遥感图像几何纠正：L1法与German-McClure法的效能对比

"遥感图像几何精纠正中更为有效的稳健估计方法" 遥感图像几何精纠正是一项关键的技术，目的是消除由于传感器成像过程中的各种因素（如地球曲率、大气折射、卫星姿态变化等）导致的图像畸变，使得图像上的像素能够准确对应到地面的实际位置。在这一过程中，几何精纠正通常采用多项式纠正法，它基于最小二乘（LS）估计来求解转换参数，以便将像元坐标映射到地理坐标。 然而，实际的观测数据中往往存在粗差，这些异常值可能来源于测量误差、数据处理错误或模型不完善等。最小二乘估计在面对含有粗差的数据时，其结果可能会被严重歪曲。为了解决这个问题，稳健估计被引入到遥感图像的几何纠正中。稳健估计方法旨在对含有粗差的数据进行处理，降低粗差对参数估计的影响，从而提高纠正的精度。 在本文中，作者进行了仿真实验，对比了13种常用的稳健估计方法，包括L1法和German-McClure法等。实验结果显示，L1法和German-McClure法在消除或减弱粗差方面表现更为出色。L1法，也称为残差绝对和最小法，它通过最小化所有残差的绝对值之和，对异常值具有较好的鲁棒性。German-McClure法则是一种自适应的稳健估计方法，它能自动调整权重以适应数据中的异常值。 遥感图像几何纠正的效果不仅取决于选择的纠正方法，还依赖于观测值的数量、粗差的数量以及粗差的大小。通过仿真实验，作者提供了关于如何在实际应用中选择最有效稳健估计方法的指导。对于含有不同数量和大小粗差的场景，L1法和German-McClure法可能成为首选，因为它们在处理粗差时表现出较高的稳健性。 在实际操作中，选择合适的稳健估计方法对于提高遥感图像的几何纠正质量和准确性至关重要。此外，这些方法的应用还可以扩展到其他领域，如大地测量、摄影测量和遥感数据分析，尤其是在数据质量参差不齐的情况下。 该研究通过实验比较了不同稳健估计方法在遥感图像几何精纠正中的效能，强调了L1法和German-McClure法的优势，为遥感图像处理领域的研究和实践提供了有价值的参考。