简介
正射校正是对影像进行几何畸变纠正的一个过程，它将对由地形、相机几何特性以及与传感器相关的误差所造成的明显的几何畸变进行处理。输出的正射校正影像将是正射的平面真实影像。
许多用户都要对他们的影像进行正射校正。这是因为，他们的影像需要非常精确的定位精度，或者整个影像都必须采用统一精度比例。例如，进行正射校正后，就能够对影像进行测量，或者在影像中精确地定位某些特征、采集供GIS使用的信息，或者将影像同其他精确校正影像结合起来，进行进一步复杂的分析。
原理
从摄影测量的角度，卫星遥感影像可以看作是一个中心投影的结果，它必然会受到传感器观测角度和地面高程的影响，特别是在影像的边缘，地面高程引起的视差更是不可忽视。在图1中，从卫星S看到的地面点M，其坐标应为X；但是按照正向模型的计算，求得的坐标则为X'。这里，由于高程h的影响，正向模型的计算误将X'当作是M的地面坐标，而距离IX-X’l是由于高程h引起的视差。以LANDSAT卫星为例，当，h=1000m时，在影像边缘附近引起的视差大约是130m，约合4个像元。
正射校正的目的就是要消除这种由地面高程引起的视差，在数字高程模型(Digital Elevation Model，DEM)的帮助下，得到M点正确的位置坐标X。
在正向模型计算时，得到地面坐标X'的高程h‘’很容易，但得到M点即坐标X的高程h却很难。为此，在工程实现中采用了迭代算法的方式来求得M点的坐标X。
常见算法
正射校正可以选择的方法很多，主要包括严格物理模型和通用经验模型两种。严格物理模型以共线方程为代表，但是为获得较高的精度需要已知传感器的轨道参数和姿态参数等；经验模型应用灵活，只要有足够数量的控制点就可以获得正射影像，但是其精度往往受到地形和控制点的限制。最主要的正射影像制作主要是基于立体像对的数字摄影测量方法。但立体像对遥感影像获取不易、成本较高，而且需要一定数量的控制点。这里主要介绍几种常见的正射校正算法，及如何在软件中实现正射校正。
1．共线方程模型
共线方程是摄影测量里最基本的公式，是研究最多和使用最广的空间几何模型。共线方程校正法是建立在对传感器成像时的位置和姿态进行模拟和解算的基础上的。由于其严格给出了成像瞬间物方空间和像方空间的几何对应关系，所以其几何校正精度是认为最高的。共线方程模型的应用分两种情况：轨道参数及姿态参数已知和未知。的商业软件中基本都以此为基础实现各种来源的遥感影像纠正功能。正因为共线方程模型的严密特性，因此它在各种分辨率的遥感影像纠正中都适用。对共线方程的研究主要是关于其解算方位元素过程由误差方程病态所引起的解算结果并非最优问题。对此提出的算法很多，如增加虚拟误差方程、合并相关项、岭估计方法、阻尼最小二乘法、线性规划法、中心标准化方法等，虽然这些解算方法在诸多的研究文献中很难达到满意的效果，但是其精度在正射校正中完全能够满足应用要求。而在CCD传感器的共线方程模型解算当中，应用最多的是岭估计方法。
2．基于仿射变换的严格几何模型
高分辨率遥感影像的研究与应用已经成为了遥感应用研究的热点问题。围绕高分辨率遥感影像的处理，出现了许多关于新型传感器的成像机理、图像三维处理及测图技术等。基于仿射变换的传感器模型和有理函数模型是其中的典型代表。
高分辨率卫星传感器的突出特征是长焦距和窄视场角，大量实验证明，这种成像几何关系如果用共线方程来描述将导致定向参数之间存在很强的相关性，从而影响定向的精度和稳定性。Okamoto提出了一种基于仿射投影模型的方法，Hatlori与Ono进一步研究与应用了该模型。
3．改进型多项式模型
改进型多项式的传感器模型是一种简单的通用成像传感器模型，其原理直观明了，并且计算较为简单，特别是对地面相对平坦的情况，具有较好的精度。这种方法的基本思想是回避成像的几何过程，而直接对影像的变形本身进行数学模拟、把遥感图像的总体变形看做是平移、缩放、旋转、偏扭、弯曲，以及更高次的基本变形综合作用的结果。
4．有理函数模型
有理函数模型(RFM)在近年来才受到普遍关注，特别是IKONOS卫星的成功发射推动了对有理函数的全面研究，国际摄影测量与遥感协会成立了专门工作组研究有关RFM的校正精度、稳定性等各方面问题，Tao和Dowman等对其进行了系统的研究与比较。有理函数模型是各种传感器几何模型的一种更广义的表达形式，是对不同的传感器模型更为精确的表达形式。它能适用于各类传感器，包括最新的航空和航天传感器。它的缺点是模型解算复杂，运算量大，并且要求控制点数目相对较多；但其优点是由于引入较多定向参数，模拟精度很高。此外，有理函数模型的校正精度随控制点数量的增加均表现为先降低后趋于稳定的趋势。
