قابليت استفاده از مدل افاين در زمين مرجع كردن تصاوير سنجنده Cartosat-1

Investigations on Applicability of Affine Transformation for Geo-Referencing Of Cartosat-1 Imageries

در دنياي امروز استفاده از تصاوير ماهواره اي با قدرت تفكيك بالا به عنوان يكي از مهمترين منابع تامين داده در بسياري از كاربرد ها مانند مديريت و پيشگيري از بحران ناشي از سوانح طبيعي،مديريت منابع معدني،كاربردهاي عمراني و... مطرح مي باشد.از آنجا كه اولين مرحله در استفاده از اين تصاوير تصحيح هندسي و زمين مرجع نمودن آنهااست،در طي ساليان پيش ز پيدايش و رواج استفاده از اين تصاوير تلاش هاي فراواني توسط افراد مختلف در اين زمينه انجام گرفته است.از جمله مدل هايي كه براي تصحيح اين تصاوير مطرح و مورد توجه بسيار قرار گرفته،تبديل افاين سه بعدي است كه از مزاياي همچون تعداد كم پارامترها،ساختار خطي و عدم وابستگي به پارامترهاي ومسير و كاليبراسيون سنجنده برخوردار مي باشد.در اين تحقيق قابليت استفاده از مدل افاين در تصحيح هندسي تصاوير سنجنده Cartosat-1 براي تصاوير اخذ شده از منطقه رودهن در ايران،در مقايسه با مدل رشنال مستقل از زمين مورد بررسي قرار گرفته است.همچنين امكان افزايش دقت حاصل از اين مدل و رفع اٍر اعوجاجات ناشي از كرويت و ناهمواري هاي سطح زمين،بررسي شده است.

Now a day, the information content of satellite imageries as a mean for providing usable data for disaster forecasting and management, management of natural sources, remote sensing and photogrammetric applications has attracted the worldwide attentions. Since geometric correction of these images is the first and a crucial step for using them, lots of attempts have been made on the purpose, all around the world. Two main approaches are used for geo-coding of linear array imageries. The first approach is the so called rigorous model. This approach is based on the physical modeling of the linear array motion and attitude variation and is the most accurate and precise model for geometric correction. This model is based on colinearity equations and needs calibration and orbital parameters of the satellite, which is not always accessible due to security and economic situation. The second approach, which is known as generic, does not depend on any metadata information and solely relies on the ground control points. Varieties of generic models, from rational functions to