遥感数据手动、自动、半自动几何精校正及其精度评价

遥感数据手动、自动、半自动几何精校正及其精度评价

目录

1. 几何精校正的基准... 1

2. 平移... 2

2.1 交互式拖动... 2

2.2 按像元平移... 2

3. 交互采集GCP的多项式校正... 3

3.1 二~五次多项式几何精校正... 3

3.2 交互采集GCP. 3

3.3 开始校正... 4

4. 参考层几何校正（自动）... 4

5. 小黑手... 5

6. 半自动的几何精校正... 6

7. 几何精校正精度检验... 7

7.1 不透明度... 7

7.2 契合指数... 8

7.3 蛙眼（动态目视判别）... 9

8. 结语... 10

 

地理位置的校准(GeometricCalibration)与辐射定标校准(RadiometricCalibration)一起决定了遥感数据应用的精度。遥感数据通常在经L1B处理之后交付用户使用，这之前进行的预处理已经进行了Radiometric Calibration 和Geometric Calibration（当然这只是通常说法，其实各个级别的数据都有交与用户）。在此之后由于用户要求精度不同可能经常需要进行进一步的辐射校正（如大气校正等）和几何（精）校正。有人将这些进一步的处理也称之为预处理，其实为了和前述预处理加以区分最好换一个名称，比方精处理、后处理、再处理管它什么就是不要再叫一遍预处理就好。

好了，言归正传，我们这里要说的是几何精校正，对于中分等宽扫描刈幅数据，是指已经标定了地理位置，对于高分数据，是指已经进行过正射校正等像元定位处理，在此基础上再进行的几何校正。

RSD对中分数据的几何精校正是在SWATH数据级别上进行的，通过修改描述像元位置的浮点经纬度数据，使像元落在更精确的位置。对高分数据的几何精校正则对像元重新计算新的行列位置进行像元位置移动（或重采样）达到校正的目的。

这里讨论高分遥感数据的几何精校正。

1. 几何精校正的基准

几何精校正参照基准进行。RSD的几何精校正基准数据主要有三种：①已知的地面控制点数据，②尺度相近的栅格图像基准数据和③矢量格式的基准数据。而地面控制点数据又多为②③生成的数据。

2. 平移

空间范围较小、图像各部分偏移比较均匀时可以直接平移进行校正。

2.1 交互式拖动

选中需要进行平移校正的层，选择菜单命令 “平移几何配准”，见图1。

图1 交互拖动的平移校准

按提示，在标称位置（矢量数据）点下鼠标，然后拖动鼠标。在目标图像的对应位置放开，程序即可对选中的层进行校正。

2.2 按像元平移

钩选待校正层，选择菜单命令“按像元平移”。输入x、y坐标方向的平移像元数。这个功能的设计是考虑到移动位置较小时，手动拖动鼠标不容易准确控制，而直接输入像素数。

图2 按像元平移

点确定开始平移校正。

3. 交互采集GCP的多项式校正

3.1 二~五次多项式几何精校正

按下述菜单命令选择需要进行的几何精校正的阶数。

图3 2~5次多项式几何精校正

3.2 交互采集GCP

选择上述任意阶数的几何精校正，出现交互采集GCP的对话框。

图4 交互采集地面控制点

RSD交互采集GCP不是从两个不同的窗口采集，而是从一个窗口进行。对于矢量格式的基准数据，由于矢量层总处于栅格数据上层，采集时直接点击选取对应同名点位置即可（参考图1）。对于基准层为栅格数据的情况可以从图象处理菜单选择设置图像不透明度，然后从两层的对应同名点点击选取GCP（图10）。

不同阶数的多项式校正有最少GCP数量限制：二次多项式最少需要6个，三次多项式10个，四次多项式15个，五次多项式最少需要21个地面控制点。这是最少限制，而且多多益善。

3.3 开始校正

采集足够的GCP以后，可以对GCP点进行编辑和保存（工具菜单也有GCP编辑），或者直接点击确定开始进行几何校正。

4. 参考层几何校正（自动）

使用图3的“使用参考层几何校正”菜单命令可以实现自动校正。自动校正实现了GCP的自动采集，然后仍然使用多项式几个校正。多项式阶数缺省使用3次多项式，也可以在“设置”浮动窗口“”设置选择２、３、４、５次多项式校正。在此窗口还可以设置自动校正的一些其它参数。

图5 在“设置”浮动窗口设置缺省的多项式模型

校正时，在层列表钩选待校正层，点击“使用参考层几何校正”菜单命令，出现一个选择基准层的对话框。

图6 选择自动校正的基准层

选择好基准层后，点击“确定”即可开始校正。

5. 小黑手

“小黑手”是为一个通过面数据交互采集GCP技术取的便于记忆名字，主要来自于拖动面数据时的一个手形光标。其原理是针对GCP选取时同名点不易对准的特点，利用人眼的综合判断能力，采用面数据对准，而不是用点数据对准。充分利用了人眼的综合判断能力。

小黑手采集GCP可按下述操作。

① 在层列表窗口选定一个基准层，可以是栅格或者矢量层。如果是栅格数据的基准层，将基准层放于底层使之不可见，将待校正数据放在最上层使之显示可见。

② 在主窗口显示待校正层的图像（如果非TFS隐藏该层下面所有可显示图像，TFS用层图像刷新），以便与基准层进行比较。

③ 在主窗口滚动鼠标滚轮，直至光标呈现十字型。按下鼠标左健拖动，在主窗口画出一个矩形区域。在区域内右击鼠标出现一个弹出菜单。并选择“交互采集GCP”。

图7 小黑手的弹出菜单

④ 如果基准是图像时，在矩形窗口区出现一个“抽象简图”（边缘轮廓），如果基准是矢量层则显示该区域的矢量图形。注意这个简图是来自基准层的。

⑤ 拖动这个抽象简图直至与框架中显示的图像重合（优势在于面数据更有利于人眼综合判断）。

图8 拖动抽象简图与目标配准

⑥ 右击鼠标，按提示菜单保存一个GCP（上图）。在图像的不同区域，循环③直至采集足够的GCP。

⑦ 使用图6的菜单命令，进行需要的几何纠正。可以在工具菜单下面的编辑GCP选择清空、删除或者保存GCP。

注意：小黑手选取的GCP点为矩形框的中心点。

 

6. 半自动的几何精校正

小黑手拖动面数据配准比按点配准有进步，就是还是有点累眼睛。这里的半自动是不是继承了小黑手和自动校正的有点，用后慢慢评价吧。

按下图操作，选取菜单命令“偏移量检测（GCP）”。

图9 半自动选取GCP

这样，就记录了一个GCP，并提示GCP标称位置、经纬度偏移和偏移的像素数。

在图上散布采集GCP，仍然按上述方法进行几何精校正。

7. 几何精校正精度检验

地理定位精度的重要性自不必说，但对其相对位置进行检测、验证的手段有限，且多为主观判定方法。这里通过实例介绍RSD使用的用于检测遥感图像相对位置精度的几种方法。

7.1 不透明度

本方法通过叠加前景和背景图像，并将前景图像设置成半透明方法目视观察两层图像的契合情况。应用2016年8月26日东经120度北纬41度附近一景GF1 WFV和一景Landsat8同日数据做为示例数据，剪切保留二者重叠区域，并将Landsat8 OLI 30m数据重采样到16m。在RSD中打开。

图10 设置图像不透明度的菜单命令

钩选前景图像，设置不透明度为0.5，然后观察图像各部位的图像配准情况。

图11 半透明度图像可见前后景的严重不重合（别多看这个图，会引起眼睛不适！）

观察结论是二者配准重合程度很差。

这是一个定性的估计，不准。比如只差一个像元时，就是看见“胖”了一点，分辨不出来差异。差了多个像元时，眼睛像长了哧目糊，闹眼睛。

7.2 契合指数

RSD设计了一个称之为“契合指数”的定量指标来按像元比较两个遥感数据的几何位置精度，基本原理是两个数据集抽象概览图的重合像元百分比。有限的试验性质的检验测试至今表现出较好的指标稳定性。

该方法假设同期同地的来自不同传感器的遥感数据具有相同的空间纹理和几何结构，对这样的两幅图像进行抽象提取其结构特征，然后比较二者的相似程度，从而确定二者的位置配准程度。

首先提取两幅图像的抽象轮廓结构；然后统计两个轮廓图像的有效像元数，并用较少的像元数做为基准像元数；第三步统计两个轮廓图像的重合像元数，该像元数为契合像元数；最后，契合像元数与基准像元数之比即为契合指数。

契合指数为0表示两个图像完全不匹配，实际上这种情况不会发生，试验表明契合指数小于0.25时两张图像基本就不匹配了。两个图像完全一致时契合指数为1，这除非是图像和自己求契合指数，否则也不会发生。通常契合指数达到0.5以上两张图像的匹配就已经比较好了。

求算契合指数失败的例子是图像灰阶梯度非常小或者是均匀过渡的模糊图像导致边缘检测失败或者有效边缘像元过少，导致无法求算契合指数。还有就是需要在“设置”窗口将几何矫正->生成主窗口概览图设置为TRUE 。

具体做法是：钩选基准层，目标层图像放在前景主窗口，在图7选择菜单命令“契合度系数估计（现改为指数）”，出现图12。

图中两种抽象简图各取一种颜色，结果图像使用合成色。本图是用蓝色和红色，重合图像像素为品红。可是这时人眼的综合能力就表现出了一种“劣势”，红点子和蓝点子靠在一起时，眼睛看见的就是品红色，尤其是点子很多的时候。彩色印刷的挂网技术就是利用这样的方法来欺骗人们的眼睛。

所以，这时就别看图了，看指数吧。图12是图11的两个遥感数据集经几何精校正后的结果，契合系数达0.6以上，看起来配准效果已经非常理想了。

图12 几何精度比较的契合指数

 

7.3 蛙眼（动态目视判别）

当前后景图像仅有单/亚像元误差甚至仅局地有少量单/亚像元误差时，用设置不透明度方法观察，仅线条看起来粗了一点或者某地物“胖”了一点，很难发现位置偏差。通过估计契合指数（图12），也可表现出非常好的配准效果。就是说，没发现有什么位置偏差。

但是请看下面的动态图像。

图13 动态显示配准后L8和GF1图像的亚像元误差

可见图像右侧水平方向的和图像左侧左下右上方向的轻微移动，这种位置偏移是单/亚像元级别的误差，通常很难进行进一步的位置校准了。话又说回来，几何精校正达到这样的位置精度或许已经能够满足大多数应用需求了，还有一点误差就忍了吧。

通过图像的动态交替，人眼可以探测到前/背景图像的轻微移动，从而检测到微小的位置偏差。据说青蛙看不到静止的目标，只有目标移动时它才能发现。是不是人眼也有这种特征？:)

使用“蛙眼”一词代表这种动态检测技术也是为了形象好记。

一个问题是这东西只能看不能定量表示，也就是说我们知道有误差就行了。其实图像本身也是给人的眼睛准备的，也是只能看的，图像定量了是一个大数字矩阵，看不出什么所以然，所以人们才用图像表示。动态图像只是又进了一步，本质上一样，都是为眼睛提供的。但是图像好在能印在硬介质上，动态的没法印，分开印两张又看不见差异了。

要实现蛙眼显示，可以按如下操作：

① 在层列表窗口钩选基准层，将基准层放于底层使之不可见，将待比较放在最上层使之可见。

② 使光标呈十字型，在主窗口画一个矩形区域，或者右击鼠标，在弹出菜单选择“主窗口全选”，也可以直接按下F2键，光标变成十字型。

③ 右击，出现弹出菜单（图7），选择“动态目视偏移估计（蛙眼）”。窗口就开始交替闪动了。

可以在“设置”窗口设定一些交替闪动的参数。

8. 结语

1. 手动（交互点点采GCP那个就算了）、自动和半自动几何精校正精度、易用性等给综合评价下希望能反馈给我。或者有什么其它涉及几何定标需求也可以讨论讨论。

2. 这个契合指数需要大家在使用中验证，大家反馈回来意见我也把算法过程固定一下。

3. 前面有个“小黑手”了，这次又出来一个“蛙眼”，净搞新词儿了。声明一下我是极力反对搞词儿的。这样找两个通俗的词儿是为了代表一个处理过程，好说好记，也是为了接地气儿。本来为了更接地气儿起的名字是“蛤蟆眼”，后来同学们说“鬼头蛤蟆眼”不是什么好话，还是用“蛙眼”代表这件事儿吧。

3. 感谢互联网、感谢自媒体，1是可以动态展示，2是快。搞几个小时就可以和大家见面了。和希望在纸质介质上印出来需要等几个月甚至1、2年相比，节省了很多时间，时间是很金贵的东西哦。

4. 何况，这里我们可以边聊边写，那些需要端起架子来写。

5. 同学们把数据加载到RSD比较比较吧，准了别高兴，不准也别伤了自尊！

在百度云盘https://pan.baidu.com/s/1T-LBvaD_zVCwJsGf_hCyCg下载新版的SetupRsd2.1.4.rar。

详情加企鹅群136965427，在这里解答和讨论有关遥感数据处理和RSD平台的有关技术问题。