基于envi4.1 的遥感图像数字处理研究(4)

11

圄4-1控制点的选取.左边为配准后的SPOT全色图像，右边为待纠 E的τM图像.

控制点在Zoom窗口中选取.

接下来进行配准操作.在控制点选取对话框中，选择 Options→ Warp

Displayed Bond.

然后输入相应的配准因数(纠正方法，重采样方式，背景〉后，再

输入输出文件名即可.

4.1.2图像到地图的配准图像到地固的配准操作过程与图像到图像的配准基本相同.在这里，地图作为矢

量文件，需要在矢量 (Veclor)窗口中打开.控制点的选取与图像到图像配准有所不同.在矢量地圈中，选择交叉点作为控制点，并在被纠正图像中找到相应的点.找到

对应点后，需在矢量窗口中单击鼠标右键，选择2丘甲ortMI叩 Location.,接着在控制点选取对话框(Gαs

Slection D皿og)

中单击 AddPoint即可.

控制点的另一种输入方法是在待纠正图像上找到地面控制点后，输入相应的控制点坐标.这种方法在图像上寻找控制点时相对较麻烦.在有地图的情况下，一般不采

用这种方法.选好控制点后，就可以进行图像纠正了.作为学习阶段，可以用不同的纠正方法

及重采样方式进行纠正处理，然后对不同的纠正结果进行比较.纠正操作完成后，可以查看纠正效果.还可以将纠正后图像与SOPT图像进行链

接(Li血) .用多重动态覆盖功能比较两幅图像的差异.由于全色S阳T图像壁间分辨率为 1恤，而TM图像则为3恤，而且两幅图像所覆盖的区域大小也不同，直接进

行链接处理是没有意义的.比较简单的方法是不进行链接处理，在S阳T图像的zoom窗口将原始的缩放比例k减小至 lx.将τM的Zoo.皿窗口的缩放比例变为 3x.变化后

SPOT图像与四图像的ZOOM窗口的缩放比例之间呈103的关系，这样窗口间的图像的像素大小一致，就可以选取相同的地物比较两者的差异.

如果要进行较全面的比较，则可以将TM图像进行重采样，使其分辨率为 10血，并在雪间上取子集，使其与SPOT~致.然后再进行link操作.对比结果如下圄所示.

12

基于四.vi4.1的遥感图恤数字处理研究

圄4-2纠 E后τM图惶与 SPOT圄像对比.通过对比发现，τM图像的几何位置得

到了较好的纠正，但相对S凹T圄像仍有一定的偏差.

4.1.3用输入的儿何关系进行图像配准现在从多种传感器获取的数据都附带了成像过程中所获取的详细信息(平台儿何

关系，凹atfonnG田皿巳町) .通过这种几何关系可以进行基于模型的几何纠正和图像配准.现在传感器收集的与图像对应的星历表允许进行精确的图像到地图的儿何纠

正. ENVI

j是供了一个存储传感器儿何信息和自动将图像纠正J~特定投影f坐标系的范例，田V瑞采用最邻近像元法进行重采样。

在进行纠正之前可以先查看图像的变形情况，比如像素之间的关系，道路的弯曲情况等。纠正操作如下 z

首先打开待纠正的文件和相应的IGM文件.接着在主菜单条中选择MapG回referen四 from

Input Geometry

Georeference from IGM。然后按提示操作即

可。操作中需要注意的是输入图形的投影方式应该与输出图像的投影方式一致。在本次操作中选择uτM投影，北美1927年坐标系第 13带。

13

基于四.vi4.1的遥感图恤数字处理研究

(!)原始圄恤

(2)纠正后图像

圈 4-3采用输入传感器几何关矗纠E圄像后与原始圄像对比.通过对比发现纠正后图像相对于原始圄像有 180度的旋转.

由于在纠正过程中已经生成了 IGM文件，于是可以采用 IGM文件进行纠正处理.其处理流程与上面的处理流程一致.只是在主菜单条中选取Map→ Gωrefi町四ce

from Input G倒四，try-

G四，referen四 fromIGM后，在出现的 s/ect input fi/e对话

框中首先应选择IGM文件，然后再选择待纠正文件. 4.1.4通过HSV变换融合具有不同分辨率的配准后的图像可以通也fSV(Hue

Saturation Value)变换进行图像融合处理，比如可以将低分辨

率的τM多光谱图像与高分辨率的 SPOT全色图像进行融合，得到高分辨率的彩色图像.有多种方式实现这种融合处理.四VI中的HSV变换可以自动进行重采样及进行

空间匹配.其操作为 2在四VI的主菜单条中选择Tr咀sform

- Imsge Sharpening-

HSV,然后再按

提示操作即可.另外可以由用户自己进行重采样，将采样后图像与SPOT图像进行HSV处理.下

图显示了两种不同操作的到的结果.

(1)

(2)

圄 4-4两种融音方式结果比较 .

(!)为进行重采样后的融合，

(2)为四VI自

动融合处理.可以看出用(!)处理所得的结果比较好.

14