RPC几何校正预备工作

最近在有个朋友在做关于RPC校正的问题,实际上GDAL库有关于RPC校正的函数,在CSDN博客上也有[大神][1]进行了一些分析,不过这些分析都直接面向RFM参数进行校正的小伙伴,对于我这样刚把RPC原理搞清楚的人看起来有些难度且有一些东西并不是我所关心的,促使我进一步对RPC进行了解的一个契机是小伙伴给我发了两张ZY-3的影像数据,这些数据并不是原始数据而是裁剪了一部分的数据,因此在使用RPC参数进行校正时要加上偏移,实际上GDAL校正并没有给参数,所以想着自己写一个RPC几何校正,能够获取影像偏移,根据影像偏移进行校正。
[1]: http://blog.csdn.net/liminlu0314/article/details/36206453
下面首先来分析RPC几何校正的原理,一般来说对于影像校正,如果直接给定了姿态和位置参数的话就可以直接进行共线条件方程的严格几何校正,然而为了隐藏传感器的位置和姿态参数,且需要给用户提供一套几何校正参数,则RPC模型边应运而生,RPC模型建立的是影像坐标x,y到地理坐标X,Y,Z之间的变化关系:

阅读全文

直方图匹配与方差调整

    在图像处理的过程中由于影像量化等级的影响,不同传感器获取的数据在影像方差和均值上具有较大的差异,在不同的数据进行融合的处理中如何处理由于量化等级差异导致的误差是一个较为困难的问题,而不同的影像的差异体现在影像的均值和方差上,影像的均值可以直接通过均值调整的方法进行调整,然而影像方差的调整却较为困难。
    实际上,不同量化等级之间的区别类似于离散值与连续值的区别,在量化的等级较高的影像上,我们能够轻易的区分出两种辐射亮度差别较小的地物,而在量化等级较低的影像中我们难以对此两类地物进行区分,这种混淆与影像分辨率无关。但是由于量化等级的差异而导致的影像分辨率的降低与由于视场角而造成的影像分辨率的差异造成的影响在视觉上表现有些类似。
下图展示了由于影像量化等级差异导致的差异:

阅读全文