3. 遥感影像的几何畸变来源

做遥感这行，你迟早得面对一个问题：为什么拍下来的影像，跟实际地面总对不上？

说白了，就是几何畸变在捣鬼。我刚开始接触遥感时，拿到一张卫星图，觉得挺清晰，结果一叠到矢量地图上，道路偏了、房子歪了。嗯，那时候我才意识到——影像的几何校正，是绕不过去的一关。

今天咱们就聊聊，这些畸变到底从哪来的。我把它分成四大类：传感器内部、外部环境、平台姿态，还有地形本身。你想想看，一张影像从拍摄到落地，要经历多少“折腾”？

3.1 传感器内部畸变

传感器本身就不是完美的。我拆过几台老式的框幅式相机，镜头组里那几片玻璃，稍微有点装配误差，拍出来的影像边缘就变形了。

内部畸变主要包括：

• 镜头畸变：说白了就是镜头的光学缺陷。径向畸变让直线变弯，切向畸变让影像扭曲。我记得有一次做无人机影像拼接，飞了100多张照片，拼出来边缘全是弧形——后来发现是镜头没标定。
• 扫描非线性：推扫式传感器（比如Landsat的TM）在扫描过程中，镜面摆动速度不均匀，导致像元间距不一致。嗯，这个在早期卫星影像里特别明显。
• 像元尺寸不均匀：CCD或CMOS的像元，制造时总有点公差。虽然现在工艺好了，但高精度应用时还是得考虑。

3.2 外部环境畸变

外部环境畸变，说白了就是光线穿过大气层时“拐弯”了，或者地球本身不是平的。

3.2.1 大气折射

光从太空射向地面，穿过不同密度的大气层，会发生折射。这导致影像上的地物位置发生偏移。尤其是低角度拍摄时，折射效应更明显。

我曾经处理过一景SPOT影像，山区边缘的地物偏移了将近2个像元。查了半天，最后发现是大气折射没校正。从那以后，我只要做高精度配准，必加大气折射修正。

3.2.2 地球曲率

地球是圆的，但影像是个平面。大范围遥感影像（比如MODIS，幅宽2000多公里），边缘区域因为地球曲率，几何变形非常严重。

你想想看，一个球面上的点，投影到平面上，位置肯定不对。这个误差在影像中心附近很小，越往边缘越大。

3.3 平台姿态变化

卫星也好，飞机也好，无人机也好，飞行过程中不可能纹丝不动。姿态一变化，影像就跟着歪。

平台姿态的三个核心参数：

姿态参数	英文	影响	典型量级
俯仰	Pitch	影像沿飞行方向拉伸或压缩	±3°（卫星）/ ±10°（无人机）
翻滚	Roll	影像左右倾斜，产生侧向位移	±2°（卫星）/ ±8°（无人机）
偏航	Yaw	影像旋转，像元排列错位	±1°（卫星）/ ±5°（无人机）

我记得有一次做无人机航测，飞控的IMU数据丢了，结果影像拼出来像喝醉了酒——东倒西歪。后来只能靠地面控制点硬校正，工作量翻了三倍。所以我现在做项目，第一件事就是检查IMU数据质量。

3.4 地形起伏引起的畸变

这个最直观。山区的影像，山顶和山谷的像元位置，跟平面地图差一大截。这就是投影差。

地形起伏的影响：

• 投影差：高处的物体在影像上向外“倒”，低处的向内“缩”。比如一栋高楼，在卫星影像上看起来是歪的。
• 阴影位移：太阳角度低时，山体阴影覆盖大片区域，导致地物位置误判。
• 像元尺度变化：陡坡上的像元，实际覆盖的地面面积比平地上的大，导致辐射信息失真。

我曾经在云南做过一个项目，山区地形高差超过1000米。直接用原始影像做分类，精度惨不忍睹。后来加了DEM做正射校正，分类精度从65%提到了88%。所以说，地形校正不是可选项，是必选项。

3.5 综合影响与应对思路

实际工作中，这四类畸变是同时存在的。你想想看，一张卫星影像，传感器有内部畸变，光线穿过大气有折射，卫星姿态在微微晃动，地面还有起伏——所有误差叠加在一起，最终影像跟真实位置可能差几十甚至上百个像元。

那怎么办？我的做法是：

1. 先内后外：先做传感器标定，消除内部畸变。
2. 再大气校正：用大气模型（如6S、MODTRAN）修正折射和散射。
3. 然后姿态校正：利用星历数据和IMU信息，恢复平台姿态。
4. 最后地形校正：结合DEM，做正射校正，消除地形引起的投影差。

这一套流程走下来，影像的几何精度基本能控制在1-2个像元以内。当然，如果手头没有高精度控制点，那就只能靠影像匹配做相对校正了。

---