cosi-corr操作详细步骤

实验数据：http://pan.baidu.com/s/1i3xIsXf（spot data）

两幅图像包围整个地震事件，在相关之前，必须清除图像中的几何伪影（如地形），并精确地配准。

1. 定义两幅图像的Ancillary data (satellite)

 此功能(“Satellite Imagery → Ancillary File → ”)将卫星图像的辅助数据重新排列为通用文件格式，随后将在COSI-Corr中使用。此辅助文件包含获取图像时卫星的位置、姿态和观察方向，以及其他信息，如行数和列数、标称地面分辨率。

•  ASTER Imagery: 输入ASTER. hdf文件。虽然可以选择任何波段( VNIR、SWIR、TIR )，但建议使用VNIR 3N波段(最低点观察)进行表面变形检测。
• Formosat-2 Imagery:需要METADATA.dim文件。
• SPOT/SPOT5 Imagery:需要Leader文件 (lead.dat)和Dimap文件(.dim )。“Panchromatic with CCD correction”用于SPOT1-4中电荷耦合器件阵列的轻微失调。该校正是根据经验为每颗卫星建立的，目前仅适用于SPOT 2 HRV 1和SPOT 4 HRV 1仪器。
• SPOT6-7 Imagery: 需要DIM_xxxx.XML文件。注意，只接受完整场景(不接受子集)。
• Pleiades Imagery: 需要DIM_xxxx.XML文件。注意，只接受完整场景(不接受子集)。
• Quickbird Imagery: 需要.eph, .att, .geo, 和 .imd (或the .xml)文件，并且必须位于同一个文件夹中(在““auxiliary file”中只需要输入这4个文件中的一个，其他文件将被自动检索)。注意，只接受完整场景(不接受子集)。
• Worldview Imagery: 需要.eph, .att, .geo, 和 .imd (或the .xml)文件，并且必须位于同一个文件夹中(在““auxiliary file”中只需要输入这4个文件中的一个，其他文件将被自动检索)。注意，只接受完整场景(不接受子集)。

  输入文件：       SPOT Leader/ Dimap File:lead_01.dat

  输出文件:        Ancillary Data File :lead_4_1998

  同理对另一幅图像如此操作，得到一个lead2_2000.anc文件。

2.生成shaded DEM文件，用于校正形变前影像。

点击Topographic菜单中的Topographic modeling

       输入文件：       选择SRTM文件DEM_UTM_SRTM_HectorMine_interp_sinc_10m

       输出文件：       Output：shaded DEM

       注意：输入相应的太阳高度角和方位角（VOL_LIST.PDF文件中有63.9,137.4也可输入影像中心坐标计算），输出文件的名字为shaded DEM，点击OK，可得到shaded DEM文件。

3.校正形变前影像

1)   打开shaded DEM和SPOT4影像（image_01）。

点击Tie Points/GCP → Select Tie Points: Image to Image. 以shaded DEM为基准影像，image_01为辅助影像进行选取同名点。

最后File → Save GCPs保存文件为：ICP_shadedDEM_SPOT4.pts

1. GCPs至少选择3个点。如果是与阴影数字高程模型共同配准，则应选择更多的点(15-30个)，来平均由于图像内容的差异而可能产生的相关误差。
2. GCPs尽可能均匀分布，尽量远离形变位移区域。也不要选择太靠近图像边界的点。没有必要精确选择同名点，因为会在优化中得到校正。
3. 选择frequency，初始GCPS上允许的最大放置误差为相关窗口大小的一半。使用statistical，必须定义搜索范围。
4. *.pts文件以像素为单位，包括x (master) y (master) x (slave) y (slave)。

2)    点击Tie Points/GCP → Tie points to GCPS，生成GCP_shadedDEM_SPOT4.pts文件

1．“Tie Points File”:包含两个图像之间同名点的文件。也可以手动编辑。

2．“Reference Image”:选择同名点时的基础(主)图像。图像必须具有地图信息，并且是正射校正图像，可以检索地理坐标。

3．“DEM File”:选择一个具有有效地图信息的数字高程模型，以检索GCPs的高度。如果未输入，高度将设置为0。

4．“Offset field”:如果选中，需要选择一个文件，该文件的第一和第二波段分别包含该区域在East/West和North/South方向的位移图(通常是相关图)。在GCP位置找到的位移被检索并添加到GCPS文件中。该位移信息将用于GCPS优化。例如，基于SPOT的位移图可用于计算GCP位置的地面位移，同时共同配准航空图像(Ayoub et al.，2009 )。

5。“GCPS文件”:选择要创建的GCPS文件的名称。

创建的GCPS文件包括: longitude (decimal degree) latitude (decimal degree) altitude (meter) X (pixel) Y (pixel) SNR (0 to 1) OPTI (0 or 1) DX (meter) DY (meter) DZ (meter)

信噪比SNR默认设置为1，如果需要，可以手动更改，并在正交校正和GCPS优化期间使用。它代表GCP的权重。OPTI、DX、DY、DZ仅用于GCPS优化。

3)        点击GCPs optimization，相对于参考正射校正图像优化原始图像GCPs，以实现良好的配准。

 在GCP的位置，正射校正图像通常会与参考图像出现配准错误。为了获得更好的匹配结果，GCPS使用以下计算流程进行优化：

1．利用GCPS计算原始（raw）图像视角(卫星)。

2．原始（raw）图像被正交校正并与参考图像相关联。

3．在每个GCP位置，GCP地面坐标通过图像之间的地面偏移进行校正。

4．用校正后的GCPS组重复该过程，直到地面偏移校正收敛。

        输入文件：       raw image：imag_01.dat

                                reference image：shaded DEM

                               DEM file：DEM_UTM_SRTM_HectorMine_interp_sinc_10m

        输出文件：       Optimized GCPS：GCP_optimization_shadedDEM_SPOT4.txt

        1.GCPs文件包括：longitude (decimal degree) latitude (decimal degree) altitude (meter) X (pixel) Y (pixel) SNR (0 to 1)OPTI (0 or 1) DX (meter) DY (meter) DZ (meter) ，并且包含至少3个从Tie points to GCPS获得的 GCPS

– SNR，代表GCP的权重(介于0和1之间)。

– OPTI，指示GCP是否要优化( 1 )或( 0 )。

– DX, DY, DZ，分别指GCP位置处东向、北向和高程的位移。

        2.“Nb Iterations”: 优化GCPS将执行的循环数。通常设置为5，就足以达到稳定的收敛。如果优化的GCPS文件报告显示没有达到收敛，则该过程应该继续。将未达到收敛的输出文件作为GCP输入文件，再次优化。

3.“Resampling kernel”:选择用于对原始图像块进行重采样的内核。

4.“Correlator engine”: 选择用于相关的图像块和检索位移纠正的方法。通常使用128或256像素的窗口大小。这便于长波长良好的共同配准。当参考图像是阴影数字高程模型时，建议使用statistical，而当参考图像是正射校正图像时，建议使用fequential。

5.“Weight GCP with correlation SNR”: 如果选中，GCPS将与前一个循环的相关信噪比进行加权。如果不选，GCPS将根据初始化时的信噪比不断加权。

6.除了优化的GCPS之外，输出文件还将包含所用文件和参数的记录，以及关于优化的信息。在每次迭代中，记录每个北/南和东/西分量中的误配准的平均值和标准偏差。这便于检查过程的收敛性和生成的GCPS的质量。以实现残余配准误差尽可能小。

7.如果GCPS使用同名点文件进行了优化，则优化后的GCPS的x和y像素坐标与初始坐标相比为负1。COSI-Corr使用的是始于( 0，0 )的像素坐标系统，与始于( 1，1 )的ENVI不同。

8.当优化从航空图像和阴影数字高程模型之间的同名点生成的GCPS时，如果分辨率差异较大(例如: 1米图像对30米SRTM )，或者如果地形特征太小而无法进行良好的优化，建议首先用阴影数字高程模型对卫星图像进行地理定位，并使用后续的正射校正卫星图像作为参考。

4)   点击Orthorectification/Resampling,形变前原始影像和未来正射校正图像之间的像素映射，以及根据映射对图像进行重采样。 

输入文件：      

ancillary file：spot4_1998.anc

GCPs file：GCP_optimization_shadedDEM_SPOT4.txt（如果未选择，正射校正将仅使用辅助数据文件来正射校正图像。因此，精度将取决于卫星辅助数据的精度）

DEM：DEM_UTM_SRTM_HectorMine_interp_sinc_10m（该文件必须具有有效的地图信息，并且可以在任何投影中。如果没有输入，正射校正将在海拔0 (椭球WGS 84以上)的平坦地形下进行。）

 map Grid  : 定义正射校正图像的投影和地面网格。如果使用DEM，投影的基准必须与DEM的基准相同。有3个选项可用:

“From Raw image”:根据原始图像大小定义。如果在图像选择过程中定义了空间子集，则应保持不变。

“From Georeferenced image”:选择现有的地理参考图像定义。当对需要相关联的一对图像的第二个图像进行正射校正时，此选项非常有用，保证了地面覆盖区和分辨率是相同的。

“Manual Edit”:手动选择/修改网格。

注意:在“Grid Parameters”窗口中，“Adjust grid to be multiple of resolution”按钮会强制栅格为所选地面分辨率的倍数。这个动作保证了相同分辨率的所有正射校正图像可以精确地对齐(像素方向)。

• 本实验选择from raw image

设置精度后，点击蓝色按钮，点击OK

 “Save warping matrice”: 如果需要，可以保存原始图像和正射校正图像之间的映射。

Resampling Kernel:有3个选项可用。Bilinear, Bicubic和Sinc。Bilinear, Bicubic不接受任何参数，比Sinc稍快。Sinc是比其他两个更精确。建议使用Sinc来提高重采样质量和最终相关性。默认内核大小为15像素，可以通过“Option”按钮进行调整。内核大小代表计算的sinc波瓣数。内核窗口越大，重采样越好，但计算时间越长。对于大于15像素的内核大小，重采样质量的改善可以忽略不计。

Output：选择要创建的正射校正文件的文件名。resampled_spot4_image

4.校正形变后影像

1)        打开resampled_spot4_image和image_02，以1影像的正射影像为基准纠正2影像，选取同名点。

2)        点击Tie Points to GCPs，将ICP转化为GCP。

       输入文件：     Tied Points File：ICP_SPOT4_SPOT2.pts

       Reference image：resampled_spot4_image

       DEM File：DEM_UTM_SRTM_HectorMine_interp_sinc_10m

       输出文件：     GCPS File：GCP_SPOT4_SPOT2.pts

3)        点击GCPS Optimization，优化控制点

        输入文件：    Raw image：imag_02.dat

       Reference image：resampled_spot4_image

       DEM File：DEM_UTM_SRTM_HectorMine_interp_sinc_10m

       Ancillary Data File：spot2_2000.anc

       GCPS/Tied Points/ICP File：GCP_SPOT4_SPOT2.pts

       输出文件：      Optimized GCPS：GCP_optimization_SPOT4_SPOT2.txt

4)   点击Orthorectification/Resampling,正射校正2影像。

       输入文件：      Ancillary Data File：spot2_2000.anc

       GCPS File：GCP_optimization_SPOT4_SPOT2.pts

       DEM：DEM_UTM_SRTM_HectorMine_interp_sinc_10m

       From the raw：imag_02.dat

•        输入数据：    Pre-Event image：resampled_spot4_image

                       Post-Event image：resampled_spot2_image

         输出文件：    Correlation File：Correlation_Image

  ---

   Frequency Correlator: frequency是基于傅立叶的，比statistical更精确。当关联光学图像时，应该优先选择。然而，这种相关器对噪声更敏感，因此适用于高质量的光学图像。

   Statistical Correlator：Statistical最大化相关系数的绝对值，比frequency更粗糙但更稳健。建议使用它来关联噪声光学图像，或者用于关联不同内容的图像，例如光学图像与阴影数字高程模型。

  ---

   

    

  • 最后得到结果：东西向形变；南北向形变，信噪比。

   

   

  参考：