遥感图像处理

第四章遥感图像处理——几何校正任课教师：薛辉2013年11月7日 几何变形 基于多项式模型的几何校正多项式校正模型地面控制点（GDP）的选取重采样方法 基于共线方程的几何校正 基于有理函数的几何校正内容大纲几何变形 传感器成像方式引起的图像变形 传感器外方位元素变化的影响 地形起伏引起的像点位移 地球曲率引起的图像变形 大气折射引起的图像变形 地球自转的影响遥感图像的几何变形传感器成像方式引起的图像变形 扫描的瞬时视场由扫描中心向两侧增大 根据遥感平台的位置、遥感器的扫描范围、使用的投影类型，可以推算其图像不同位置像元的几何位移传感器外方位元素变化的影响单个外方位元素引起的图像变形地球曲率、大气折光和地形起伏引起的误差大气层不是一个均匀的介质，使得电磁波的传播路径不是一条直线而变成了曲线，从而引起像点的位移，这种像点位移就是大气层折射的影响 当卫星由北向南运行的同时，地球 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 面也在由西向东自转 由于卫星图像每条扫描线的成像时间不同，因而造成扫描线在地面上的投影依次向西平移，最终使得图像发生扭曲地球自传引起的变形 遥感图像通常包含严重的几何变形，一般分为系统性和非系统性两大类系统性几何变形是有规律和可以预测的，比如扫描畸变、地球曲率引起的图像变形、地球自转的影响等非系统性几何变形是不规律的，它可以是遥感器平台的高度、经纬度、速度和姿态等的不稳定、地形起伏的影响等等，一般很难预测遥感图像的几何变形 目的改正系统及非系统性因素引起的图像变形准确的空间位置 遥感图像的几何处理包含两个层次粗加工处理精加工处理遥感图像的几何处理首先由接收部门进行校正，称为粗纠正或粗加工。只是作系统误差的改正，主要是根据不同平台、地球自转、曲率、传感器的 参数 转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应 进行处理。有些校正：比如对地球曲率、地球自转、大气折射，一般买到图像后不会对这些变形进行处理；由地面站在接收图像后，进行系统误差的校正。粗校正的改正程度是有限的。它对内部畸变的改正很有效，但是还是存在很大的残差（包括系统误差和偶然误差）。我们在购买遥感图像产品的时候，产品是分级的。有些是没有作纠正、粗纠正、作了控制点作了纠正、正射纠正。我们一般不会购买正射纠正产品，因为我们自己可以通过处理，得到正射影像图。 地面站接收图像后，根据不同平台、传感器的参数，对地球曲率、地球自转、大气折射造成的变形进行处理 粗加工处理主要是由地面站完成，不是用户完成 粗加工处理对传感器内部畸变的改正很有效 粗加工处理后仍有较大的残差遥感图像的粗加工处理 为什么要进行遥感图像的精校正处理？ 由于遥感器的位置及姿态的测量精度不高，其加工处理后仍有较大的残差（几何变形） 一个地物在不同的图像上，位置要一致，才可以进行融合处理、图像的镶嵌、动态变化监测 如果同一地区的不同时间的影像，不能把它们归纳到同一个坐标系中去，图像中还存在变形，这样的图像是不能进行融合、镶嵌和比较的，是没有用的遥感图像的精加工处理经过几何精纠正的图像才是可以使用的消除图像中的几何变形，产生一幅符合某种地图投影后的地图表达要求的图像。对有几何变形的图像进行改正，归纳到某一个地图投影系统中，符合某一个地图投影要求的新图像。经过几何处理的图像，称为具有地理编码的图像 在粗加工处理的基础上，采用地面控制点（GCP）的方法进一步提高影像的几何精度 几何处理的两个环节像素坐标的变换——解决位置问题多项式模型灰度重采样——解决亮度问题最邻近像元采样法双线性内插法双三次卷积重采样法遥感图像的精加工处理从图像的行列号，变换到地面坐标遥感数字图像的几何处理过程 纠正的函数可有多种选择：多项式方法、共线方程方法、随机场内插方法等等。其中多项式方法的应用最为普遍 确定多项式的次数 选控制点 精度评定，点选好之后检查参加评差。如果不满足要求，回到选控制点；控制点满足要求则回到选模型 求边界范围 灰度的重采样 精度评定 回避成像的空间几何过程，直接对图像变形的本身进行数学模拟 把遥感图像的总体变形看作是平移、缩放、旋转、偏扭、弯曲以及更高次的基本变形的综合作用结果 把原始图像变形看成是某种曲面，输出图像作为 规则 编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf 平面。从理论上讲，任何曲面都能以适当高次的多项式来拟合。用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系基于多项式几何校正的基本思想确定纠正的多项式模型选择若干个控制点，利用有限个地面控制点的已知坐标，解求多项式的系数将各像元的坐标代入多项式进行计算，便可求得纠正后的坐标位置进行变换，变换的同时进行灰度重采样对结果进行精度评定遥感图像多项式纠正的步骤对结果进行精度评定。非常重要如果精度不符合要求，就要考虑控制点是否是同名点、数量是否满足要求等等。如果是控制点不符合要求，重新选择控制点或者增加控制点如果选择的点都很准确，但结果不理想，还要考虑选择的多项式模型的拟合是否符合要求，比如一次项不符合要求，更换纠正模型，需要二次项，甚至三次项等。 一般多项式纠正变换公式 x,y为某像素原始图像坐标 X,Y为同名像素的地面（或地图）坐标第1步：确定纠正模型建立两图像像元点之间的对应关系像点坐标，左边的(x,y)表示的是像点坐标，比如行列号；右边(u,v)为(x,y)对应的地面坐标，这两者之间的关系通过一个多项式对应起来。 控制点的选取要求影像上的明显地物点影像中均匀分布要满足一定的数量要求 地面控制点的获取途径GPS地形图、矢量图、地图纠正过的影像（航片、卫片）等等第2步：选择控制点影像上为明显的地物点。哪些地物点可以作为明显的地物点？房角，不过在遥感中要注意，在分辨率不高的图像上房角是看不清的，甚至连房子都看不到，比如30m分辨率的影像所以对于遥感图像来说，明显的地物点可以选道路的交叉口，或者道路、山顶等。对于控制点的选择，除了数量的要求，还有分布的要求数量要足够分布要均匀。不能都选在某一个角。或者好选的地方选一大堆，不好选的地方不管它 地面控制点叫DCP，如何获取？假如说，对于一幅图像我们选择了9个点，假设一个比较理想的情况。那么地面控制点的坐标怎么获取？有多少种途径可以像点对应的地面点坐标？GPS。理论上是可以的，但是对于地形复杂的地区，人进不去的地区，就存在困难从什么图上比较容易得到坐标？——地形图。但是要注意地形图选点时精度的要求，不同的图像对地形图的比例尺要求不一样。一个总的要求是，如果图像成图的比例尺是1：5万的话，地形图的比例尺要大于1：5万；如果在1：10万的地形图上确定地面控制点坐标，则精度是不能满足要求的。很多纠正还是用地形图，但是我们国家的地形图往往不够新，地面点已经发生了变化能够提供地面坐标信息的，除了GPS和地形图还有什么？矢量图地图纠正过的航片、卫片…所以，获取地面控制点DCP的途径是很丰富的。 控制点应选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、湖泊边缘、飞机场、城廓边缘等 地面控制点上的地物不随时间而变化，以保证当两幅不同时段的图像或地图几何纠正时，可以同时识别出来 特征变化大的地区应多选一些 图像边缘部分一定要选取控制点，以避免外推 尽可能满幅均匀选取第2步：选择控制点 多项式的系数利用地面控制点建立的方程组来解算 一般来说GCP的数量至少要大于(n+1)(n+2)/2，n是多项式的阶数一次多项式3个以上点二次多项式6个以上点三次多项式10个以上点第2步：选择控制点一般多项式纠正变换公式现在的问题就是如何求解这些参数只有在参数确定后，像点与地面点之间的关系才是对应的。一般采用最小二乘的方法根据控制点坐标进行最小二乘平差。对于二次项，最少要几个控制点？二次项12个参数。一个控制点可以提供两个方程，最少需要6个。但要注意6个控制点12个方程解求的参数，可以解求出来。但是有什么问题呢？不能检查它的精度。所以二次项最少6+1=7个控制点。同样道理，一次项有6个参数。最少3+1个控制点三次项有20个参数。11个控制点。这里注意，曾经有同学求解一次项，选择了3个控制点，根据他的报告其结果是没有误差。这是不对的。几何校正实验图像几何校正实验图像 确定校正后图像的行列数值，并找到新图像中每一像元的亮度值像素坐标的变换，即将图像坐标转变为地图或地面坐标直接法间接法对坐标变换后的像素亮度值进行重采样最近邻法双线性内插法三次卷积内插法第3步：位置变换与灰度重采样 确定合理的边界计算边界计算行列数 有了边界之后，就可以得到图像上任何一个点的坐标，由图像行列号得到地面点坐标的公式确定边界不合理的边界合理的边界原始图像纠正后图像的边界范围，指的是在计算机存贮器中为输出图像所开出的贮存空间大小，以及该空间边界（首行，首列，末行和末列）的地图（或地面）坐标定义值。为什么，这是合理边界，这是不合理边界？如果纠正后按照中间的方式存放在计算机中，那就有图像信息的损失。ABCD范围外的图像就被丢掉了。右边是合理，意味着包含全部的图像信息，同时占用的空间要最小。纠正后图像边界范围的确定过程如下：把原始图像的四个角点a，b，c，d按纠正变换函数投影到地图坐标系统中去，得到8个坐标值：（Xa′,Ｙa′），（Xb′,Ｙb′），（Xc′,Ｙc′），（Xd′,Ｙd′）对这8个坐标值按X和Y两个坐标组分别求其最小值（X1，Y1）和最大值（X2，Y2）X1=min（Xa′,Xb′,Xc′,Xd′）X2=max（Xa′,Xb′,Xc′,Xd′）　　　　　　　　　　　　　　　　Y1=min（Ya′,Yb′,Yc′,Yd′）Y2=max（Ya′,Yb′,Yc′,Yd′）并令X1，Y1，X2，Y2为纠正后图像范围四条边界的地图坐标值。 根据精度要求定义输出像素的地面尺寸△X和△Y 图像总的行列数M和N由下式确定：M=(Y2-Y1)/ΔY+1N=(X2-X1)/ΔX+1Δx、Δy表示输出图像的采样间隔 采样间隔和图像的分辨率对应 采样前的原始图像，分辨率常用每个像元覆盖的空间范围来描述 对于采样后的图像，可以用采样间隔来描述计算行列数以TM图像为例，采样前一个像元覆盖30m*30m的范围；采样后就有可能变成了34、35m，也有可能变成25m。采样的间隔是可以根据需要调整的。 从原始图像阵列出发，按行列的顺序依次对每个原始像素点位求其在地面坐标系（也是输出图像坐标系）中的正确位置X=Fx(x,y)Y=FY(x,y)直接法校正 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 左边是纠正前影像，右边是校正后影像。但是它的灰度值我们还不知道。直接法：当把图像的像点位置xy换算成地面坐标时，同时将xy的灰度值搬到新位置上。优点：不足：原始图像是规则的，纠正后可能就不是规则的，还需要重排 从空白的输出图像阵列出发，亦按行列的顺序依次对每个输出像素点位反求原始图像坐标中的位置x=Gx(X,Y)y=Gy(X,Y)间接法校正方案间接法：先用…需要解决的问题，由地面坐标反算的图像坐标有可能不是整数，没有灰度值。这就需要利用周围的灰度值计算这一点的灰度值，也就是所谓的重采样。 用与像元点最近的像元灰度值作为该像元的值优点：简单易用，计算量小缺点：最大可产生半个像元的位置偏移，处理后的图像的亮度具有不连续性，从而影响精确度灰度重采样——最近邻法优点：简单，灰度没有变化缺点：在位置上会产生变化该法实质是取距离被采样点最近的已知像素元素的（N）亮度IN作为采样亮度最邻近采样法最简单，辐射保真度较好,但它将造成像点在一个像素范围内的位移，其几何精度较其他两种方法差。 用像元点最近的四个像元值作内插优点：精度明显提高，对亮度不连续现象或线状特征的块状现象有明显改善缺点：计算量增加，同时对图像起到平滑作用，从而使对比明显的分界线变模糊。灰度重采样——双线性内插法当实施双线性内插时，需要有被采样点P周围4个已知像素的亮度值参加计算该法的计算较为简单，并具有一定的亮度采样精度，所以它是实践中常用的方法，但图像略变模糊。 基于计算点周围相邻的16个点进行内插优点：校正后图像质量更好，细节表现更清楚缺点：计算量大灰度重采样——三次卷积内插法 思考：采样结束后，得到一幅校正后的图像，几何校正是否完成？没有！还需要对整个图像的纠正结果进行精度评定  精度评定的方法量化的方法。在纠正后图像上选点，选很多点和参考图的对应点比较。它们的差值如果不超限，说明结果可以接受；如果差值超限，则纠正的结果就是有问题的。考虑下选点的 原则 组织架构调整原则组织架构设计原则组织架构设置原则财政预算编制原则问卷调查设计原则 ，在控制点附近，拟合效果应该是比较好的，所以应该在远离控制点的地方选点定性的方法。比如将纠正后图像与参考图像叠加起来显示，看看地物是否重叠精度评定刚才有过一次精度评定，但那只是针对控制点。完成的标志：符合精度要求 优点模型简单不需要外方位元素（不考虑成像过程）计算效率也比较高 不足没有考虑地形起伏引起的变形，不能校正投影差引起的变形 适用于平坦地区，或者范围比较小的地区多项式校正的特点主要还是地形要平坦，起伏大的地区则效果不理想。 共线方程校正法是建立在图像坐标与地面坐标严格数学变换基础上的（即成像瞬间像点、地面点以及传感器投影中心3点共线）基于共线方程的几何校正构像方程共线方程图像的地物点(x,y)对应地面点(X,Y,Z)为遥感影像赋予几何位置的信息 为了建立像点和对应地面点之间的数学关系，需要在像方和物方空间建立坐标系 主要的坐标系传感器坐标系S-UVW地面坐标系O-XYZ图像（像点）坐标系o-xyz 遥感传感器的构像方程SUVWxyOPfXYOZ地面坐标系O－XYZ像平面坐标系o－xy传感器坐标系S－UVWp像空间平面坐标系s－xyzxyz地物点P、对应像点p和投影中心S位于同一条直线上在地面坐标系与传感器坐标系之间建立的转换关系遥感传感器的通用构像方程遥感传感器类型遥感传感器的几何投影方式中心投影类型：分幅式摄影机、面阵列CCD传感器多中心投影类型推扫式（逐线）：固体自扫描成像、狭缝式摄影机掸扫式（逐点）：光/机扫描成像、镜头转动式摄影机斜距投影成像仪：侧视雷达等中心投影构像方程多中心投影构像方程推扫式传感器的构像方程扫描式传感器的构像方程侧视雷达图像的构像方程严密的共线方程不同类型成像传感器，其成像原理和投影方式也不同 中心投影像片坐标与地面点大地坐标的关系： 式中，λP为成像比例尺分母，f为摄影机主距，A为传感器坐标系相对地面坐标系的旋转矩阵 传感器投影中心和地物点之间关系的共线方程中心投影的构像方程 大部分遥感图像是通过扫描器对地面点或线进行连续扫描、同时平台向前移动的方式获得的，图像具有动态特征，成像几何关系比中心投影更为复杂多中心投影 推扫式传感器是行扫描动态传感器。在垂直成像的情况下，每一条线的成像属于中心投影，在一幅图像内，每条扫描线的投影中心大地坐标和姿态角是随时间变化的。在垂直成像的情况下，t时刻每条扫描线的共线方程为：推扫式传感器的构像方程 红外扫描仪（IRS）和多光谱扫描仪（MSS）都属于扫描式传感器。扫描式传感器获得的图像属于多中心投影，每个像元都有自己的投影中心。t时刻每个扫描点的共线方程为： θ为成像瞬间扫描镜的扫描角扫描式传感器的构像方程 共线方程校正法是建立在图像坐标与地面坐标严格数学变换关系的基础上的，即成像瞬间像点、地面点以及传感器投影中心3点共线，是对成像空间几何形态的直接描述 该方法需要有地面高程信息（DEM），可以改正因地形起伏而引起的投影差。同多项式校正法相比，这种方法理论上严密，同时考虑了地物点高程的影响，因此在地形起伏较大，且多项式校正的精度不能满足要求时，要用共线方程进行校正基于共线方程的几何校正 这种方法计算量比多项式校正法要大，同时在动态扫描成像时，由于传感器的位置和姿态角在不断发生变化，其外方位元素是随时间变化的，变化规律只能近似地表达。这时该方法理论上的严密性难以得到保证，因此动态扫描图像的共线方程校正法相对于多项式校正法精度提高并不明显基于共线方程的几何校正 一些高分辨商业遥感卫星如IKONOS、QuickBird等的传感器信息不公开，只向用户提供有理函数模型系数 共线方程法理论上是严密的，需要知道传感器物理构造以及成像方式、轨道信息等。但是面对卫星信息的保密性，需要有与具体传感器无关的、形式简单的传感器模型来取代共线方程模型基于有理函数的几何校正 有理函数模型（RationalFunctionModel,RFM）是一种能够获得与严格成像模型近似一致精度的、形式简单的概括模型 有理函数模型是多项式模型的比值形式 有理函数模型具有独立于具体传感器、形式简单等特点，能满足传感器参数透明化、成像几何模型通用化和处理高速智能化的要求基于有理函数的几何校正数字图像几何校正通过计算机对离散结构的数字图像中的每一个像元逐个进行校正处理的方法几何精校正利用地面控制点也就是在遥感图像的像元与地面实际位置之间建立数学关系，将畸变图像空间中的全部像元转换到校正图像空间去一般包括两个环节：①图像像元空间位置的变换②像元灰度值的重采样要点回顾 影响几何校正精度的主要因素模型选择是否合适地面控制点重采样方法图像质量本身人为因素主观因素 几何校正的发展趋势自动化、智能化提高几何处理精度（选点是关键）几何校正中存在的问题大气层不是一个均匀的介质，使得电磁波的传播路径不是一条直线而变成了曲线，从而引起像点的位移，这种像点位移就是大气层折射的影响首先由接收部门进行校正，称为粗纠正或粗加工。只是作系统误差的改正，主要是根据不同平台、地球自转、曲率、传感器的参数进行处理。有些校正：比如对地球曲率、地球自转、大气折射，一般买到图像后不会对这些变形进行处理；由地面站在接收图像后，进行系统误差的校正。粗校正的改正程度是有限的。它对内部畸变的改正很有效，但是还是存在很大的残差（包括系统误差和偶然误差）。我们在购买遥感图像产品的时候，产品是分级的。有些是没有作纠正、粗纠正、作了控制点作了纠正、正射纠正。我们一般不会购买正射纠正产品，因为我们自己可以通过处理，得到正射影像图。经过几何精纠正的图像才是可以使用的消除图像中的几何变形，产生一幅符合某种地图投影后的地图表达要求的图像。对有几何变形的图像进行改正，归纳到某一个地图投影系统中，符合某一个地图投影要求的新图像。经过几何处理的图像，称为具有地理编码的图像从图像的行列号，变换到地面坐标 确定多项式的次数 选控制点 精度评定，点选好之后检查参加评差。如果不满足要求，回到选控制点；控制点满足要求则回到选模型 求边界范围 灰度的重采样 精度评定对结果进行精度评定。非常重要如果精度不符合要求，就要考虑控制点是否是同名点、数量是否满足要求等等。如果是控制点不符合要求，重新选择控制点或者增加控制点如果选择的点都很准确，但结果不理想，还要考虑选择的多项式模型的拟合是否符合要求，比如一次项不符合要求，更换纠正模型，需要二次项，甚至三次项等。像点坐标，左边的(x,y)表示的是像点坐标，比如行列号；右边(u,v)为(x,y)对应的地面坐标，这两者之间的关系通过一个多项式对应起来。影像上为明显的地物点。哪些地物点可以作为明显的地物点？房角，不过在遥感中要注意，在分辨率不高的图像上房角是看不清的，甚至连房子都看不到，比如30m分辨率的影像所以对于遥感图像来说，明显的地物点可以选道路的交叉口，或者道路、山顶等。对于控制点的选择，除了数量的要求，还有分布的要求数量要足够分布要均匀。不能都选在某一个角。或者好选的地方选一大堆，不好选的地方不管它 地面控制点叫DCP，如何获取？假如说，对于一幅图像我们选择了9个点，假设一个比较理想的情况。那么地面控制点的坐标怎么获取？有多少种途径可以像点对应的地面点坐标？GPS。理论上是可以的，但是对于地形复杂的地区，人进不去的地区，就存在困难从什么图上比较容易得到坐标？——地形图。但是要注意地形图选点时精度的要求，不同的图像对地形图的比例尺要求不一样。一个总的要求是，如果图像成图的比例尺是1：5万的话，地形图的比例尺要大于1：5万；如果在1：10万的地形图上确定地面控制点坐标，则精度是不能满足要求的。很多纠正还是用地形图，但是我们国家的地形图往往不够新，地面点已经发生了变化能够提供地面坐标信息的，除了GPS和地形图还有什么？矢量图地图纠正过的航片、卫片…所以，获取地面控制点DCP的途径是很丰富的。现在的问题就是如何求解这些参数只有在参数确定后，像点与地面点之间的关系才是对应的。一般采用最小二乘的方法根据控制点坐标进行最小二乘平差。对于二次项，最少要几个控制点？二次项12个参数。一个控制点可以提供两个方程，最少需要6个。但要注意6个控制点12个方程解求的参数，可以解求出来。但是有什么问题呢？不能检查它的精度。所以二次项最少6+1=7个控制点。同样道理，一次项有6个参数。最少3+1个控制点三次项有20个参数。11个控制点。这里注意，曾经有同学求解一次项，选择了3个控制点，根据他的报告其结果是没有误差。这是不对的。纠正后图像的边界范围，指的是在计算机存贮器中为输出图像所开出的贮存空间大小，以及该空间边界（首行，首列，末行和末列）的地图（或地面）坐标定义值。为什么，这是合理边界，这是不合理边界？如果纠正后按照中间的方式存放在计算机中，那就有图像信息的损失。ABCD范围外的图像就被丢掉了。右边是合理，意味着包含全部的图像信息，同时占用的空间要最小。纠正后图像边界范围的确定过程如下：把原始图像的四个角点a，b，c，d按纠正变换函数投影到地图坐标系统中去，得到8个坐标值：（Xa′,Ｙa′），（Xb′,Ｙb′），（Xc′,Ｙc′），（Xd′,Ｙd′）对这8个坐标值按X和Y两个坐标组分别求其最小值（X1，Y1）和最大值（X2，Y2）X1=min（Xa′,Xb′,Xc′,Xd′）X2=max（Xa′,Xb′,Xc′,Xd′）　　　　　　　　　　　　　　　　Y1=min（Ya′,Yb′,Yc′,Yd′）Y2=max（Ya′,Yb′,Yc′,Yd′）并令X1，Y1，X2，Y2为纠正后图像范围四条边界的地图坐标值。以TM图像为例，采样前一个像元覆盖30m*30m的范围；采样后就有可能变成了34、35m，也有可能变成25m。采样的间隔是可以根据需要调整的。左边是纠正前影像，右边是校正后影像。但是它的灰度值我们还不知道。直接法：当把图像的像点位置xy换算成地面坐标时，同时将xy的灰度值搬到新位置上。优点：不足：原始图像是规则的，纠正后可能就不是规则的，还需要重排间接法：先用…需要解决的问题，由地面坐标反算的图像坐标有可能不是整数，没有灰度值。这就需要利用周围的灰度值计算这一点的灰度值，也就是所谓的重采样。优点：简单，灰度没有变化缺点：在位置上会产生变化该法实质是取距离被采样点最近的已知像素元素的（N）亮度IN作为采样亮度最邻近采样法最简单，辐射保真度较好,但它将造成像点在一个像素范围内的位移，其几何精度较其他两种方法差。当实施双线性内插时，需要有被采样点P周围4个已知像素的亮度值参加计算该法的计算较为简单，并具有一定的亮度采样精度，所以它是实践中常用的方法，但图像略变模糊。刚才有过一次精度评定，但那只是针对控制点。完成的标志：符合精度要求主要还是地形要平坦，起伏大的地区则效果不理想。