基于神经网络模型的遥感影像几何校正研究

《基于神经网络模型的遥感影像几何校正研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第1期，总第75期国土资源遥感No．1，20082008年3月15日REMOTESENSINGFORLAND＆RESOURCESMar．，2008基于神经网络模型的遥感影像几何校正研究栾庆祖，刘慧平(北京师范大学地理学-9遥感科学学院，遥感-9GIS研究中心，遥感科学国家重点实验室，北京100875)摘要：在遥感影像几何校正方法中，通常认为精度最高的是共线方程模型。针对共线方程模型定向参数解算过程中误差方程的病态问题，提出了利用基于控制点的神经网络方法进行高分辨率遥感影像几何校正方法，并从理论上进行了可行性分析。实验证明，在具有一定数量控制点

2、作为训练样本的条件下，应用BP和RBF神经网络进行遥感影像几何校正，可以达到比共线方程模型更高的精度；神经网络模型能够自动抑制含较大误差控制点对模型纠正精度的影响，在实际应用中可以提高几何校正效率。关键词：神经网络；几何校正；共线方程模型中图分类号：TP75文献标识码：A文章编号：1001—070X(2008)O1—0019一o40引言1可行性分析遥感影像的几何校正是实际生产中的关键步目前，神经网络理论在遥感影像信息提取等方骤。目前几何校正的主要方法大都是建立在传感器面应用广泛，但在遥感影像几何校正领域尚未看到成像模型基础上的严格物理模型或者通用经验模相关文献。神经网络可以应用于遥感影像几

3、何校正型，例如共线方程模型⋯和有理函数模型[2等。校主要有以下2方面的理论支持：正模型的原理是通过数学方程建立成像时的物方空首先，复原遥感影像成像过程时的几何空间关间和像方空间的坐标对应关系J，进而利用这种系是一个非常复杂的数学问题，这是因为遥感影像对应关系来对影像进行几何校正。在高分辨率遥感成像过程中会有多种因素影响到成像位置，比如透卫星的成像模型中，如果用共线方程描述这种成像视投影、摄影轴倾斜、传感器飞行速度、卫星的高度几何关系，由于传感器的长焦距和窄视场角等因素，和姿态、大气折光、地球曲率及地形起伏等等，把众将导致定向参数之间存在很强的相关性]，致使解多的影响因素完全表达在数学方程内

4、来建立像方到算时误差方程病态(复共线性)，从而影响到了纠物方的严格对应关系非常困难，尽管通过考虑误差正的精度和稳定性。虽然存在多种解决这种问题的改正可以达到一定的精度，但是很多情况下效果并方法，如增加虚拟误差方程、合并相关项、岭估计方不理想，尤其在高分辨率遥感影像中，由于其传感器法、阻尼最小二乘法以及中心标准化方法等等，但是的长焦距和窄瞬时视场角以及姿态定位参数的复杂结果并不是非常理想。在不同的文献研究中，由性，容易造成定向参数之间的强相关性J。神经网于实验数据等原因，同一种方法会出现不同的研究络技术具有可以以任意精度逼近非线性、不确定复结果。例如，郑肇葆实验结果显示阻尼最小二乘杂问题的优

5、势，因而从理论上而言，用神经网络校正法不能很好地解决复共线性，而张鹏强利用同样遥感影像可以获得很高的精度。的方法却获得了较好的实验结果。目前，应用较多其次，利用通用经验模型校正影像时对控制点的是Kratky’m提出的有理多项式拟合法(它是一的要求比较严格，而且，如果控制点中存在误差较大种近似方法)。要想得到较好的结果，该方法需要的点，将造成回归方程的病态，校正影像出现“飞应用较高次数的多项式，因而需要的控制点较多，既点”现象，严重影响到最终的校正精度和稳定性。使这样，有时也得不到合理的解。针对此问题，本文神经网络技术具有很强的容错性，对于那些误差较利用BP和RBF2种神经网络模型来解决像方

6、和物大的点可以通过自适应性与自组织性来消除其对网方的这种非线性复杂对应关系，并通过试验来验证络训练结果的影响，以达到减少误差影响的目的。该方法的可行性。收稿日期：2007—05—10；修订日期：2OO7—09—03基金项目：国家自然科学基金(40671127)、“111”计划(ao6oo4)及长江学者和创新团队发展计划共同资助。维普资讯http://www.cqvip.com·20·国土资源遥感2008年少到零。2原理及网络结构设计2．3神经网络用于遥感影像几何校正影像几何校正是建立起像素的图像坐标(以行本文采用BP和RBF神经网络分别进行实验，列为坐标值)与给定投影和基准后地图坐标之间的

7、主要基于以下考虑：BP网络是一种利用非线性可对应关系¨。在神经网络模型结构中，这种对应关微分函数进行权值训练的多层前向网络，其典型特系的实现是依靠调节各层的权值使网络学会训练样点是结构简单，可塑性强，特别是其数学意义和学习本所表达的规律，即对应关系。网络结构的输入层对算法步骤明确，易于在遥感影像几何校正实践中实应给定投影和基准后的控制点坐标，网络结构的输出现。而RBF神经网络，理论上已经证明，对于传感层对应影像上的控制点