遥感影像有理函数模型参数解算方法研究

《遥感影像有理函数模型参数解算方法研究》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、中国科学院大学UniversityofChineseAcademyofSciences硕士学位论文作者姓名：圃直指导教师：焦簋型副班究虽圭国拦医遥蹙皇灶丝蔓班塞压学位类别：王猩亟±学科专业：电王皇通信工程研究所：生国型堂醚壁生麴主丝韭班窒压二零一三年五月ByZhouQingADissertatiot-SubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMa

2、sterofEngineeringInstituteofRemoteSensingandDigitalEarthChineseAcademyofSciencesMay,2013学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：同膏日期：加』务6月3日学位论文使用授权说明

3、本人完全了解培养单位关于收集、保存、使用学位论文的规定，即：按照培养单位要求提交学位论文的印刷本和电子版；培养单位有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服务：培养单位可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的的前提下，培养单位可以公布论文的部分或全部内容。(保密论文在解密后遵守此规定)作者签名：7司青导师签名：铱》“＼日期：如哆年；月3日致谢衷心的感谢我的导师焦伟利老师，感谢焦老师在工作和学习上给我的无微不至的关怀和帮助，以及对我的论文工作的悉心指导。在论文的选

4、题、开题、中期和答辩等各个环节都离不开焦老师的耐心指点，整篇论文的成果凝聚了焦老师的心血和汗水，在此表示最诚挚的谢意。另外还要感谢课题研究人员龙腾飞师兄给我的帮助和支持。最后，感谢实验室所有老师和同学对我的关心和帮助。周青2013年5月本论文受到以下研究课题资助国家自然科学基金项目——基于不确定性理论的遥感图像几何校正模型优化及定位精度评价方法研究(61271013)全国生态环境十年(2000．2010年)变化遥感调查与评估项目一一武汉城市群生态环境十年变化调查与评估(STSN．12—06)国家科技支

5、撑计划课题——中亚地区环境变化与自然资源遥感监测技术和应用(2012BAH27805)摘要现阶段，遥感影像几何校正主要是通过严格物理模型和有理函数模型来进行。严格物理模型虽然具有较高的精度，但其建立需要依赖星历参数，通用性差，更新维护复杂。有理函数模型是一种新型的传感器模型，其构建方法分为地形相关(通过控制点解算)和地形无关(利用星历参数解算)两种。其中与地形无关方法能获得较高的精度，但是对于星历参数未知的情况不适用。针对最小二乘法在有理函数模型参数求解过程中的病态性问题——模型参数问存在复共线性，本

6、文以与地形相关的有理函数模型为基础，在总结和分析现有的克服有理函数模型病态性的方法的基础上，提出了两类新的克服有理函数模型病态性的参数解算方法。一是基于模型病态性诊断理论，深入分析导致模型病态性产生的原因——复共线性。在此基础上，提出利用条件指标方差分解比法和相关系数法对有理函数模型进行病态性诊断，找出模型间存在复共线性关系的一些参数项，并通过去掉这些项对有理函数模型进行简化，达到模型简化从而抑制模型病态性的目的。通过实验验证了基于病态性诊断的有理函数模型参数简化方法能够克服模型病态性、并提高遥感图像

7、几何纠正精度。二是针对最小二乘法自身的缺点，即其无法克服模型问的相关关系，提出利用偏最小二乘回归法来进行有理函数模型参数解算。相比于传统的最小二乘法，偏最小二乘在自变量间存在强相关的条件下也能建模，它能够克服模型间存在的复共线性，消除共线性对模型参数求解的影响，得到较高精度的拟合模型。本文将偏最小二乘法应用到有理函数模型参数求解中，通过实验证明这种新的有理函数模型参数解算方法能够获得较高的精度。最后，针对环境星的几何变形特点，利用有理函数模型进行环境星几何纠正实验，并对比和分析了三种不同的有理函数模型

8、参数解算方法的几何纠正精度。关键词：有理函数模型；病态性；条件指标方差分解比；偏最小二乘：环境星；几何纠正；ABSTRACTAtpresent，themainmodelsofRemotesensingimagerygeometriccorrectionarerigorousphysicalsensormodelandtheRationalFunctionModel(RFM)．Thoughthephysicalsensormodelcangetreally