熊文成，申文明，王 橋，史園莉，肖如林，付 卓

（環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094）

1 前言

我國(guó)經(jīng)濟(jì)社會(huì)的快速發(fā)展帶來(lái)了巨大的環(huán)境問(wèn)題，如水體污染、城市垃圾、大氣污染、生態(tài)破壞等。現(xiàn)在環(huán)境問(wèn)題已經(jīng)嚴(yán)重制約了我國(guó)經(jīng)濟(jì)社會(huì)的發(fā)展。要解決環(huán)境問(wèn)題，首先必須了解我國(guó)的環(huán)境狀況，這就需要對(duì)環(huán)境質(zhì)量進(jìn)行有效監(jiān)測(cè)。環(huán)境一號(hào)衛(wèi)星是我國(guó)自主研制的小衛(wèi)星星座，其目標(biāo)之一就是對(duì)我國(guó)環(huán)境質(zhì)量狀況進(jìn)行嚴(yán)密監(jiān)測(cè)[1]。綜合有效地利用環(huán)境一號(hào)衛(wèi)星各載荷數(shù)據(jù)，對(duì)實(shí)現(xiàn)我國(guó)生態(tài)破壞、環(huán)境污染進(jìn)行大范圍、全天候、全天時(shí)動(dòng)態(tài)監(jiān)測(cè)，對(duì)生態(tài)環(huán)境質(zhì)量變化的過(guò)程和趨勢(shì)的預(yù)測(cè)都有著重要意義。要實(shí)現(xiàn)對(duì)各載荷數(shù)據(jù)的綜合應(yīng)用，業(yè)務(wù)化地?cái)?shù)據(jù)幾何精校正是一個(gè)重要的基礎(chǔ)[2～4]。

一般來(lái)說(shuō)，圖像的幾何精校正過(guò)程可以分為地面控制點(diǎn)選取、模型糾正、重采樣3個(gè)步驟。傳統(tǒng)的控制點(diǎn)選取方式主要是人工在圖像上有明顯的、清晰的定位識(shí)別標(biāo)志處選點(diǎn)，如道路交叉點(diǎn)、河流叉口、建筑邊界、農(nóng)田界線(xiàn)[4]。自動(dòng)選點(diǎn)則主要是基于基準(zhǔn)影像和配準(zhǔn)影像相似性關(guān)系，自動(dòng)匹配選點(diǎn)的過(guò)程。自動(dòng)匹配在減少人工選點(diǎn)的主觀(guān)性以及提高工作效率方面有著重要意義。自動(dòng)匹配的方法在國(guó)內(nèi)外研究較多，基本可以分為基于灰度的匹配和基于特征的匹配[5，6]?；诨叶鹊膱D像匹配算法主要有相關(guān)系數(shù)法、互信息法、傅里葉變換法、最小二乘法[7～11]；基于特征的圖像匹配算法主要有基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)方法和基于圖像特征描述符的配準(zhǔn)方法。角點(diǎn)檢測(cè)方法有Harris角點(diǎn)檢測(cè)算法和Susan角點(diǎn)檢測(cè)算法；常用的特征描述符圖像配準(zhǔn)算法有尺度不變特征變換匹配（SIFT）算法和加速穩(wěn)健特征（SURF）算法[12～15]。轉(zhuǎn)換模型（校正方法模型）要根據(jù)遙感圖像幾何畸變的性質(zhì)來(lái)確定。現(xiàn)有的糾正模型主要有物理模型、有理函數(shù)模型、多項(xiàng)式擬合或三角網(wǎng)擬合等[2]。重采樣主要有3種方法，即最鄰近點(diǎn)法、雙向線(xiàn)性插值法、三次褶積法。

為實(shí)現(xiàn)環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)業(yè)務(wù)化運(yùn)行，本文從影像自動(dòng)配準(zhǔn)的角度，研究環(huán)境一號(hào)A/B星數(shù)據(jù)的自動(dòng)幾何精校正技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)。

2 環(huán)境一號(hào)衛(wèi)星載荷說(shuō)明

2008年9月6日，環(huán)境一號(hào)衛(wèi)星“2+1”星座中的兩顆光學(xué)小衛(wèi)星（A星和B星）“一箭雙星”發(fā)射成功。環(huán)境一號(hào)衛(wèi)星A星搭載了兩個(gè)charge-coupled device（CCD）相機(jī)（CCD1、CCD2）及一個(gè)高光譜成像儀（HSI）；環(huán)境一號(hào)衛(wèi)星B星搭載了兩個(gè)CCD相機(jī)及一個(gè)紅外相機(jī)（IRS）。具體參數(shù)可見(jiàn)文獻(xiàn)[1]。

環(huán)境一號(hào)衛(wèi)星A/B星有以下特點(diǎn)：a.A星與B星上的4臺(tái)CCD相機(jī)參數(shù)基本一致，這意味著4臺(tái)CCD相機(jī)的圖像具有良好的相關(guān)性；b.A星上CCD與高光譜成像儀是同平臺(tái)不同載荷，B星上CCD與紅外多光譜相機(jī)是同平臺(tái)不同載荷，同平臺(tái)數(shù)據(jù)具有較好的幾何相關(guān)性，具體關(guān)系可見(jiàn)圖1、圖2。

圖1 環(huán)境一號(hào)衛(wèi)星A星2級(jí)數(shù)據(jù)產(chǎn)品幾何關(guān)系圖Fig.1 Geometric relationship of HJ-1A satellite

圖2 環(huán)境一號(hào)衛(wèi)星B星2級(jí)數(shù)據(jù)產(chǎn)品幾何關(guān)系圖Fig.2 Geometric relationship of HJ-1B satellite

3 環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)幾何特點(diǎn)

環(huán)境一號(hào)衛(wèi)星地面處理分系統(tǒng)向外分發(fā)的環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)主要為2級(jí)產(chǎn)品，2級(jí)產(chǎn)品為經(jīng)過(guò)系統(tǒng)幾何校正和相對(duì)輻射校正的產(chǎn)品。由于環(huán)境一號(hào)衛(wèi)星的小衛(wèi)星平臺(tái)、大幅寬等特點(diǎn)，其數(shù)據(jù)幾何畸變現(xiàn)象較為突出。本文從環(huán)境一號(hào)衛(wèi)星2級(jí)數(shù)據(jù)的外部定位精度及內(nèi)部幾何畸變分析環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)幾何特點(diǎn)及變形規(guī)律。

3.1 環(huán)境一號(hào)衛(wèi)星2級(jí)產(chǎn)品定位精度

定位精度是指衛(wèi)星產(chǎn)品的幾何定位精度，即2級(jí)產(chǎn)品圖像上地理位置和真實(shí)位置之間的差異。外部定位精度評(píng)價(jià)以L(fǎng)andsatETM幾何精糾正數(shù)據(jù)產(chǎn)品為參考圖像，在環(huán)境一號(hào)衛(wèi)星的2級(jí)圖像以及參考影像上，選擇多個(gè)均勻分布的匹配同名點(diǎn)，分別獲取環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)和參考數(shù)據(jù)的圖像坐標(biāo)，然后計(jì)算出匹配點(diǎn)（環(huán)境一號(hào)衛(wèi)星圖像坐標(biāo)和參考圖像坐標(biāo)）的差值。通過(guò)計(jì)算多景不同地區(qū)（東北、西南、西北、中部）2級(jí)圖像的位置誤差值，并把總的均方根誤差作為環(huán)境一號(hào)衛(wèi)星2級(jí)數(shù)據(jù)的定位誤差。經(jīng)多景統(tǒng)計(jì)，環(huán)境一號(hào)衛(wèi)星A/B星的幾何定位精度評(píng)價(jià)結(jié)果見(jiàn)表1、表2。

表1 環(huán)境一號(hào)衛(wèi)星A星幾何定位精度評(píng)價(jià)結(jié)果Table1 Geometricalpositioning accuracy evaluation resultsof HJ-1A satellite m

表2 環(huán)境一號(hào)衛(wèi)星B星幾何定位精度評(píng)價(jià)結(jié)果Table2 Geometricalpositioning accuracy evaluation resultsof HJ-1B satellite m

綜合來(lái)看，環(huán)境一號(hào)衛(wèi)星A/B星的幾何定位精度大約為1 100m。

3.2 內(nèi)部幾何畸變

遙感圖像的幾何形變是指圖像上像元在圖像坐標(biāo)中的坐標(biāo)與其在地圖坐標(biāo)系統(tǒng)等參考系統(tǒng)中的坐標(biāo)之間的差異[2]。形變可由傳感器結(jié)構(gòu)等因素引起，如攝影機(jī)的焦距變動(dòng)、像主點(diǎn)偏移、鏡頭畸變等；也可由遙感器以外的各因素所造成的誤差引起，如傳感器的外方位變化、傳感器介質(zhì)的不均勻、地球曲率、地形起伏、地球旋轉(zhuǎn)等因素所引起的誤差。

圖像內(nèi)部幾何變形可以歸納為長(zhǎng)度變形、角度變形和放射變形等指標(biāo)，評(píng)價(jià)的內(nèi)容包括變形的絕對(duì)量和整幅圖像變形的一致性。具體的方法如下所述。

1）從圖像上選擇同名控制點(diǎn)20～30對(duì)，并從4個(gè)方向（垂直軌道、沿著軌道和對(duì)角方向）大致進(jìn)行配對(duì)與分組。每組類(lèi)別中有20組左右的配對(duì)點(diǎn)。

2）計(jì)算圖像上點(diǎn)對(duì)距離與地圖上各同名點(diǎn)對(duì)距離的相對(duì)差距。點(diǎn)對(duì)距離是指圖像上兩點(diǎn)的距離，即

式（1）中，(L1，P1)和 (L2，P2)分別為圖像上兩個(gè)點(diǎn)的坐標(biāo)；Δp為圖像分辨率。圖像上點(diǎn)對(duì)距離diimg與地圖上同名點(diǎn)對(duì)距離diref的相對(duì)差距為

統(tǒng)計(jì)每組配對(duì)點(diǎn)間的距離差的均值作為變形誤差，即

3）計(jì)算8個(gè)方位的控制點(diǎn)到景中心的距離變化，得到相對(duì)變化程度和矢量方向。計(jì)算方法與上一步類(lèi)似。

將4個(gè)方向控制點(diǎn)間相對(duì)幾何誤差以及各方位控制點(diǎn)相對(duì)于景中心的幾何定位誤差取平均得到，環(huán)境一號(hào)衛(wèi)星A/B星的內(nèi)部幾何相對(duì)誤差是0.12%～0.17%，絕對(duì)誤差是100～400m。

從分析結(jié)果來(lái)看，環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)內(nèi)部幾何誤差較大，從各個(gè)方向的統(tǒng)計(jì)值來(lái)看，也沒(méi)有展示出明顯的規(guī)律。這對(duì)于進(jìn)行下一步的幾何精校是一個(gè)挑戰(zhàn)。

4 自動(dòng)幾何精校正流程設(shè)計(jì)

基于環(huán)境一號(hào)衛(wèi)星A/B星的參數(shù)特點(diǎn)，幾何定位以及內(nèi)部形變等特點(diǎn)，本文設(shè)計(jì)了環(huán)境一號(hào)衛(wèi)星A/B星自動(dòng)幾何精校正的技術(shù)流程。

4.1 總體幾何校正流程設(shè)計(jì)

環(huán)境一號(hào)衛(wèi)星多載荷數(shù)據(jù)總體幾何校正流程設(shè)計(jì)如圖3所示。

圖3 環(huán)境一號(hào)衛(wèi)星多載荷數(shù)據(jù)總體幾何校正流程Fig.3 Geometric correction of HJ-1 satellite multi-sensor data

總體流程的設(shè)計(jì)基于以下3個(gè)方面。

1）利用同平臺(tái)的高分辨CCD對(duì)高光譜數(shù)據(jù)實(shí)現(xiàn)幾何自動(dòng)匹配。高光譜成像儀在光譜復(fù)原后任一波段的切片數(shù)據(jù)相當(dāng)于一幅多光譜CCD相機(jī)單波段數(shù)據(jù)，兩者數(shù)據(jù)的輻射機(jī)理是相同的。同星平臺(tái)獲取的CCD和高光譜數(shù)據(jù)具有較好的相似性。

2）利用同平臺(tái)的高分辨CCD對(duì)紅外相機(jī)數(shù)據(jù)實(shí)現(xiàn)幾何自動(dòng)匹配。CCD數(shù)據(jù)第四波段和紅外相機(jī)第一波段，波長(zhǎng)較為接近，輻射機(jī)理相同。且同星平臺(tái)的CCD與紅外相機(jī)數(shù)據(jù)具有較好的相似性。

3）利用環(huán)境一號(hào)衛(wèi)星CCD精校正影像作為控制庫(kù)。相對(duì)于基于控制點(diǎn)影像庫(kù)的方法，控制影像易于維護(hù)以及匹配更多的點(diǎn)，而控制點(diǎn)庫(kù)可能由于地物的變化而需要進(jìn)行更新，并且影像局部受云雨污染時(shí)難以進(jìn)行匹配。另外，同源的環(huán)境星CCD較異源影像（如ETM/TM控制庫(kù)）具有更好的匹配性，自動(dòng)匹配的精度和準(zhǔn)確性更高。

因此本流程的關(guān)鍵是對(duì)環(huán)境一號(hào)衛(wèi)星CCD影像實(shí)現(xiàn)自動(dòng)幾何精校正。

4.2 環(huán)境一號(hào)衛(wèi)星CCD影像自動(dòng)幾何精校正

實(shí)現(xiàn)CCD影像的自動(dòng)幾何精校正的關(guān)鍵也就是實(shí)現(xiàn)待糾正的CCD影像與CCD控制庫(kù)影像的自動(dòng)匹配。

基于灰度和特征的圖像配準(zhǔn)方法各有優(yōu)缺點(diǎn)[5]。基于灰度的圖像配準(zhǔn)算法簡(jiǎn)單，計(jì)算量大，耗時(shí)長(zhǎng)，對(duì)光照條件敏感。當(dāng)待匹配點(diǎn)位于低反差區(qū)內(nèi)，即在該窗口內(nèi)信息貧乏，信噪比很小，基于灰度的匹配算法成功率不高。而基于特征的圖像配準(zhǔn)算法可以在一定程度上克服此缺點(diǎn)，但在精度上遜于基于灰度的圖像匹配算法。因此，環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)的校正將結(jié)合兩種方法的優(yōu)勢(shì)，以達(dá)到快速、準(zhǔn)確的配準(zhǔn)效果。

環(huán)境一號(hào)衛(wèi)星CCD數(shù)據(jù)匹配策略利用了基于灰度的匹配和基于特征的匹配相結(jié)合的方式。利用金字塔影像結(jié)構(gòu)，將上一層影像的特征匹配結(jié)果傳到下一層作為初始值，并考慮對(duì)粗差的剔除或改正。最后以特征匹配結(jié)果為“控制”，對(duì)其他點(diǎn)進(jìn)行匹配或內(nèi)插。由于基于特征匹配是以“整像素”精度定位，因而對(duì)需要高精度的情況，將其結(jié)果作為近似值，再利用最小二乘影像匹配進(jìn)行精確匹配，取得“亞像元”精度[15，16]。環(huán)境一號(hào)衛(wèi)星配準(zhǔn)策略流程見(jiàn)圖4，可以分為以下幾個(gè)步驟。

圖4 環(huán)境一號(hào)衛(wèi)星配準(zhǔn)策略流程Fig.4 CCD registration flow of HJ-1 satellite

1）建立金字塔分層影像。環(huán)境一號(hào)衛(wèi)星CCD數(shù)據(jù)特征匹配方案應(yīng)用了金字塔分層影像數(shù)據(jù)。金字塔影像的建立按照2×2像元變換成一個(gè)像元，此時(shí)，上一層的結(jié)果與下一層2×2個(gè)像元的公共角點(diǎn)相對(duì)應(yīng)。利用三級(jí)金字塔逐級(jí)精化，利用頂級(jí)金字塔數(shù)據(jù)量小的特點(diǎn)進(jìn)行快速初始定位，利用頂級(jí)金字塔初始定位引導(dǎo)中級(jí)金字塔進(jìn)行初始定位精化，利用中級(jí)金字塔精化的初始定位引導(dǎo)底層金字塔或原始影像精匹配。

2）特征提取。在特征點(diǎn)檢測(cè)階段優(yōu)先采用Fast、Harris、Susan等速度較快的角點(diǎn)檢測(cè)算法。本研究采用的是Fast特征點(diǎn)檢測(cè)算法。

3）粗差剔除。在一個(gè)小范圍內(nèi)利用二次曲面為模型進(jìn)行擬合，將殘差大于某一閾值的點(diǎn)作為粗差剔除。當(dāng)所有錯(cuò)誤的匹配點(diǎn)作為粗差剔除后，即得到與目標(biāo)模型一致的匹配點(diǎn)對(duì)。有效的粗差剔除決定了影像配準(zhǔn)是否成功，粗差剔除是匹配關(guān)鍵關(guān)節(jié)。必須采用穩(wěn)健的粗差剔除方法保證配準(zhǔn)成功。本研究考慮小概率事件原理粗差剔除，按照5%小概率事件發(fā)生原理，可認(rèn)為超過(guò)中誤差2倍的匹配點(diǎn)為粗差，進(jìn)行迭代剔除可達(dá)到粗差剔除目的。

4）校正模型。針對(duì)環(huán)境一號(hào)衛(wèi)星2級(jí)數(shù)據(jù)，幾何校正模型可采用多項(xiàng)式校正模型。遙感圖像的總體變形是圖像的平移、縮放、旋轉(zhuǎn)、仿射、偏扭、彎曲以及更高次的基本變形的綜合作用結(jié)果，這樣的變形用一個(gè)嚴(yán)格的數(shù)學(xué)表達(dá)式來(lái)描述是困難的，可以用一個(gè)適當(dāng)?shù)亩囗?xiàng)式來(lái)描述校正前后圖像相應(yīng)點(diǎn)之間的坐標(biāo)關(guān)系。

5）重采樣。經(jīng)空間變換后輸出的新圖像像元，在多數(shù)情況下會(huì)落在原始圖像陣列中的幾個(gè)像元之間（即共軛位置），因此輸出圖像的像元灰度值，必須通過(guò)適當(dāng)?shù)姆椒ò言擖c(diǎn)四周鄰近的若干個(gè)整數(shù)點(diǎn)上的像元灰度值對(duì)該點(diǎn)的灰度值貢獻(xiàn)累積起來(lái)進(jìn)行計(jì)算，這個(gè)過(guò)程稱(chēng)為數(shù)字圖像的重采樣。校正空間網(wǎng)格上的亮度值等于原始圖像空間共軛點(diǎn)的亮度值，即

式（4）中，（ε，η）為校正空間某點(diǎn)坐標(biāo)；（X，Y）為該點(diǎn)在原始圖像空間上的共軛點(diǎn)坐標(biāo)。

通常有3種方法確定共軛點(diǎn)的亮度值f（X，Y），即最鄰近點(diǎn)法、雙線(xiàn)性插值法，三次褶積法。

4.3 環(huán)境一號(hào)衛(wèi)星高光譜與紅外相機(jī)數(shù)據(jù)自動(dòng)幾何精校正

環(huán)境一號(hào)衛(wèi)星紅外相機(jī)數(shù)據(jù)和高光譜數(shù)據(jù)以同步成像的CCD數(shù)據(jù)進(jìn)行匹配校正。由于是同步成像，匹配的成功率一般較高。

4.3.1 高光譜與CCD圖像配準(zhǔn)

在特征點(diǎn)檢測(cè)階段優(yōu)先采用Fast、Harris、Susan等速度較快的角點(diǎn)檢測(cè)算法。以CCD圖像為基準(zhǔn)地圖，特征匹配階段建立2層金字塔。并且，由于CCD與高光譜同時(shí)搭載在A星上，受外方位元素引起的形變以及地形引起的形變具有很大的相似性，兩個(gè)載荷之間的幾何差異主要是平移和旋轉(zhuǎn)等差異。因此，校正模型采用一次多項(xiàng)式即可。參與匹配的波段盡量采用CCD第四波段和高光譜數(shù)據(jù)波長(zhǎng)類(lèi)似的波段。通過(guò)配準(zhǔn)，其配準(zhǔn)精度可以小于1個(gè)像素。

4.3.2 紅外與CCD圖像配準(zhǔn)

在特征點(diǎn)檢測(cè)階段優(yōu)先采用Fast、Harris、Susan等速度較快的角點(diǎn)檢測(cè)算法。以CCD圖像為基準(zhǔn)地圖，特征匹配階段建立2層金字塔。并且，由于CCD與紅外相機(jī)同時(shí)搭載在B星上，因此受外方位元素引起的形變以及地形引起的形變具有很大的相似性，兩個(gè)載荷之間的幾何差異主要是平移和旋轉(zhuǎn)等差異。因此，校正模型采用一次多項(xiàng)式即可。參與匹配的波段盡量采用CCD第四波段和紅外相機(jī)的第一波段，因?yàn)檫@兩個(gè)波段之間的相關(guān)性最高。通過(guò)配準(zhǔn)，其配準(zhǔn)精度可以小于1個(gè)像素。

4.4 精校正結(jié)果

根據(jù)以上方法、流程設(shè)計(jì)，環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)處理系統(tǒng)已經(jīng)實(shí)現(xiàn)了環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)的自動(dòng)幾何精校正。本研究在全國(guó)范圍內(nèi)各個(gè)方向上選取10景影像。利用自動(dòng)幾何精校正方法進(jìn)行自動(dòng)匹配選點(diǎn)、校正，并進(jìn)行精度結(jié)果抽樣檢驗(yàn)，結(jié)果見(jiàn)表3，典型效果見(jiàn)圖5～圖7。

表3 多項(xiàng)式幾何精校正Table3 Polynom ialgeometric precision correction

圖5 CCD糾正細(xì)節(jié)Fig.5 Correction detailsof CCD image

圖6 CCD與高光譜配準(zhǔn)影像細(xì)節(jié)Fig.6 CCD and HSI im age registration

圖7 CCD與紅外配準(zhǔn)影像細(xì)節(jié)Fig.7 CCD and infrared image registration

5 結(jié)語(yǔ)

本文分析了環(huán)境一號(hào)衛(wèi)星2級(jí)數(shù)據(jù)（系統(tǒng)幾何校正后的數(shù)據(jù)）的幾何特點(diǎn)。系統(tǒng)幾何校正后的環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)外部定位精度大概是1 km；另外，由于環(huán)境一號(hào)衛(wèi)星平臺(tái)為小衛(wèi)星平臺(tái)，并且圖幅的幅寬很大，幾何變形規(guī)律性不強(qiáng)。其內(nèi)部畸變也可以達(dá)到10多個(gè)像素，這給準(zhǔn)確的幾何精校正帶來(lái)很高的難度。

基于環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)的特點(diǎn)，本文設(shè)計(jì)了自動(dòng)幾何校正方法流程。對(duì)于CCD影像，筆者利用自動(dòng)匹配的多項(xiàng)式方法進(jìn)行校正，其優(yōu)勢(shì)是快速且成功率較高，缺點(diǎn)是對(duì)部分地區(qū)（尤其是山地）的校正精度有限。對(duì)于紅外相機(jī)和高光譜數(shù)據(jù)的幾何校正，由于其與同星CCD的高度相關(guān)性，可以利用同星CCD進(jìn)行自動(dòng)匹配校正。通過(guò)實(shí)際數(shù)據(jù)評(píng)測(cè)，結(jié)果表明，環(huán)境一號(hào)衛(wèi)星CCD經(jīng)自動(dòng)幾何精校正后，圖像精度可從1 km改善到2個(gè)像素（60m）以?xún)?nèi)。同星不同載荷圖像之間自動(dòng)匹配方法可以獲取小于1個(gè)像素的圖像匹配精度。

總之，基于自動(dòng)匹配的選點(diǎn)和精校正對(duì)環(huán)境一號(hào)衛(wèi)星數(shù)據(jù)大批量處理具有重要意義，一方面可以減少人工選點(diǎn)的誤判而帶來(lái)的誤差，另一方面可以大大節(jié)省人力的投入。

[1] 王 橋，魏 斌，王昌佐，等.基于環(huán)境一號(hào)衛(wèi)星的生態(tài)環(huán)境遙感監(jiān)測(cè)[M].北京：科學(xué)出版社，2010.

[2] 朱述龍，張占睦.遙感圖像獲取與分析[M].北京：科學(xué)出版社，2000.

[3] 張永生.遙感圖像信息系統(tǒng)[M].北京：科學(xué)出版社，2000.

[4] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[5] 余 濤，王 橋，魏 斌.環(huán)境一號(hào)衛(wèi)星遙感數(shù)據(jù)處理[M].北京：科學(xué)出版社，2013.

[6] Barbara Zitova，Jan Flusser.Image registration methods：A survey[J].Imageand Vision Computing，2003，21：977-1000.

[7] Li Xiaoming，Zhao Xunpo，Zheng Lian，et al.An image registration technique based on Fourier-Mellin transform and its extended applications[J].Chinese Journal of Computers，2006，29（3）：116-122.

[8] Castro ED，MorandiC.Registration of translated and rotated imagesusing finite Fourier transform[J].IEEE Transactions on Pattern Analysisand Machine Intelligence，1987（9）：700-703.

[9] Viola P，WellsW.Alignment by maximization ofmutual information[J].International Journal of Computer Vision，1997，24（2）：137-154.

[10] Thevenaz P，Unser M.A pyram id approach to sub-pixel image fusion based on mutual information[C]//Proceedings of the IEEE International Conference on Image Processing.Lausanne，Sw itzerland，1996，1：265-268.

[11] Thevenaz P，Unser M.An efficientmutual information optim izer for multiresolution image registration[C]//Proceedings of the IEEE International Conference on Image Processing.Chicago，Illinois，USA，1998：833-837.

[12] Goshtasby A.Description and discrimination of planar shapes using shapematrices[J].IEEE Transaction on Pattern Analysis and Machine Intelligence，1985，7（6）：738-743.

[13] Goshtasby A.Image registration by local approximation methods[J].Imageand Vision Computing，1988，6：255-261.

[14] Danip P，Chaudhuris.Automated assembling of images：Image montage preparation[J].Pattern Recognition，1995，28（3）：431-445.

[15] 章毓晉.圖像工程：下冊(cè)[M].北京：清華大學(xué)出版社，2004.

[16] 李 峰，周源華.采用金字塔分解的最小二乘影像匹配算法[J].上海交通大學(xué)學(xué)報(bào)，1999，33（5）：513-519.