1. 程式人生 > >cosi-corr操作詳細步驟

cosi-corr操作詳細步驟

iar 可能 ali font correct master com www. strong

實驗數據:http://pan.baidu.com/s/1i3xIsXf(spot data)

兩幅圖像包圍整個地震事件,在相關之前,必須清除圖像中的幾何偽影(如地形),並精確地配準。

技術分享圖片

1. 定義兩幅圖像的Ancillary data (satellite)


此功能(“Satellite Imagery → Ancillary File → <Satellite to study>”)將衛星圖像的輔助數據重新排列為通用文件格式,隨後將在COSI-Corr中使用。此輔助文件包含獲取圖像時衛星的位置、姿態和觀察方向,以及其他信息,如行數和列數、標稱地面分辨率。

  • ASTER Imagery: 輸入ASTER. hdf文件。雖然可以選擇任何波段( VNIR、SWIR、TIR ),但建議使用VNIR 3N波段(最低點觀察)進行表面變形檢測。
  • Formosat-2 Imagery:需要METADATA.dim文件。
  • SPOT/SPOT5 Imagery:需要Leader文件 (lead.dat)和Dimap文件(.dim )。“Panchromatic with CCD correction”用於SPOT1-4中電荷耦合器件陣列的輕微失調。該校正是根據經驗為每顆衛星建立的,目前僅適用於SPOT 2 HRV 1和SPOT 4 HRV 1儀器。
  • SPOT6-7 Imagery: 需要DIM_xxxx.XML文件。註意,只接受完整場景(不接受子集)。
  • Pleiades Imagery: 需要DIM_xxxx.XML文件。註意,只接受完整場景(不接受子集)。
  • Quickbird Imagery: 需要.eph, .att, .geo, 和 .imd (或the .xml)文件,並且必須位於同一個文件夾中(在““auxiliary file”中只需要輸入這4個文件中的一個,其他文件將被自動檢索)。註意,只接受完整場景(不接受子集)。
  • Worldview Imagery: 需要.eph, .att, .geo, 和 .imd (或the .xml)文件,並且必須位於同一個文件夾中(在““auxiliary file”中只需要輸入這4個文件中的一個,其他文件將被自動檢索)。註意,只接受完整場景(不接受子集)。

技術分享圖片

輸入文件: SPOT Leader/ Dimap File:lead_01.dat

輸出文件: Ancillary Data File :lead_4_1998

同理對另一幅圖像如此操作,得到一個lead2_2000.anc文件。

2.生成shaded DEM文件,用於校正形變前影像。

點擊Topographic菜單中的Topographic modeling

技術分享圖片

輸入文件: 選擇SRTM文件DEM_UTM_SRTM_HectorMine_interp_sinc_10m

輸出文件: Output:shaded DEM

註意:輸入相應的太陽高度角和方位角(VOL_LIST.PDF文件中有63.9,137.4也可輸入影像中心坐標計算),輸出文件的名字為shaded DEM,點擊OK,可得到shaded DEM文件。

3.校正形變前影像

1) 打開shaded DEM和SPOT4影像(image_01)。

點擊Tie Points/GCP → Select Tie Points: Image to Image. 以shaded DEM為基準影像,image_01為輔助影像進行選取同名點。

最後File → Save GCPs保存文件為:ICP_shadedDEM_SPOT4.pts

技術分享圖片


  1. GCPs至少選擇3個點。如果是與陰影數字高程模型共同配準,則應選擇更多的點(15-30個),來平均由於圖像內容的差異而可能產生的相關誤差。
  2. GCPs盡可能均勻分布,盡量遠離形變位移區域。也不要選擇太靠近圖像邊界的點。沒有必要精確選擇同名點,因為會在優化中得到校正。
  3. 選擇frequency,初始GCPS上允許的最大放置誤差為相關窗口大小的一半。使用statistical,必須定義搜索範圍。
  4. *.pts文件以像素為單位,包括x (master) y (master) x (slave) y (slave)。

2) 點擊Tie Points/GCP → Tie points to GCPS,生成GCP_shadedDEM_SPOT4.pts文件

技術分享圖片


1.“Tie Points File”:包含兩個圖像之間同名點的文件。也可以手動編輯。

2.“Reference Image”:選擇同名點時的基礎(主)圖像。圖像必須具有地圖信息,並且是正射校正圖像,可以檢索地理坐標。

3.“DEM File”:選擇一個具有有效地圖信息的數字高程模型,以檢索GCPs的高度。如果未輸入,高度將設置為0。

4.“Offset field”:如果選中,需要選擇一個文件,該文件的第一和第二波段分別包含該區域在East/West和North/South方向的位移圖(通常是相關圖)。在GCP位置找到的位移被檢索並添加到GCPS文件中。該位移信息將用於GCPS優化。例如,基於SPOT的位移圖可用於計算GCP位置的地面位移,同時共同配準航空圖像(Ayoub et al.,2009 )。

5。“GCPS文件”:選擇要創建的GCPS文件的名稱。

創建的GCPS文件包括: longitude (decimal degree) latitude (decimal degree) altitude (meter) X (pixel) Y (pixel) SNR (0 to 1) OPTI (0 or 1) DX (meter) DY (meter) DZ (meter)

信噪比SNR默認設置為1,如果需要,可以手動更改,並在正交校正和GCPS優化期間使用。它代表GCP的權重。OPTI、DX、DY、DZ僅用於GCPS優化。


3) 點擊GCPs optimization,相對於參考正射校正圖像優化原始圖像GCPs,以實現良好的配準。


在GCP的位置,正射校正圖像通常會與參考圖像出現配準錯誤。為了獲得更好的匹配結果,GCPS使用以下計算流程進行優化:

1.利用GCPS計算原始(raw)圖像視角(衛星)。

2.原始(raw)圖像被正交校正並與參考圖像相關聯。

3.在每個GCP位置,GCP地面坐標通過圖像之間的地面偏移進行校正。

4.用校正後的GCPS組重復該過程,直到地面偏移校正收斂。


技術分享圖片


輸入文件: raw image:imag_01.dat

reference image:shaded DEM

DEM file:DEM_UTM_SRTM_HectorMine_interp_sinc_10m

輸出文件: Optimized GCPS:GCP_optimization_shadedDEM_SPOT4.txt


1.GCPs文件包括:longitude (decimal degree) latitude (decimal degree) altitude (meter) X (pixel) Y (pixel) SNR (0 to 1)OPTI (0 or 1) DX (meter) DY (meter) DZ (meter) ,並且包含至少3個從Tie points to GCPS獲得的 GCPS

– SNR,代表GCP的權重(介於0和1之間)。

– OPTI,指示GCP是否要優化( 1 )或( 0 )。

– DX, DY, DZ,分別指GCP位置處東向、北向和高程的位移。

2.“Nb Iterations”: 優化GCPS將執行的循環數。通常設置為5,就足以達到穩定的收斂。如果優化的GCPS文件報告顯示沒有達到收斂,則該過程應該繼續。將未達到收斂的輸出文件作為GCP輸入文件,再次優化。

3.“Resampling kernel”:選擇用於對原始圖像塊進行重采樣的內核。

4.“Correlator engine”: 選擇用於相關的圖像塊和檢索位移糾正的方法。通常使用128或256像素的窗口大小。這便於長波長良好的共同配準。當參考圖像是陰影數字高程模型時,建議使用statistical,而當參考圖像是正射校正圖像時,建議使用fequential。

5.“Weight GCP with correlation SNR”: 如果選中,GCPS將與前一個循環的相關信噪比進行加權。如果不選,GCPS將根據初始化時的信噪比不斷加權。

6.除了優化的GCPS之外,輸出文件還將包含所用文件和參數的記錄,以及關於優化的信息。在每次叠代中,記錄每個北/南和東/西分量中的誤配準的平均值和標準偏差。這便於檢查過程的收斂性和生成的GCPS的質量。以實現殘余配準誤差盡可能小。

7.如果GCPS使用同名點文件進行了優化,則優化後的GCPS的x和y像素坐標與初始坐標相比為負1。COSI-Corr使用的是始於( 0,0 )的像素坐標系統,與始於( 1,1 )的ENVI不同。

8.當優化從航空圖像和陰影數字高程模型之間的同名點生成的GCPS時,如果分辨率差異較大(例如: 1米圖像對30米SRTM ),或者如果地形特征太小而無法進行良好的優化,建議首先用陰影數字高程模型對衛星圖像進行地理定位,並使用後續的正射校正衛星圖像作為參考。



4) 點擊Orthorectification/Resampling,形變前原始影像和未來正射校正圖像之間的像素映射,以及根據映射對圖像進行重采樣。

技術分享圖片

輸入文件:

ancillary file:spot4_1998.anc

GCPs file:GCP_optimization_shadedDEM_SPOT4.txt(如果未選擇,正射校正將僅使用輔助數據文件來正射校正圖像。因此,精度將取決於衛星輔助數據的精度)

DEM:DEM_UTM_SRTM_HectorMine_interp_sinc_10m(該文件必須具有有效的地圖信息,並且可以在任何投影中。如果沒有輸入,正射校正將在海拔0 (橢球WGS 84以上)的平坦地形下進行。)

map Grid : 定義正射校正圖像的投影和地面網格。如果使用DEM,投影的基準必須與DEM的基準相同。有3個選項可用:

“From Raw image”:根據原始圖像大小定義。如果在圖像選擇過程中定義了空間子集,則應保持不變。

“From Georeferenced image”:選擇現有的地理參考圖像定義。當對需要相關聯的一對圖像的第二個圖像進行正射校正時,此選項非常有用,保證了地面覆蓋區和分辨率是相同的。

“Manual Edit”:手動選擇/修改網格。

註意:在“Grid Parameters”窗口中,“Adjust grid to be multiple of resolution”按鈕會強制柵格為所選地面分辨率的倍數。這個動作保證了相同分辨率的所有正射校正圖像可以精確地對齊(像素方向)。

  • 本實驗選擇from raw image

技術分享圖片

設置精度後,點擊藍色按鈕,點擊OK

“Save warping matrice”: 如果需要,可以保存原始圖像和正射校正圖像之間的映射。

Resampling Kernel:有3個選項可用。Bilinear, Bicubic和Sinc。Bilinear, Bicubic不接受任何參數,比Sinc稍快。Sinc是比其他兩個更精確。建議使用Sinc來提高重采樣質量和最終相關性。默認內核大小為15像素,可以通過“Option”按鈕進行調整。內核大小代表計算的sinc波瓣數。內核窗口越大,重采樣越好,但計算時間越長。對於大於15像素的內核大小,重采樣質量的改善可以忽略不計。

Output:選擇要創建的正射校正文件的文件名。resampled_spot4_image

4.校正形變後影像

1) 打開resampled_spot4_image和image_02,以1影像的正射影像為基準糾正2影像,選取同名點。

2) 點擊Tie Points to GCPs,將ICP轉化為GCP。

輸入文件: Tied Points File:ICP_SPOT4_SPOT2.pts

Reference image:resampled_spot4_image

DEM File:DEM_UTM_SRTM_HectorMine_interp_sinc_10m

輸出文件: GCPS File:GCP_SPOT4_SPOT2.pts

3) 點擊GCPS Optimization,優化控制點

輸入文件: Raw image:imag_02.dat

Reference image:resampled_spot4_image

DEM File:DEM_UTM_SRTM_HectorMine_interp_sinc_10m

Ancillary Data File:spot2_2000.anc

GCPS/Tied Points/ICP File:GCP_SPOT4_SPOT2.pts

輸出文件: Optimized GCPS:GCP_optimization_SPOT4_SPOT2.txt

4) 點擊Orthorectification/Resampling,正射校正2影像。

輸入文件: Ancillary Data File:spot2_2000.anc

GCPS File:GCP_optimization_SPOT4_SPOT2.pts

DEM:DEM_UTM_SRTM_HectorMine_interp_sinc_10m

From the raw:imag_02.dat

      • 格網精度同1影像(點擊藍色按鈕)

輸出文件: Resampling image:resampled_spot2_image

5.利用影像相關進行變化監測,點擊correlation

技術分享圖片

輸入數據: Pre-Event image:resampled_spot4_image

Post-Event image:resampled_spot2_image

輸出文件: Correlation File:Correlation_Image


Frequency Correlator: frequency是基於傅立葉的,比statistical更精確。當關聯光學圖像時,應該優先選擇。然而,這種相關器對噪聲更敏感,因此適用於高質量的光學圖像。

Statistical Correlator:Statistical最大化相關系數的絕對值,比frequency更粗糙但更穩健。建議使用它來關聯噪聲光學圖像,或者用於關聯不同內容的圖像,例如光學圖像與陰影數字高程模型。


  • 最後得到結果:東西向形變;南北向形變,信噪比。

參考: http://www.itdaan.com/blog/2014/08/25/dfdb71a4b144652b566f2951d3324fab.html

http://www.doc88.com/p-7456958068490.html

https://www.docin.com/p-680840059.html

cosi-corr操作詳細步驟