针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题，提出了一套新的基于匹配技术的自动纠正算法流程．该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准．在利用Harris算子从两幅图像中分别提取特征点的基础上，通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对，再利用多项式拟合迭代法剔除错误点对．在获得大量的高精度控制点对后，利用不规则三角网(TIN)仿射变换法对影像进行纠正，并对杭州地区多源遥感影像进行纠正试验．结果表明，使用该方法选取的控制点均方根误差(RMSE)
可以控制在0．5个像素以内．
### 基于匹配的遥感影像自动纠正方法研究
#### 概述
近年来，随着遥感技术的迅速发展，获取不同传感器、分辨率、时相的多源遥感影像变得越来越容易。这些影像广泛应用于环境监测、城市规划、灾害评估等多个领域。然而，由于不同的传感器特性、飞行平台差异以及大气条件的变化，多源遥感影像之间往往存在着几何失配问题，这直接影响了影像融合的效果及其应用价值。传统的人工几何纠正方法虽然可以达到一定的精度要求，但效率低下且耗时较长，难以满足大规模数据处理的需求。因此，研究一种高效、精确的自动纠正方法成为了当前遥感影像处理领域的重要课题。
#### 自动纠正算法流程
本研究提出了一种基于匹配技术的自动纠正算法流程，该流程主要包括以下几个步骤：
1. **粗配准**：采用仿射变换模型对待纠正影像与已地理编码的参考影像进行初步配准。这是为了减少后续匹配过程中的搜索范围，提高匹配效率。
2. **特征点提取**：使用Harris算子从两幅图像中分别提取特征点。Harris算子是一种常用的角点检测方法，能够有效地识别图像中的稳定特征点。
3. **控制点对获取**：通过特征点和小波影像金字塔引导的从粗到精的匹配策略来获得控制点对。这种匹配策略能够在保持较高匹配精度的同时，提高匹配速度。
4. **错误点对剔除**：利用多项式拟合迭代法剔除匹配过程中产生的错误点对。这种方法能够有效识别并排除那些因噪声或非刚性变形等因素引起的异常匹配点。
5. **影像纠正**：在获得大量的高精度控制点对后，采用不规则三角网（TIN）仿射变换法对影像进行最终的纠正处理。TIN方法能够较好地适应影像中的局部形变，从而实现更高质量的纠正效果。
#### 实验验证
为了验证所提出的自动纠正算法的有效性和可行性，研究人员选取了杭州地区的多源遥感影像作为实验对象进行了详细的测试。实验结果表明，使用该方法选取的控制点均方根误差（RMSE）可以控制在0.5个像素以内，这表明该算法具有很高的匹配精度和良好的鲁棒性。此外，该方法还具有较好的通用性和灵活性，能够适用于不同类型和来源的遥感影像。
#### 结论
本文介绍了一种新型的基于匹配技术的遥感影像自动纠正方法。该方法不仅提高了纠正的效率，而且保证了较高的几何精度，对于促进遥感影像的大规模自动化处理具有重要意义。未来的研究方向可进一步探讨如何优化匹配策略以应对更加复杂多变的实际应用场景，以及如何结合深度学习等先进技术提升纠正效果。
