CN103413272A

CN103413272A - 低空间分辨率多源遥感图像空间一致性校正方法

Info

Publication number: CN103413272A
Application number: CN2013103074125A
Authority: CN
Inventors: 单小军; 赵涌泉; 唐娉; 郑柯; 张正; 唐亮; 冯峥
Original assignee: Institute of Remote Sensing and Digital Earth of CAS
Current assignee: Institute of Remote Sensing and Digital Earth of CAS
Priority date: 2013-07-22
Filing date: 2013-07-22
Publication date: 2013-11-27
Anticipated expiration: 2033-07-22
Also published as: CN103413272B

Abstract

本发明针对全球变化研究的需要和现有技术的不足，提出了一种低空间分辨率多源遥感图像空间一致性校正方法。处理过程为：(1)对待处理的低分辨率多源遥感图像进行解析，获得图像和对应的经纬度数据；(2)以解析出来的经纬度数据为基础，采用扫描线地理坐标插值法对原始图像进行几何粗定位；(3)以MODIS图像为基准进行图像自动匹配，并使用分块随机采样一致性方法和迭代最小二乘方法剔除误匹配点，最后使用多项式完成几何精校正；(4)以MODIS图像为基准和校正后的图像进行自动匹配，获得若干分布均匀的控制点用来计算精校正后图像的中误差，完成自动几何校正精度评价。

Description

低空间分辨率多源遥感图像空间一致性校正方法

技术领域

本发明涉及图像处理技术，具体地说，是一种低空间分辨率多源遥感图像空间一致性校正方法。

背景技术

遥感技术以其便捷、快速、能提供多尺度全球和区域地表的信息的优势，在全球变化问题研究中发挥着非常重要的作用。其中低空间分辨率(低分辨率)的遥感数据因具有长期持续观测、高时间分辨率、全球覆盖的特点成为全球变化研究中重要的数据源，这里的低空间分辨率数据主要指空间分辨率低于百米的数据。目前国内外几种常用的低空间分辨率多光谱遥感图像的传感器主要包括：

(1)中分辨率成像光谱仪(MODIS)。MODIS是美国国家航空航天局(NASA)发射的TERRA和AQUA两颗卫星上的主要传感器之一，可获取来自大气、海洋、陆地表面的信息，可以实现1～2天覆盖全球一次。扫描角为±55°，扫描带宽约为2340km；共有36个光谱通道(0.4～14.3μm)；其中2个通道的星下点空间分辨率为250m，5个可见光、远红外通道的星下点空间分辨率为500m，其余29个通道的星下点空间分辨率为1km。

(2)改进型甚高分辨率辐射仪(AVHRR)。AVHRR主要搭载于NOAA系列气象卫星上，是至今使用时间最长、应用最广的传感器。扫描角为±55.4°，扫描带宽约为2800km。AVHRR数据包括五个波段，一个可见光波段、近红外波段、中红外波段和两个热红外波段，星下点的分辨率为1.1KM。

(3)可见光红外扫描辐射计(VIRR)和中分辨率光谱成像仪(MERSI)。VIRR和MERSI搭载于风云三号卫星(FY-3)上。FY-3卫星是我国的第二代极轨气象卫星，分两个批次。01批的FY-3A和FY-3B星为试验星，分别于2008年5月27日和2010年11月5日在太原卫星发射中心用“长征四号丙”运载火箭发射成功；02批卫星暂时还未发射。VIRR的扫描角为±55.4°，有10个光谱通道(0.43-12.5μm)，星下点空间分辨率为1.1km。FY-3/MERSI有20个波段，其中5个波段的星下点空间分辨率为250m，15个波段的星下点空间分辨率为1.1km。

(4)可见光红外自旋扫描辐射计(VISSR)。VISSR搭载于风云三号卫星(FY-2)上。FY-2卫星是我国自行研制的自旋稳定的第一代静止气象卫星，分三个批次。01批的FY-2A和FY-2B星为试验星；02批的FY-2C、FY-2D和FY-2E星为业务卫星；03批的FY-2F已于2012年1月13日发射成功。FY2/VISSR共5个波段，其中可见光-近红外通道的星下点空间分辨率为1.25km，另外四个红外通道的星下点空间分辨率为5km。

不同卫星、不同传感器的低空间分辨率遥感图像各自具有不同的观测波段、空间分辨率、时间分辨率、数据累计时段以及覆盖区域等特点。因此，覆盖全球的遥感监测，并非单一平台或传感器能胜任，单一使用某一种低分辨率数据往往并不能满足全球变化研究的需求，这就要求将多源遥感数据进行集成应用。然而，这些低空间分辨率遥感图像的数据获取平台、数据获取方法等不相同，使得不同低分辨率遥感图像的几何定位精度不相同。MODIS的标准数据产品已经在相关科研领域内得到了广泛的应用，几何精度优于一个像元，其它低空间分辨率遥感图像的几何精度在几个到十几个像元，相互之间的空间一致性较差，无法满足集成使用的要求。因此，集成应用首先要解决的是各种低分辨率遥感图像数据的空间一致性的问题。空间一致性是指两幅或者多幅遥感图像在地理空间具有一致性，不同图像上的相同地理位置对应相同的地物。目前，针对低分辨率气象卫星数据，主要采用地标匹配的方法进行几何校正，提高数据的几何精度。地标是指具有显著的地物，大多是湖泊、河流、海岸线、岛屿等，具有清晰的结构特征。该方法通常是人工在基准图像上选取地标点形成地标模板，然后使用灰度模板匹配的方法找到原始图像上对应位置，但是人工选择地标点耗时耗力，无法满足大数量数据快速处理的要求。也有学者采用已有的海岸线数据自动提取地标图像进行地标匹配，实现FY-2卫星遥感数据的自动几何精校正。但目前的研究都仅限于对各种不同低分辨率传感器数据的几何精度单独进行校正和优化，并没有综合考虑不同低分辨率遥感数据相互之间的空间一致性问题。

发明内容本发明现有技术的不足，提出了一种低空间分辨率多源遥感图像空间一致性校正的方法，自动、快速的完成低空间分辨率多源遥感图像的空间一致性校正。

本发明的技术方案如下：

一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于包括以下步骤：

(1)数据解析。解析不同传感器的数据存储格式，将不同数据文件中的图像数据和对应用于几何定位的经纬度数据提取出来；

(2)几何粗定位。以解析出来的经纬度数据和卫星载荷扫描得到的相应原始图像数据为基础，采用扫描线地理坐标插值法对原始图像数据进行几何粗定位，使得图像的每个像素点都有经纬度坐标；

(3)几何精校正。以MODIS图像为基准进行图像自动配准，实现低分辨率遥感图像几何精校正，使NOAA/AVHRR、FY-2/VISSR、FY-3/VIRR和FY-3/MERSI的图像都和MODIS图像具有相同或相近的几何精度，从而使所有低空间分辨遥感图像具有空间一致性；

(4)自动几何精度评价。以MODIS图像为基准和精校正后的图像进行自动匹配，获得若干分布比较均匀的控制点，然后使用这些控制点计算精校正后图像的中误差。部分图像由于云、阴影等覆盖面积过大，导致处理后仍然无法满足空间一致性的要求，可以按照设定的中误差阈值自动剔除低精度的图像。

本发明与现有技术相比具有下列优点：实现了NOAA/AVHRR、FY-3/VIRR、FY-3/MERSI、FY-2/VISSR多源遥感图像数据的解析、初步几何校正、图像自动配准的整体处理流程，实现了低分辨率多源遥感数据的自动空间一致性校正；无需人工干预，可以完成自动的批量处理，速度快、效率高；自动进行精度评价，自动剔除低精度的遥感图像；能为全球变化研究提供具有很好空间一致性的低空间分辨率多源遥感图像。

附图说明

图1低空间分辨多源遥感图像空间一致性校正流程图

图2低分辨遥感图像几何粗定位流畅图

图3低分辨率遥感图像几何精校正流程图

具体实施方式现在结合附图，描述本发明的一种具体实施方式。

图1低空间分辨多源遥感图像空间一致性校正流程图，包括四个步骤：

(1)数据解析。需要处理的低空间分辨率数据是1级数据，没有经过几何处理，图像数据和经纬度数据分别存储。经纬度数据存储了图像上像素点对应的经度和纬度坐标，用来进行几何定位。数据解析是针对不同传感器的数据存储格式，采用不同的方法将不同数据文件中的图像数据和对应的经纬度数据提取出来。

NOAA/VHRR数据以L1B格式存储，L1B格式直接用二进制方式存储。前22016个字节是头信息，接下来是数据区域，分别存储定标系数、地理定位信息、地球观测数据，其中需要解析出的数据是地理定位信息中的经纬度数据和五个波段的地球观测数据。经纬度数据每行只有51个值，从每行的第25个像素点开始，每隔40个点采样一个点，直到2025个像素点为止。数据解析按照AVHRR的存储格式，以二进制方式读取5个波段的数据分别保存成5个TIF格式的文件，图像大小为2048*2048；读取经纬度数据保存TIF格式的经度图像和纬度图像，图像宽度为51，高度为2048，像素值分别为经度值和纬度值。

FY-2/VISSR、FY-3/VIRR和FY-3/MERSI的数据都是以分层数据格式5(Hierarchical Data Format5，HDF5)的格式存储。HDF5是一种新型的分层式数据文件，一个HDF文件中可以包含多种类型的数据，如图像数据，定位信息，信息说明数据等。对于HDF5格式存储的低分辨遥感数据，可以使用HDF Group提供的开源库，该开源库提供数据读写接口，可以读取需要的图像数据和经纬度数据。

FY-2是静止卫星，由于静止卫星定点在地球赤道上空，与地球的相对位置是固定的，故所获得的图像始终都对应地球上同一区域，相应经纬度数据对所有的FY-2/VISSR图像数据也都是相同的。因此，国家气象中心发布的FY-2/VISSR图像数据中并没有存储经纬度数据，而是另外单独发布。该经纬度数据以二进制4字节浮点型方式存储，文件后缀名为“NOM”。将其按照二进制格式读取出来后，存储为TIF格式的经度和纬度图像，像素值为经度值和纬度值，经度图像和经度图像的大小和5km分辨率的图像数据大小一致。FY-2/VISSR的图像数据存储在HDF文件，使用HDF Group开源库读取需要处理的分辨率为1.25km和5km的图像数据。

FY-3是极轨卫星，数据和经纬度数据都存储在HDF5文件中。对于FY-3/VIRR和FY-3/MERSI的经纬度数据，使用HDF Group开源库读取经纬度数据后分别保存为TIF格式的经度图像和纬度图像，经度图像和纬度图像大小分别和1.1km分辨率的图像大小一致。对于FY-3/VIRR和FY-3/MERSI的图像数据，使用HDF Group开源库读取需要处理的不同分辨率的图像数据。

(2)几何粗定位。几何粗定位分为以下三个步骤：经纬度坐标插值、地图投影、投影后图像像素值重采样，如图2所示。

第一步是经纬度坐标插值。由于原始遥感数据集中的经、纬度数据与相应的图像数据并不一定是一一对应的，故对于和原始图像大小不一致的经度和纬度图像，利用一定的插值方法对解析出来的经度和纬度图像进行插值，生成与原始扫描图像尺寸一致的经度和纬度图像。

第二步是地图投影。对于大尺度的低空间分辨率遥感图像来说，其像幅覆盖范围一般都很大，受到地球曲率的影响很明显，由于地球表面是个曲面，故所获得的图像也不能简单看作是一个平面，而是曲面。然而，图像通常是二维平面，因此就有一个从球面转化到平面的问题，必须采用数学的方法来实现球面到平面的转化，将地球椭球面上的点投影到平面上的点的方法称为地图投影。

以插值得到的经、纬度图像为基础，选取某一种投影方式将其展开到一个平面上，从而得到一幅没有像素值，但是有经纬度坐标以及投影的空白图像。在本发明的实施例中，采用的投影方式为等经纬度投影，投影基准面为WGS-84。在这种投影中，图像中任意相邻两点在经线方向和纬线方向的增量恒定。经纬度投影只需记录三个参数：图像左上角经、纬度坐标以及在经、纬度方向上的增量。

第三步是投影后图像像素值重采样。然后选取一定的图像重采样方法，根据展平后的有经纬度坐标和投影方式的空白图像、第一步插值得到的经、纬度图像以及原始的卫星扫描遥感图像来确定几何粗定位之后像素的像素坐标和像素值，从而获得几何粗定位之后具有经、纬度以及投影方式的遥感图像。重采样后像素值确定一般分为前向映射和后向映射两种方式。前向映射是将原始图像的像素逐一对应到粗定位后的图像中去。后向映射是将原始图像的像素逐一对应到粗定位前的图像中去。对于大扫描角、宽扫描带的摆扫式低空间分辨率传感器，数据的空间分布是不均匀的。在星下点图像区域，其相邻扫描条带彼此不存在重叠，而随着观测角度的增大，相邻扫描条带会出现重叠，随着观测角度增大，重叠度也逐渐增大。对于图像上的非重叠区域，后向映射点是唯一的，这是图像处理的通常情况；对于扫描带重叠区，后向映射点有两个，而且这两个后向映射点不能被直接获取到，通常是在全图逐一查找后向映射点，效率非常低。另外，即使找到了后向映射点，要找到参与图像重采样的像素点也存在困难，这主要因为参与插值的原始像素点可能与后向映射点同条带，也可能位于相邻条带上。因此，采用了前向映射和后向映射相结合的方法，这是一种比较高效的查找算法，很好地解决了这一问题。具体做法为：首先采用前向映射方法将原始图像上的像素按照地理坐标映射到粗定位后图像上，使粗定位后图像的大部分位置有像素值，对于没有像素值的位置，采用后向映射方法。这时，不需要在全图逐一查找后向映射点，而是根据粗定位后图像的像素点的邻域内已经有像素值的点来确定查找的范围，从而有效提高查找速度。由于映射过程中，计算出来的像素坐标通常不是整数，不能唯一确定像素点的空间位置，因此，通常采用最近邻方法、双线性方法、双三次卷积方法和归一化反距离加权插值方法确定参与映射的像素点以及映射后的像素值。这几种方法各有优缺点，在使用中可以根据处理速度、精度等要求，选择合适的方法。

(3)几何精校正。由于经纬度数据本身存在一定的误差，所以校正后的图像几何定位精度仍然有误差，需要进行进一步的几何精校正。几何精校正分为以下四个步骤：基准图像制作、自动匹配、误匹配点剔除、图像校正，如图3所示。

第一步是基准图像制作。MODIS数据的几何精度优于一个像元，因此，以MODIS图像为基准进行自动配准。MODIS基准图像要求覆盖全球，并且没有云、阴影等其他因素的干扰。NASA地球观测站采用MODIS标准数据产品中的500米分辨率的地表反射率8天合成产品(MOD09A1)数据制作了全球基准图像。该基准图像为无云的三波段真彩色图像，包括500m、2km、8km三种分辨率，并且使用全球DEM数据进行了地形校正，消除了阴影的影响。因此，本发明专利采用NASA制作的500m分辨率的全球基准图像，该基准图像以png格式存储，没有地理信息，只有图像左上、右下角的经纬度坐标。为了便于使用，根据左上、右下角的经纬度坐标把该基准图像转换为有地理信息的TIF图像。对于图像自动配准，基准图像的分辨率和待校正图像的分别率越接近，配准效果越好。要处理的低分辨遥感图像中，包括250m、1.1km、1.25km、5km四种分辨率，因此我们对500m的基准图像进行重采样，采样成1km和5krn分辨率的两种图像，最终形成500m、1km、5km三种分辨率的基准图像。图像重采样可用的方法包括：最近邻、双线性、双三次卷积和克里金插值。

第二步是自动匹配。低空间分辨率图像分辨率低，特征不明显，并且覆盖范围大，从而导致自动匹配的难度比较大。针对低分辨率图像的特点，低分辨率遥感图像的自动匹配包括基准图像选取、图像粗匹配、图像精确匹配。

基准图像选取和待配准图像波段数据的分辨率最接近基准图像，对于分辨率为250m的待配准图像，采用分辨率为500m的基准图像进行自动配准，对于分辨率为1.1km和1.25km待配准图像，采用分辨率为1km的基准图像进行自动配准，对于分辨率为5km的待配准图像，采用分辨率为5km基准图像进行自动配准，从而使配准算法精度更高。

图像粗匹配首先根据两幅图像的相同地理坐标，自动生成三对控制点，然后使用一阶多项式建立初始变换关系，完成图像的粗匹配。自动生成三对控制点是在待校正图像上生成三个不共线的点，三个点尽可能分布比较均匀，然后根据三个控制点的地理坐标反推出其在基准图像上对应位置的像素坐标，从而自动确定三对控制点。

图像精确匹配采用特征提取算子和模板匹配相结合的方法，首先使用

算子在待校正图像上提取特征点作为候选匹配点，根据粗匹配结果在基准图像上生成每一个候选匹配点的粗匹配点，形成粗匹配点对。然后以每一对粗匹配点为中心，在原始图像和基准图像上分别提取模板窗口和搜索窗口。模板窗口和搜索窗口一般为正方形，搜索窗口大于模板窗口。假设待纠正图像的和基准图像的初始误差为d，那么搜索窗口的大小是模板窗口的大小加上2d。最后采用归一化相关系数完成图像的自动匹配。

第三步是误匹配点剔除。自动匹配完成后，大部分控制点精度较高，但也存在一些误匹配点，需要剔除匹配点。误匹配点剔除通常采用最小二乘方法和随机采样一致性方法(Random Sample Consensus，RANSAC)。最小二乘方法是利用多项式建立模型，将不满足模型的控制点作为误匹配点。RANSAC方法是从一组包含异常数据的样本数据集中，估计模型参数(模型拟合)的迭代方法。多次迭代后总能计算出正确的模型，根据一个容许误差将所有的匹配点对分为内点和外点，外点就是需要剔除的误匹配点。但是RANSAC方法和最小二乘法是用控制点拟合一个模型来确定误匹配点，对于低分辨率图像，覆盖范围大，地形地物复杂，所有正确的控制点也无法满足同一个拟合模型，从而导致直接RANSAC方法和最小二乘方法会剔除部分正确的点，保留部分错误匹配点。，因此，针对低分辨率图像的特点，采用分块RANSAC和迭代最小二乘法相结合的方法进行误匹配点剔除。分块RANSAC方法首先将图像分成M分块，每一块的具体大小根据图像的尺寸来确定。然后在每一块分别使用RANSAC方法剔除误匹配点。分块RANSAC方法可以提高误匹配点的剔除精度，但还是不能完全剔除误匹配点。然后使用迭代最小二乘法剔除剩余的误匹配点，其思想是使用所有的控制点进行最小二乘拟合建立拟合模型，计算每对匹配点相对于拟合模型的误差，剔除误差最大的N对控制点，然后再次使用最小二乘法剔除误差最大的N对控制点，直到所有控制点的误差小于设定的误差阈值或者控制点数量小于设定的最小控制点数量阈值。通过多次迭代，一般情况下都能剔除大于阈值T的控制点，有效剔除误匹配点。但有些图像由于受大片的云、阴影等的影响，部分图像的匹配精度无法达到精度要求，因此，需要设定最小控制点数量阈值，保证有控制点来完成几何精校正。通过分块RANSAC和迭代最小二乘法的有效结合，能有效地剔除误匹配点。

第四步是图像校正。校正模型使用一阶或二阶多项式，多项式校正需要控制点分布比较均匀，因此，在校正前首先对误匹配点剔除后的控制点进行均匀化，控制点均匀化方法为：将原始图像进行网格划分，然后把控制点对按照原始图像坐标分配到不同的网格，对于有控制点的网格，保留匹配度最大的一个控制点。然后利用均匀化后的控制点构建模型对待校正图像进行几何精校正。

(4)自动几何精度评价。常规精度评价是通过叠加显示、卷帘显示以及人工选择控制点进行精度评价，对于全球变化研究，人工评价需要耗费大量的人力物力，并且严重依赖于人的经验，无法满足实际应用需要。因此，迫切需要自动评价方法进行精度评价。本发明专利提出了一种自动精度评价方法：几何校正完成后，使用校正后的图像和基准图像进行自动匹配，并进行误匹配点剔除和控制点均匀化。自动匹配、误匹配点剔除方法和控制点均匀化方法分别和步骤(3)几何精校正中的自动匹配、误匹配点剔除方法和控制点均匀化方法相同。然后使用这些控制点计算校正后图像的均方根误差(root mean square error，RMSE)。计算公式如下：

RMSE = \sqrt{\frac{1}{n} Σ_{i = 1}^{n} [{(x_{i} - {x^{'}}_{i})}^{2} + {(y_{i} - {y^{'}}_{i})}^{2}]}

其中，n为控制点的总个数，x_i和y_i为原始图像上控制点的像素坐标，x′_i和y′_i为基准图像上控制点的坐标按照相同地理坐标换算到原始图像上的控制点的像素坐标。

使用该方法，可以完全自动的完成几何精度评价，并保存精度评价结果，用户可以通过评价结果来决定是否使用该图像，还可以按照用户设定中误差阈值自动剔除低精度的图像，从而完成高精度图像的自动筛选。

通过以上四个步骤，可以完全自动的进行低空间分辨多源遥感图像的自动解析、几何粗定位、几何精校正，使所有低分辨率图像和MODIS图像具有相同或者相近的几何精度，从而使低空间分辨多源遥感图像具有空间一致性。

本发明的实施例在PC平台上已经实现，经过大量数据的实验验证，不需任何中间过程的人工干预，可以自动完成低空间分辨率多源遥感图像的解析、几何粗定位、几何精校正和精度评价，使低分辨多源遥感图像具有很好的空间一致性。

Claims

1.一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于包括如下步骤：

(1)数据解析，解析不同传感器的数据存储格式，将不同数据文件中的图像数据和对应用于几何定位的经纬度数据提取出来；

(2)几何粗定位，以解析出来的经纬度数据和卫星载荷扫描得到的相应原始图像数据为基础，采用扫描线地理坐标插值法对原始图像数据进行几何粗定位，使得图像的每个像素点都有经纬度坐标；

(3)几何精校正，以MODIS图像为基准进行图像自动配准，实现低分辨率遥感图像几何精校正，使NOAA/AVHRR、FY-2/VISSR、FY-3/VIRR和FY-3/MERSI的图像都和MODIS图像具有相同或相近的几何精度，从而使所有低空间分辨遥感图像具有空间一致性；

(4)自动几何精度评价，以MODIS图像为基准和精校正后的图像进行自动匹配，获得若干分布比较均匀的控制点，然后使用这些控制点计算精校正后图像的中误差；部分图像由于云、阴影等覆盖面积过大，导致处理后仍然无法满足空间一致性的要求，可以按照设定的中误差阈值自动剔除低精度的图像。

2.根据权利要求1中所述的一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于：步骤(1)中的数据解析，对于以L1B格式存储的AVHRR数据，以二进制方式读取5个波段的数据分别保存成5个TIF格式的图像文件，图像大小为2048*2048；读取经纬度数据，分别保存成TIF格式的经度图像和纬度图像，图像大小为为51*2048，像素值分别为经度值和纬度值；对于以HDF格式存储的FY-2/VISSR数据，经纬度数据以二进制4字节浮点型方式单独存储，文件后缀名为“NOM”；将其按照二进制格式读取出来后，存储为TIF格式的经度和纬度图像，像素值为经度值和纬度值，经度图像和经度图像的大小和5km分辨率的图像数据大小一致；FY-2/VISSR的图像数据存储在HDF文件中，使用HDF Group开源库读取需要处理的5个波段的图像数据；对于以HDF格式存储的FY-3/VIRR和FY-3/MERSI数据，使用HDFGroup开源库读取图像数据和对应的经纬度数据，并把经纬度数据分别保存成TIF格式的经度图像和纬度图像，经度图像和纬度图像大小分别和1.1km分辨率的图像大小一致。

3.根据权利要求1中所述的一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于：步骤(2)中的几何粗定位分为以下三个步骤：

(1)经纬度坐标插值，对于和原始图像大小不一致的经度和纬度图像，利用一定的插值方法对解析出来的经度和纬度图像进行插值，生成与原始扫描图像尺寸一致的经度和纬度图像；

(2)地图投影，以插值得到的经、纬度图像为基础，选取某一种投影方式将其展开到一个平面上，从而得到一幅没有像素值，但是有经纬度坐标以及投影的空白图像；

(3)投影后图像像素值重采样，采用前向映射和后向映射相结合的方法，具体做法为：首先采用前向映射方法将原始影像上的像素按照地理坐标映射到粗定位后影像上，使纠正后影像的大部分位置有像素值，对于没有像素值的位置，采用后向映射方法；在映射过程中，可用的确定参与映射的像素点以及映射后像素值的方法包括：最近邻方法、双线性方法、双三次卷积方法和归一化反距离加权插值方法。

4.根据权利要求1中所述的一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于：步骤(3)中的几何精校正包括以下四个步骤：

(1)基准图像制作，采用NASA地球观测站基于MODIS标准数据产品中的500米分辨率的地表反射率8天合成产品(MOD09A1)制作的分辨率为500m的全球基准图像；该基准图像以png格式存储，没有地理信息，只有图像左上、右下角的经纬度坐标；为了便于使用，根据左上、右下角的经纬度坐标把该基准图像转换为有地理信息的TIF图像；并将该基准图像进行重采样，采样成1km和5km分辨率的两种图像，最终形成500m、1km、5km三种分辨率的基准图像；

(2)自动匹配，通过基准图像选取、图像粗匹配、图像精确匹配完成图像的自动匹配；

(3)误匹配点剔除，采用分块RANSAC和迭代最小二乘法相结合的方法进行误匹配点剔除；

(4)图像校正，首先对误匹配点剔除后的控制点进行均匀化，控制点均匀化方法为：将原始图像进行网格划分，然后把控制点对按照原始图像坐标分配到不同的网格，对于有控制点的网格，保留匹配度最大的一个控制点；然后使用均匀化后的控制点建立校正模型，校正模型使用一阶或二阶多项式，然后利用校正模型对待校正图像进行几何精校正。

5.根据权利要求1中所述的一种低空间分辨率多源遥感图像空间一致性校正方法，其特征在于：步骤(4)中的自动几何精度评价，首先使用校正后的图像和基准图像进行自动匹配，并进行误匹配点剔除和控制点均匀化；自动匹配、误匹配点剔除和控制点均匀化方法分别和权利要求4中的自动匹配、误匹配点剔除和控制点均匀化方法相同；然后使用这些控制点计算校正后图像的均方根误差(root mean square error，RMSE)。

6.根据权利要求4步骤(1)中所述的基准图像重采样方法，其特征在于：可用的方法包括最近邻、双线性、双三次卷积和克里金插值。

7.根据权利要求4步骤(2)中所述的基准图像选取，其特征在于：选取和待配准图像波段数据的分辨率最接近基准图像，对于分辨率为250m的待配准图像，采用分辨率为500m的基准图像进行自动配准，对于分辨率为1.1km和1.25km待配准图像，采用分辨率为1km的基准图像进行自动配准，对于分辨率为5km的待配准图像，采用分辨率为5km基准图像进行自动配准。

8.根据权利要求4步骤(2)中所述的图像粗匹配，其特征在于：根据两幅影像的相同地理坐标，自动生成三对控制点，然后使用一阶多项式建立初始变换关系，完成图像的粗匹配。

9.根据权利要求4步骤(2)中所述的图像精确匹配，其特征在于：采用特征提取算子和模板匹配相结合的方法，首先使用

算子在待校正图像上提取特征点作为候选匹配点，然后分别在原始图像和基准图像上分别提取模板窗口和搜索窗口，最后采用归一化相关系数完成图像的自动匹配。

10.根据权利要求4步骤(3)中所述的分块RANSAC方法，其特征在于：首先将图像分成M分块，然后在每一块分别使用RANSAC方法剔除误匹配点。

11.根据权利要求4步骤(3)中所述的迭代最小二乘法，其特征在于：使用所有的控制点进行最小二乘拟合建立拟合模型，计算每对匹配点相对于拟合模型的误差，删除误差最大的N对控制点，然后再次使用最小二乘法剔除误差最大的N对控制点，直到所有控制点的误差小于设定的误差阈值或者控制点数量小于设定的最小控制点数量阈值。

12.根据权利要求5中所述的计算校正后图像的均方根误差(RMSE)，其特征在于：采用如下公式计算：

RMSE = \sqrt{\frac{1}{n} Σ_{i = 1}^{n} [{(x_{i} - {x^{'}}_{i})}^{2} + {(y_{i} - {y^{'}}_{i})}^{2}]}

其中，n为控制点的总个数，x_i和y_i为原始图像上控制点的坐标，x′_i和y′_i为基准图像上控制点的坐标按照相同地理坐标换算到原始图像上的控制点坐标。

13.根据权利要求8中所述的自动生成三对控制点，其特征在于：在待校正图像上生成三个不共线的点，三个点尽可能分布比较均匀，然后根据三个控制点的地理坐标反推出其在基准图像上对应位置的像素坐标，从而自动确定三对控制点。