PCI Geomatica高分辨率卫星影像几何校正

原创已于 2025-12-11 10:21:33 修改 · 737 阅读

10 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#pci

于 2025-12-11 10:00:17 首次发布

以下处理以福建为例，软件geomatica2016

1.有理多项式几何精校正原理

有理多项式几何精校正是遥感影像几何校正的核心方法之一，其核心逻辑是通过有理多项式模型（Rational Polynomial Coefficients, RPC）建立遥感影像的像元坐标（行、列）与地面坐标（经纬度、平面直角坐标等）之间的数学映射关系，从而消除影像因传感器姿态、轨道误差、地形起伏等因素产生的几何畸变。

RPC 模型本质是用两个分式多项式（分子、分母均为多项式）分别描述像元行坐标（Row）和列坐标（Column）与地面坐标（通常为大地坐标 X、Y、Z，Z 为高程）的关系，具体形式如下：

像元行坐标映射公式:Row= Prow(X,Y,Z)/Qrow(X,Y,Z)

像元列坐标映射公式：Column= Pcol(X,Y,Z)/ Qcol(X,Y,Z)

有理多项式校正的核心是通过 RPC 系数建立 “像元坐标→地面坐标” 或 “地面坐标→像元坐标” 的双向计算，具体流程可分为坐标正算与反算以及畸变消除与重采样。相比传统的严格物理模型（如共线方程模型，需依赖传感器内方位元素、外方位元素等详细参数），RPC 模型的优势在于参数依赖性低，通用性高。

基于有理多项式（上图）

2.有理函数几何校正（RFM 校正）

正射校正依赖 “传感器物理模型”（如共线方程），但卫星厂商可能因商业保密（如军事卫星）或简化用户操作，不提供完整的轨道 / 姿态参数，此时就采用 “有理函数模型（RFM）。

RFM本质是用多项式拟合替代物理模型，不考虑卫星成像的物理过程（如投影中心、姿态），而是直接建立 “原始影像像元坐标（r,c）” 与 “地面地理坐标（X,Y,Z）” 之间的有理函数关系（分子分母均为多项式），通过 “地面控制点（GCP）” 或 “卫星提供的 RPC 参数” 确定多项式系数，最终实现校正。

正射校正一般步骤流程图

来吧，实践一下！

4.1数据准备阶段：

1.数据下载：

（1）登录注册下载欧空局哨兵数据：https://dataspace.copernicus.eu/data-collections

图 1 s2数据下载示图

（2）下载福州dem数据。

2.数据初步处理操作：

（1）对四景s2数据进行波段提取：打开数据【S2C_MSIL2A_20250318T023551】下【GRANULE】子文件夹的【IMG_DATA】选择其中的19m数据，选择一景影像依次加载数据B02/B03/B04波段，在【Tool-DataMerge】窗口选择存放位置和名称，坐标设置从文件导入，可以注意到UTM坐标以及分辨率已经从原数据读取，完成自动填充，点击next。在select layer中对选择文件名称进行修改确认后点击ok，进行处理。亮度重采样方法选择【Nearest】。

图2 四景s2数据进行波段提取

（2）s2数据【影像镶嵌】，使用Gemmatica 2016 OrthoEngine生成参考影像：对于四景有相同坐标并且几何位置已经完成校正的数据，拼接之后影像可以自然延伸。新建工程，选择【relation function model】。

图3 打开用于影像拼接的新工程

图4 定义UTM坐标系和10m像元大小

（3）点击【Image Input】找到四景影像并打开。

(4)打开【mosace】，点击第一个图标进行【定义】保持默认状态确定。随后点击第四个图标进行自动拼接，点击【generate preview】可以浏览【拼接效果】。点击【generate mosaic】完成合成。

图5 Mosaces 示意

4.2基于有理多项式的无DEM高分辨率卫星影像几何精校正

1. 新建工程

（1）新建工程，【OrthoEngine-New】，选择

重采样成图几何精校正：根据gcp数据用最小二乘法来计算未知系数，使用【最临近法】进行共轭位置亮度值的确定。不但改变位置，也计算某一个像元上的亮度值。

2.确定输出影像范围

在几何校正模块中设置输出文件路径及格式。
设置输出范围（Extent）与像元大小（Pixel Size）。通常选择参考影像（Sentinel-2）的范围。像元大小可设为 8 m（保持 GF-6 原分辨率）

图6 新建项目，定义输出数据的相关参数

3.点击【第一个图标】读入待校正数据

4. 选择地面控制点（GCP）

图17 手动采集地面控制点工具栏

（1）打开 GCP Collection 工具。

（2）进行控制带点数据来源设置，随后进行点的采集。将 Sentinel-2 作为参考底图（all4-fz-s2c-20250318-mux），GF-6 作为待配准图层（mux_gf6_20250322_fz_1）。

（3）选取地物特征明显、分布均匀的控制点（如道路交叉口、河流拐点、建筑角点）。

（4）每选取一对 GCP，系统会自动记录行列坐标与地理坐标。

（5）控制点数量建议：使用二次多项式，点数达到16以上，空间分布应覆盖影像四角与中心区域。点击new point创建新的校正点，在标准影像中选择明显的十字口点击并创建【use point】；在待校正影像中选择同样位置，并在操作窗口点击【accept】。

图18 进行控制带点数据来源设置

选择一次多项式：选择三个以上点，软件会生成标准空间平面。如果操作错误需要进行点删除，【新创建点】，在跳出界面选择点删除。从选择第四个点开始，软件会自动定位待矫正图像点附近位置，操作者手动修改矫正位置【accept】之后，操作框会显示xy上的误差。
选择二次多项式时，软件会根据选择的六个点为标准进行数据处理校正。最少需要9个点进行校正操作。本次操作选取二次多项式处理待校正数据。

5.执行几何校正

1.检查 GCP 残差（RMS Error）。若超过标准则重新选取或调整控制点。无控制点校正需要保证【RMS<0.3】。保证RMS数值减小到符合标准，点击【apply】进行下一步操作。

图19 控制点采集设置界面

图20 RMS相关参数表

6.生成输出影像：

选择把左侧图框中的影像加载到右侧，更改多光谱方法为双线性【Bilinear】，点击生成校正影像。关闭窗口前点击【file-save】进行文件保存。

图21 Geomatica corrected image production

7.在 Focus 中叠加参考图检查配准精度

（1）打开校正前后gf6数据，比较校正前后的差别，可以看到校正之后的影像存在部分凹陷。

（2）对比影像，检查校正后影像的地理坐标是否与 Sentinel-2 对齐：

受到地形影响，对8m分辨率影像的校正操作中，山体部分配准精度不佳，平地校正效果相对更好，光标基本不发生变动。由此可见，在缺少dem数据的情况下，无法消除由于海拔高度引起的误差。

校正前后影像与s2数据对比：

图22 平坦地区校正效果对比（左s2右gf6 ）

图23 山地校正效果对比（左s2右gf6 ）

图24多项式几何精校正流程

4．3有理函数遥感图像几何校正

从地球角度进行思考，我们可以不考虑地球的曲率，但是需要考虑区域的高程带来的影响。

1.新建工程

设置文件名和保存路径，数学模型方法为【Optical Satellite Modolling】，高程设置为【海平面】，单位为【米】。

图25 有理函数遥感图像几何校正工程新建参数设置

2.导入数据，进行相关参数设置

【Data Input】导入【mux_gf6_20250322_fz _2.pix】（没有进行投影变换的数据）。

图26 导入数据

3.进行点校正

（1）打开【GCP/TP Collection】点击第二个图标

图27 打开点校正功能

（2）【GCP Collection for mux-gf6-20250322-fz】界面，选择数据来源为【Geocode image】并选择对应的哨兵数据。导入DEM数据。【comput model】打钩。在s2影像中选择控制点（自带正确的投影坐标），点击【Extract Elevation】，PCI Geomatica在gf6中找到对应的像元，若有误差，则进行自主选择后点击【accept】。若自动找到的点没有问题，直接点击【Use Point】并确认数据载入。

图28 导入DEM数据，参考影像波段匹配设置

图29 控制点分布缩略图

(3)检查RMS<0.08。依次点击点位进行位置校正或删除错误点。

图30【GCP Collection for mux-gf6-20250322-fz】界面参数

图31 RMS参数表

4.正射生成

（1）切换到【Ortho Generation】并点击第三个图标。导入处理影像，设置文件储存位置以及文件名，左下角导入【DEM】数据，采用双线性方法进行校正，点击【Generate Orthos】。

图32 Ortho Generation

图33 正射生成参数设置

5.结果比对：

关闭窗口后点击save。

对比两次校正的结果，可以看到在图像衔接处，不管有无使用DEM高程数据参与校正，平坦地区s2和gf6校正影像的衔接都很平滑；

而在山区，使用DEM高程数据参与校正（有理函数遥感图像几何校正）的gf6影像与s2数据明显衔接更加流畅，影像叠加观察进行切换时，光标处影像的移动几乎看不到。

山区：

图34以s2为底图显示山区是否使用DEM参与校正的效果差异（左无DEM，右有DEM）

图35 平坦地区校正效果对比（左无DEM，右有DEM）

以下再采用试错法进行对比分析。

（1）采用同样方法校准gf2m精度数据，删除部分控制点，使得其分布不均，可以看到光标已经完全消失在原定的区域范围内。

错误数据演示

（2）故意选错部分控制点，RMS数值飙升，且>10，数据不可用，删除。

ps：

若仅修正轨道 / 姿态误差，需 6-10 个 GCP（覆盖影像四角及中心）；若同时修正传感器畸变，需增加至 10-15 个；基于 RFM 的校正（无 RPC 文件时）：RFM 为 3 次多项式模型，理论上需至少 20 个 GCP（3 次多项式含 20 个系数，需超定求解以降低误差），实际应用中建议选择 20-30 个，确保拟合精度；在本次实验中控制点数均>16,数量保持在20上下。

DEM 存在无数据区、输出坐标系范围超出原始影像范围、RPC 系数与影像不匹配。可以通过填充 DEM 无数据区、调整输出范围（在 “Output Extent” 中选择 “From Input Image”，确保输出范围不超出原始影像）、重新关联正确的 RPC 系数，或者更改数据来源来进行解决。最好可以找到有海dem的数据哦。

此外要注意，在DEM标准选择时应该选择【海平面】。