光学卫星遥感影像的严格几何模型与RFM模型组合平差研究

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:zhongqiwen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着卫星遥感对地观测技术的不断发展,光学卫星遥感影像已成为社会经济建设和国防建设各领域的重要数据源,对其几何处理精度要求越来越高。本文以光学卫星遥感影像为研究对象,分别从其严格几何模型和通用几何模型入手,在对两种模型研究改进基础上,提出一种严格几何模型与有理函数模型(Rational Function model,RFM)相结合的组合平差方案及其实现方法,为光学卫星遥感影像的精确几何处理提供了新的技术途径。论文的主要工作及创新性如下:(1)实现光学卫星遥感影像的严格几何模型平差方法并进行仿真试验,得出严格几何模型平差精度与影像外方位元素初值精度的量化关系。在影像无畸变的理想情形下,严格几何模型平差能够很好地消除影像外方位元素误差影响,但平差精度仍受到外方位元素初值精度影响。在影像含有畸变的情况下,严格几何模型平差后定位中误差随畸变的增大呈线性趋势增长。(2)实现常规的带仿射变换项RFM平差方法并对其性能进行仿真分析,结果表明该方法定位精度依赖于生成初始RPC参数的严格几何模型精度。随着严格几何模型中外方位角元素误差增大,常规RFM平差方法定位精度也显著下降。对于光学卫星遥感影像中存在的复杂畸变,常规平差方法效果欠佳。(3)针对常规RFM平差方法的不足,本文从傅里叶级数的逼近特性出发,提出一种带傅里叶多项式补偿项的RFM平差方法,其理论上可以精确拟合任意形式畸变。拟合测试表明,傅里叶多项式对Brown模型和Ebner模型生成的模拟畸变可达到千分之一像元的拟合精度。用两种RFM平差方法对快鸟同轨立体影像数据进行对比实验,相比常规RFM平差结果,带傅里叶补偿项的RFM平差后平面定位精度提高了11.6%。(4)针对单一模型存在的各自不足,本文提出了严格几何模型与RFM模型的组合平差方案及其实现算法流程。通过仿真数据与真实数据的试验结果表明,组合平差不仅可以显著降低对外方位元素观测值的精度要求,且由于引入了傅里叶多项式优良的畸变补偿性能,严格几何模型与RFM模型迭代平差计算能够同时实现高精度的影像定向和定位。对SPOT5异轨立体影像数据的实验表明,组合平差后平面和高程定位精度均可达到优于1个像元地面分辨率的水平。
其他文献
随着我国汽车工业的不断发展,汽车保有量剧增,汽车尾气排放带来的污染问题也日益突出。高海拔地区由于环境因素的改变,导致汽车油耗及排放等特性变化,因而研究高海拔地区轻型
桨叶是直升机旋翼系统的重要组成部分,目前最常用的直升机桨叶是由复合材料制成的。研究表明,晶格结构具有轻质与高强度的力学性能,在桨叶内部填充晶格结构,与蒙皮共同构成3D
目的:为探究局灶性进展为双侧强直-阵挛性癫痫发作(focal to bilateral tonic-clonic seizures,FBTCS)患者脑灰质的变化,从而发现FBTCS患者可能存在的脑灰质微小病灶及疾病进展对颅脑的影响。方法:本研究纳入了26名FBTCS患者,21名健康志愿者作为对照组(HC组)。采集3.0T磁共振三维T1序列图像,利用基于体素形态学测量(voxel-based mor
在高度工业化的现代社会,人们已经逐渐解决了生产力的问题,但是经过了几个世纪突飞猛进的发展后,对环境造成了极其严重的破坏性打击。另一方面,从最初的钻木取火,到煤炭、石油等化石能源,再发展至现今的可再生二次能源,能源形式的迭代一直贯穿整个人类发展史。在能源问题和环境问题亟待解决,以及可持续发展的背景下,寻找新型清洁可再生能源成为了当务之急。氢气凭借其环境友好性、回收利用的可能性等特点,被认为是替代传统
前门大栅栏是明清时期北京最重要的商贸中心,凝聚了北京古都文化的精髓。随着夜经济的发展,前门大栅栏将打造成北京老城唯一的夜经济地标。为了在发展夜经济时更有效传承北京
我国丰富的页岩气资源储量为大力发展页岩气产业奠定了强劲的基础,如何快速高效地进行页岩气开采是页岩气产业发展的关键。四川省是我国最早开展页岩气研究和勘探开发的省份
当前,我国经济以稳定的增速快速发展,人均可支配收入不断提高,伴随着4G的快速普及,国内移动通信产品与服务的消费量呈现逐年增长的趋势。YY公司是中国移动集团公司下设的地级
下肢深静脉血栓(deep venous thrombosis,DVT)形成是人工髋关节置换(THR)术后常见和严重的并发症。按照预防骨科大手术后深静脉血栓形成的专家建议的患者静脉血栓栓塞危险分
会议
随着信息技术的快速发展,分类预测方法在管理领域的应用逐渐增多。分类预测是对原始数据进行分析,并从中抽取刻画数据类别的模型,这种分类模型又被称为分类器。分类预测模型的可靠程度依赖于数据的可靠程度,数据的冗余会导致预测结果产生偏差。虽然目前学术界对分类预测模型的研究和应用有很多,但是很少考虑数据冗余的情况。由于数据出现冗余是数据获取过程中不可避免的,因此从数据的角度去除其中的冗余数据,再对数据进行预测