章对像素级融合中加权融合法变换、Brovery 变换、IHS变换和PCA变换等融合方法进行了分析比较。第四章介绍了融合的评价指标（主观评价、客观评价）。第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的进行融合实验，对实验结果进行分析，总结出这四种融合方法的特点和适用范围，得到更准确，更可靠、更安全的估计和判断，为相关工作提供帮助。 关键词：数据融合；ENVI；IHS变换；PCA变换；评价指标；多源遥感影像；
多源遥感影像像素级融合技术
多源遥感影像像素级融合技术 摘要:中国的遥感技术从七十年代起步,经过了几十年的过程,随着现代遥感技术的发展,可获得的遥感数据也越来越丰富。遥感所具有的宏观、动态、快速、精确和综合的优势,使得从遥感影像获取信息已经成为一种非常重要的信息获取手段。为合理、有效地综合使用这些多源海量数据,遥感图像处理技术随之应运而生,而遥感图像融合技术更成为其重要的组成部分。在未来一段时间内,同一地区不同时相、不同分辨率、不同成像机理的遥感影像数据将呈指数递增。因此,研究如何从这些影像源中获取更丰富、更有用和更可靠信息的处理技术,是当前遥感应用研究的重点之一。 关键词:图像融合多源遥感影像像素级图像处理 随着遥感技术的发展,越来越多携带不同类型传感器的遥感卫星获得的多传感器、多时相、多空间分辨率、多光谱分辨率的遥感图像数据被用于对地观测。为进行地形测绘与地图更新、土地利用分类、冰/雪/洪涝灾害监测等提供了丰富的数据。现代遥感卫星都具备一套多光谱和高空间分辨率全色影像的性能,但如何获取多光谱高空间分辨率影像满足植被研究、土地利用和城市资源调查等的要求,是亟待解决的问题。多源遥感影像数据像素级融合的研究则是解决这一问题的有效途径之一。 1 基本概念 图像融合一般可分为像素级、特征级、决策级。像素级图像融合主要是针对初始图像数据进行的,其目的主要是图像增强、图像分割和图像分类,从而为人工判读图像或进一步的特征级融合提供更佳的输入信息;特征级图像融合能以高的置信度来提取有用的图像特征。决策级图像融合允许来自多源数据在最高抽象层次上被有效的利用。不同层次的图像融合研究内容均十分广泛。 多源遥感影像像素级融合是指采用某种算法将覆盖同一地区的两幅或多幅空间配准影像生成满足某种要求的影像技术。它是多源遥感影像数据融合的内容之一,是富集多源遥感影像信息的重要技术手段之一。 从影像类型划分,多源遥感影像像素级融合包括:单一传感器的多时相影像融合、多传感器的多时相影像融合、单一平台多传感器的多空间分辨率影像融合、多平台单一传感器的多时相影像融合和同一时相多传感器影像融合。 2 像素级影像融合过程与特点 基于像素的多源遥感影像融合的过程大致可分为三步: (1)根据实际应用目的、融合方法和相关技术从现有影像数据中选取出来,并进行预处理。预处理主要包括影像几何校正、影像辐射校正、高精度空间配准和
多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。 在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。扫描的地图通常不包含表明影像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。 配准栅格数据使它能与其它地理数据一起被查看、查询和分析。 配准流程： 1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据 添加近来。如图所示： 2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图， ， 调出工具条如下， 选择图的四个角的格网点进行配准处理，首先是左上角，如图：
使用“添加控制点”按钮添加第一个控制点，如图： 将左下角格网点放大以准确定位，如图。 点右键，输入XY坐标，根据地图格网坐标输入， 完成一个点，再按相同方法对其他三个角点配准。 4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象。 5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性 打开后如下： 将地图单位改为米，将坐标系统设为西安1980，
一种结合SIFT和边缘信息的多源遥感影像匹配方法_叶沅鑫
第３８卷第１０期２０１３年１０月武汉大学学报·信息科学版 Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３８Ｎｏ．１０ Ｏｃｔ．２０１３ 收稿日期：２０１３－０６－ ０５。项目来源：国家９７３计划资助项目（２０１２ＣＢ７１９９０４，２０１１ＣＢ３０２３０６，２０１２ＣＢ７１９９０１） ；中央高校博士研究生自主科研经费资助项目（２０１１２１３０２０２０００２ ）。文章编号：１６７１－８８６０（２０１３）１０－１１４８－０４文献标志码：Ａ 一种结合ＳＩＦＴ和边缘信息的 多源遥感影像匹配方法 叶沅鑫１，２ 单 杰１，３ 熊金鑫１ 董来根 １ （１ 武汉大学遥感信息工程学院，武汉市珞喻路１２９号，４３００７９ ）（２ 西南交通大学地球科学与环境工程学院，成都市二环路北一段１１１号，６１００３１ ）（３ 普渡大学土木工程学院，美国西拉法叶，４７９０７ ）摘 要：针对多源遥感影像间几何变形和灰度差异造成的匹配困难问题，提出一种结合ＳＩＦＴ和边缘信息的影像匹配方法。首先在高斯差分尺度空间进行特征点检测，并采用相位一致性提取可靠的边缘信息；然后结 合改进的ＳＩＦＴ和形状上下文对特征点进行描述； 最后将欧氏距离和χ２ 统计作为相似性测度获取同名点。相比于ＳＩＦＴ算法，本文方法可有效地提高匹配正确率，并获得更多的同名点。关键词：遥感影像；影像匹配；边缘点；ＳＩＦＴ；形状上下文中图法分类号：Ｐ２３７．３ 近年来， 计算机视觉领域的局部不变性特征在影像匹配方面得到广泛应用［１ ］，其中最具代表性的 是ＳＩＦＴ算子［２－４］ 。但是，ＳＩＦＴ算子是基于局部梯 度信息来进行特征描述的， 当影像间灰度差异较大时，尤其是非线性的灰度差异，局部的梯度信息不 能提供稳定的特征［ ５ ］，其性能有所下降。考虑到边缘信息和线特征受灰度差异影响较小的特点，李芳 芳［６ ］提出一种基于线特征和ＳＩＦＴ点特征的多源遥感影像配准方法。Ｍｏｒｔｅｎｓｅｎ［７］则通过把全局形状 信息融入ＳＩＦＴ特征，提高了匹配的正确率。本文针对遥感影像特点，提出一种结合ＳＩＦＴ特征和边缘信息的影像匹配方法，旨在克服多源情况下的匹配困难问题， 保证方法的有效性和鲁棒性。１ 多源遥感影像匹配方法 １．１ 特征检测 特征检测包括特征点检测和边缘点检测。为了在影像间提取具有尺度（分辨率）不变性的特征点，首先建立影像的高斯尺度空间，并通过高斯尺度空间的相邻两层影像相减得到ＤｏＧ尺度空间，然后在该空间中进行极值检测得到特征点，并统计特征点邻域内像素的梯度方向直方图，选择梯 度幅值最大的方向作为该特征点的主方向，最终得到的特征点具有位置、尺度和主方向３个属性。 针对影像间灰度差异较大所造成的边缘检测不一致问题， 引入具有局部光照和对比度不变性的相位一致性算法。相位一致性算法是一种基于频率域的特征检测方法， 其主要依据是角点、边缘等特征出现在图像Ｆｏｕｒｉｅｒ谐波分量叠合最大的 相位处［ ９－ １０］。图像的相位一致性计算公式为：ＰＣ（ｘ，ｙ）＝ ∑ｏ ∑ｎ Ｗ ｏ （ｘ，ｙ）Ａｎｏ（ｘ，ｙ）ΔΦｎｏ（ ｘ，ｙ）－Ｔ∑ｏ ∑ｎ Ａ ｎｏ （ｘ，ｙ） ＋ε（１ ）ΔΦｎｏ（ｘ，ｙ）＝ｃｏｓ（φｎｏ（ｘ，ｙ）－珔φ（ｘ，ｙ））－ ｓｉｎ（φｎｏ（ｘ，ｙ）－珔φ（ｘ，ｙ））（２ ）式中，（ｘ，ｙ）为图像的坐标；Ｗｏ（ｘ，ｙ）为频率扩展的权重因子；Ａｎｏ（ｘ，ｙ）和φｎｏ（ｘ，ｙ）为像点（ｘ，ｙ）在Ｌｏｇ Ｇａｂｏｒ滤波器尺度ｎ和方向ｏ上的振幅和相位；珔φ（ｘ，ｙ）为加权的平均相位；符号表示值为正时取本身，否则取０；Ｔ为噪声阈值；ε是一个避免除零的常数。相位一致性的最大矩代表了图像 的边缘特征［ １１］ ，其计算式为：
基于多源多时相遥感影像的城镇扩张动态监测方法研究
基于多源多时相遥感影像的城镇扩张动态监测方法 研究1 周小成，汪小钦，吴波，励惠国 1福州大学福建省空间信息工程研究中心，福州（350002） 2空间数据挖掘与信息共享教育部重点实验室，福州（350002） Email：zhouxc@https://www.wendangku.net/doc/951626987.html, 摘要：利用遥感技术来动态监测城镇扩展己成为一个重要的研究和应用领域。基于TM和ASTER多源多时相遥感影像和地形数据，以福建省漳州市区为示范区，探讨城镇建筑用地扩张遥感监测的一般方法。研究认为，对于ASTER影像，综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则，可以有效提取城镇建筑用地信息，精度不低于90%；另外，针对徐涵秋TM影像三指数法应用到示范区城镇建筑用地提取时的混淆问题，提出了利用城镇建筑用地时空扩张知识、多时相植被指数知识，改进TM 三指数城镇建筑用地提取方法的思路，最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。 关键词：城镇建筑用地；遥感；TM；ASTER；动态监测 1.引言 RS和GIS技术在过去的20年里得到迅速的发展，利用卫星对地观测技术来动态监测城市扩展己成为一个重要的研究和应用领域。不少国内外学者研究出多种利用遥感影像提取和分析城市扩张变化的技术。Seto（2003）[1]以多时相TM影像为例，比较了ARTMAP神经网络与最大似然法分类方法进行城市变化检测的效果。认为ARTMAP神经网络比传统的最大似然法（MLC）方法更精确；Schottker（2004）[2]利用三个时相的Landsat TM数据检测德国威斯特伐利亚40年来城市发展变化；Rashed（2005）[3]利用多时相遥感影像，提出利用光谱混合分析法（SMA）测量埃及开罗市城市形态组成的变化模式。Onana（2005）[4]使用多时相ENVISAT/ERS SAR图像和多光谱HRV Spot光学影像进行融合来识别热带雨林地区喀麦隆杜阿拉城市动态变化；潘剑君（1997）[5]用两个时期的Landsat TM遥感图象，经过图象自动分类识别和两个时相遥感图象的交叉分析处理，对江苏省扬中市的土地利用状况进行了动态监测；杨存建 (2001)[6]通过对不同类型居民地的遥感影像特征、光谱特征和空间关系分析，从而发现居民地的光谱特征知识、空间关系知识，建立了基于知识的TM遥感图像居民地信息提取模型；祝善友（2002）[7]以不同时相的TM和中巴卫星影像为主要信息源，对不同时相、不同遥感平台的两幅图象进行数据融合，提取与城市扩展动态变化有关的参数因子；吴宏安（2005）[8]分别采用了监督分类法和归一化裸露指数(NDBI)法提取了西安市的城市边界信息，并对二者进行对比分析，认为监督分类法提取的城市边界信息较为准确；徐涵秋（2005）[9][10]通过对城市土地利用类型的分析,选取了归一化差异建筑指数（NDBI）、修正归一化差异水体指数（MNDWI）[11]和土壤调节植被指数（SA VI）三个指数，采用简单的最大似然分类或谱间分析方法，提取的城市建筑用地信息精度可达91.2%。 本研究在总结前人研究方法的基础上，以TM、ASTER多源多时相遥感影像为数据源，以福建省漳州市区为研究示范区，提出城镇扩展遥感动态监测的一般思路和方法，并对徐涵秋三指数法用于研究示范区的问题进行了分析，提出了相应的解决方法。 1本课题得到国家自然科学基金（60602052）和福建省科技重大专项（50304827）的资助。
SIFT算法优化及其用于遥感影像自动配准
第34卷第10期2009年10月武汉大学学报#信息科学版 Geo matics and Informat ion Science of W uhan U niver sity Vo l.34N o.10 Oct.2009 收稿日期:2009-08-10。 项目来源:湖北省自然科学基金资助项目(2008CDB388);湖北省教育厅自然科学基础研究资助项目(G200514001);国家863计划 资助项目(2007AA120203)。 文章编号:1671-8860(2009)10-1245-05文献标志码:A SIFT 算法优化及其用于遥感影像自动配准 李芳芳1 肖本林2 贾永红1 毛星亮 3 (1 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079)(2 湖北工业大学土木工程与建筑学院,武汉市李家墩1村,430068)(3 中共湖南省委互联网新闻宣传办公室,长沙市韶山路1号,410011) 摘 要:对传统SIF T 算法从特征点提取时间和匹配精度上进行了优化,基于优化算法提取的特征点对构建三角网进行小面元微分纠正配准。试验结果表明,该方法是一种有效的遥感影像自动配准方法。关键词:SIFT 算法;小面元微分纠正;影像配准中图法分类号:P237.3 近几年来,SIFT (scale invariant feature tr ansform )特征在图像匹配领域取得了巨大成功,基于SIFT 描述子的匹配方法已被成功应用到了很多领域,如目标识别[1]、全景图拼接[2]、从运动恢复结构[3] 等。SIFT 算法最初由Low e [4,5] 于1999年提出,2004年总结完善。2005年, Mikolajczyk 等[6]针对不同的场景,对光照变化、 图像几何变形、分辨率差异、旋转、模糊和图像压缩等6种情况,就多种最具代表性的描述子进行了试验,结果表明SIFT 描述子性能最好。 然而,目前将SIFT 算法应用于遥感影像配准的研究还较少。主要原因如下:特征点提取方面,由于遥感影像数据量一般较大,加上SIFT 算法本身复杂度较高,直接加以应用算法效率较低;特征点匹配方面,传统SIFT 算法采用的是Low e 提出的最近邻次近邻距离比值法,阈值凭经验选取,精确度较低。 1 SIFT 算法 SIFT 算法是一种提取图像局部特征的算法。通过在高斯差分尺度空间(difference of g auss-i an,DOG)寻找极值点作为关键点,提取尺度、亮 度、旋转不变量。 1.1 关键点检测及精确定位 关键点检测在多尺度空间完成。尺度空间理论最早出现于计算机视觉领域,其目的是模拟图像数据的多尺度特征。一幅二维图像的尺度空间定义为: L (x ,y ,R )=G(x ,y ,R )I (x ,y ) (1) 式中,G(x ,y ,R )= 12P R 2e -(x 2+y 2)/2R 2 是尺度可变高斯函数。为了有效检测到关键点,Low e [5] 提出了在高斯差分尺度空间寻找极值点:D(x ,y ,R )=(G(x ,y ,k R )-G(x ,y ,R ))I (x ,y) (2) 每一个采样点和它同尺度的8邻域点以及上下相邻尺度的18邻域点比较是否为极值点,作为关键点候选点。 然后,通过拟合泰勒公式展开的三维二次函数,精确定位关键点的位置和尺度。同时去除低对比度的关键点和不稳定的边缘响应点,以增强匹配稳定性,提高抗噪能力。1.2 关键点方向分配及描述子构造 利用关键点邻域像素的梯度方向分布特性为每个关键点分配方向参数。一个关键点可能会被指定多个方向(一个主方向、一个以上辅方向)以增强匹配的鲁棒性。 然后以关键点为中心取16像素@16像素的
遥感图像的几何校正配准
遥感图像的几何校正（配准） 1.实验目的与任务： （1）了解几何校正的原理； （2）学习使用ENVI软件进行几何校正； 2.实验设备与数据： 设备：遥感图像处理系统ENVI 数据：TM数据 3 几何校正的过程： 注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配 准或几何校正。 1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；2．在主菜单上选择map->Registration->select GCPs：image to image 3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE图像指参考图像而warp则指待校正影像。选择OK! 4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方， 就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大）如果要放弃该点选择 右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择 你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以 预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参 考影像相对应的位置，而后再进行适当的调整并选点。 5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII.. 当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII... 6.接下来就是进行校正了：在ground control points.对话框中选择： options->warp file(as image to map) 在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters 对话框： 首先点change proj按钮，选择坐标系 然后更改象素的大小，如果本身就是你所需要大小则不用改了 最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
遥感图像配准
1.实习目的：遥感图像的配准 2.实习内容： 2.1掌握ENVI自定义坐标，以及基于地形图的遥感影像配准过程。 2.2本次实习中带有地理坐标的西安市城区地形图被用作基准影像，对资源三号全色影像进行配准。在此基础上，以纠正后的全色影像为基准，校正资源三号多光谱影像，用于下节的图像融合。 3.实习步骤： 3.1 基于地形图配准全色影像的具体操作步骤： 3.1.1 打开并显示资源三号全色影像与地形图 1)从ENVI主菜单中，选择File → Open Image File。加载地形图文件和全色影像到可用波 段列表Available Bands List中； 2)点击Load RGB将地形图加载到显示窗口display#1； 3)在可用波段列表Display #1下拉菜单，点击New Display按钮，并从下拉式菜单中选 择New Display。点Load RGB按钮，将全色影像加载到一个新的显示窗口display#2。 3.1.2 修改地形图头文件中的地图信息 由于地形图为西安80坐标系，而ENVI系统自带的投影文件中并没有相关基准面和椭球体，因此打开的地形图无法正确显示地图信息Map Info； 1)定义椭球体，进入ENVI安装目录：C:\Program Files\ITT\IDL71\products\envi47\ map_proj, 打开椭球体文件ellipse.txt，在最后一行增加IAG-75,6378140.0, 6356755.3； 2)定义基准面，在相同的目录，打开基准面文件datum.txt文件，在最后一行增加 D_Xian_80,IAG-75,0,0,0； 3)在可用波段列表中，右键点击地形图文件，选择Edit Header，从弹出的窗口的Edit Attributes的下拉箭头中选择Map Info，进入Edit Map Information。输入图像左上角XY 坐标与像素大小；选择Change Proj，新建投影，输入相关参数 3.1.3影像配准 1)从ENVI主菜单栏中，选择Map → Registration → Select GCPs: Image to Image； 2)在Image to Image Registration对话框中，点击并选择Display #1 （地形图），作为Base Image。点击Display #2（全色影像），作为Warp Image。 3)点击OK，启动配准程序。通过将光标放置在两幅影像的相同地物点上，来添加单独的 地面控制点。 4)当选好同名点后，在Ground Control Points Selection对话框中，点击Add Point，把该地 面控制点添加到列表中。点击Show List可以查看地面控制点列表。当选好三个点后，Ground Control Points Selection对话框中Predict将自动激活可用，然后可以在基准影像上选好一个控制点后，点击Predict后，系统会自动定位后待校正的全色影像的相同位置，此时可以微调，满足要求后即可将该点添加到地面控制点列表。也可以勾选Ground
ENVI遥感图像管理组织实验教学教程实验三几何校正(影像,地形图)
实验三 ENVI影像的几何校正 本专题旨在介绍如何在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的几何校正。遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。 一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。几何纠正包括两个核心环节：一是像素坐标的变换，即将影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。 本实验将针对不同的数据源和辅助数据，提供以下几种校正方法： Image to Map几何校正：通过地面控制点对遥感图像几何进行平面化的过程，控制点可以是键盘输入、从矢量文件中获取。地形图校正就采取这种方法。Image to image几何校正：以一副已经经过几何校正的栅格影像作为基准图，通过从两幅图像上选择同名点（GCP）来配准另一幅栅格影像，使相同地物出现在校正后的图像相同位置。大多数几何校正都是利用此方法完成的。 Image to image自动图像配准：根据像元灰度值自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配准过程。当同一地区的两幅图像由于各自校正误差的影像，使得图上的相同地物不重叠时，可利用此方法进行调整 1. 地形图的几何校正 （1）打开并显示地形图 从ENVI主菜单中，选择file →open image file，打开3-几何校正\地形图\G-48-34-a.JPG。 （2）定义坐标 从ENVI主菜单栏中，选择Map →Registration →Select GCPs：Image to map。
基于多源遥感影像的围填海监测以天津南港工业区为例
2012年12月第6期 城市勘测 Urban Geotechnical Investigation ＆Surveying Dec．2012No．6文章编号：1672－8262(2012)06－77－04 中图分类号：P231.5 文献标识码：A 基于多源遥感影像的围填海监测 ———以天津南港工业区为例 吴正鹏1*，奚歌2，王健洁 1 * 收稿日期：2012—04—10 作者简介：吴正鹏（1981—），男，高级工程师，主要从事摄影测量与遥感数据处理、应用研究工作。 （1.天津市测绘院，天津300381； 2.国家海洋信息中心，天津300171） 摘 要：以2008年 2011年间11个时段的SPOT －5、ALOS 、WorldView －2影像数据为基础，在ERDAS IMAGE 的支 撑下，采用计算机解译和目视判读相结合的影像解译方法，分别提取天津南港工业区不同时期的围填海信息，并对其进行定量监测和定性分析。最后，结合我国围填海管理现状，对多源卫星遥感影像变化检测技术在海岸带监测中的应用前景进行展望。 关键词：遥感;围填海;天津南港工业区;监测 1前言 海洋是人类可持续发展的重要基地，也是人类未来生存发展的希望。目前世界各沿海国家，面对有限的土地资源，都在向海洋要土地，围填海开发成为海洋开发的重要组成部分。 对于“围填海”目前尚没有明确的定义，现有研究资料和调查成果中通常引用 “填海”、“围海”、“滩涂围垦”、“围海造陆”、“填海造地”等术语。国家海洋局编制的《海域使用分类体系》对“填海造地”和“围海”的定义如下：“填海造地，指筑堤围割海域填成土地，并形成有效岸线的用海方式；围海， 指通过筑堤或其他手段，以全部或部分闭合形式围割海域进行海洋开发的用海方式”。简单说来，围填海包含围海和填海两种用海方式。围海是指以全部闭合形式围割海域进行海洋利用的方式，包含沿海岸进行海域围割的用海方式和全部在海中进行筑堤围割的用海方式；填海指将海域填成土地，形成岸线的用海方式，包括直接填充和先进行围割再填充两种情况。 本文结合研究目的界定围填海内涵，即通过人为在海岸线外进行围海和填海活动，改变指定海域属性，从而对其进行有效利用的方式。 2遥感影像变化检测概述 遥感图像变化检测是一门根据遥感图像和参考数 据不同时相的观测来提取、描述感兴趣物体或现象随时间变化的特征，并定量分析、确定其变化的理论和方法；基本原理是依据地物在遥感影像中所反映出的灰度信息和边缘特征的个性差异，给定同一地区的多个 时相的单波段或多波段遥感图像（在条件可能的情况下，可以配备一定的辅助数据以提高检测精度），采用图像处理和分析的方法，检测出该地区的地物或目标有无变化，并对变化做出定性或定量分析。 3天津南港工业区概况 天津南港工业区，即“天津南港”，位于渤海湾天 津市滨海新区海岸线南部（区位图如图1所示），具有极为重要的战略意义，是《天津市空间发展战略研究》确定的“双城双港、相向拓展 、一轴两带、南北生态”总体战略的核心部署， 是天津市落实“双城双港”城市总体空间发展战略的重要节点。 图1天津南港工业区区位图 南港工业区自2008年初开始施工建设，范围（如图1所示）西起津歧公路，东向东围海造陆至－4m 等深线， 北起独流减河右治导线以北新建防波堤，南至青静黄左治导线；规划面积约200km 2 ，其中陆域面积162km 2，海域面积38km 2。