地面控制点的选取是遥感图像几何校正处理中最重要的一环,如何利用控制点对遥感图像进行更加精确的几何校正,以便保证后续处理如数据融合等的准确度,这是科研工作者们一直关注的问题。　　 高分辨率卫星影像资源日益丰富,影像的获取更加便捷。高分辨率遥感影像较之中低分辨率遥感图像具有更为丰富的空间信息,表现为对地物的几何形状、大小、图案和纹理等特征的精细刻画,更多的反映了地物的光谱信息,因此地物的识别更为明显,控制点的选取更为方便,快捷,准确。这就促进了控制点自动选取技术的飞速发展和广泛应用。对于遥感几何校正来说,图像配准过程中,同名点对的自动选取算法已经可以实现控制点对的自动选取,特别对于高分辨率遥感影像来说,可以获得大量的,精度较高的控制点。但是这些控制点往往存在大量冗余,全部参与图像校正会使校正速度降低,并且不同的校正模型对控制点的数量也有不同的要求。选择更多的点往往浪费作业时间,而且对影像的纠正精度的提高是微乎其微的。同时大量的控制点可能偶尔带来错误,导致模型构建的失败。如果依赖于人工去检查错误点,将耗费更大的时间和人力成本,也与控制点的自动选取算法的初衷相违背。因此,我们需要对所得到的大量GCP进行剔除以获得更高的纠正精度和效率。现有的控制点自动选取技术仅从误差上剔除误差较大的控制点,然而要求剔除后的控制点分布均匀,是一个有待解决的难题。所以对控制点的优化研究是必要的,其中空间分布的优化是研究的重点。　　 控制点优化技术是在控制点数目充足的情况下,对控制点进行筛选的过程。既要求筛选后的控制点精度较高,又要保证控制点的分布均匀。控制点优化的目的是为了提高几何校正的精度,准确度,而我们评价优化结果的好坏可以通过几何校正的精度分析来实现。传统的评价方法是利用控制点或检查点的精度来衡量几何校正的效果,不能直观的反映整个影像区域纠正的质量好坏,更反映不出控制点空间分布的好坏。随着计算机可视化技术的发展,采用可视化方法对影像纠正的质量进行描述将是今后研究的热点。　　 本文的研究目标是研究控制点优化方法,实现控制点的自动优化；提出控制点均匀分布的定量度量；针对传统几何校正精度评价的缺陷,研究几何校正精度可视化评价分析,进行精度可视化的描述,可以直观地反映出纠正影像精度的表观。　　 故而,本文进行了以下的主要研究工作:　　 1.分析控制点优化及精度可视化技术的发展研究现状,总结这些方法在控制点优化过程中所遇到的问题。　　 2.分析控制点对不同分辨率,不同校正模型的影响规律,指导遥感影像几何校正中控制点的选择及模型参数的选择,为控制点的优化奠定理论基础。　　 3.提出了基于聚类分析的控制点优化方法,主要是以距离作为聚类。同时针对算法的不足,引入了遗传算法进行改进。通过遗传算法来解决组合优化的问题,可以得到全局最优解。并通过假设检验的方法,及函数拟合,实现了控制点数目的自动判断选取,使得优化算法具有自适应性,即可以根据不同的影像状况获得所需的最佳控制点个数。从而可以实现控制点优化方法的自动化。同时对控制点的均匀性给出定量度量,以客观的评价标准判断均匀性。　　 4.克服传统精度分析方法只从控制点的统计意义上表达纠正质量的缺点,提出了几何校正精度空间可视化分析的方法,利用影像任意点与控制点的距离关系,采用插值的方法进行二维及三维的可视化,从整体上对几何校正质量的好坏给予直观的描述。