1.像方补偿的遥感影像或SAR影像高精度几何定位后处理方法，其特征是：通过EIV模型构建像方坐标与物方坐标间的映射关系，应用影像附带文件中RPC映射函数参数初值对RFM有理函数模型进行线性化，分析构建的映射关系模型的病态性与抗差性，在保证模型参数估值精度的同时，建立由像方坐标解算物方坐标的地表点位模型与其解算流程；应用将不同星载平台的数字影像中定位精度较高的影像，分割成由不同高程面构建的虚拟同名点，将虚拟同名控制点作为整个区域网定位、定向的依据，由RFM有理函数模型的EIV模型进行多源数字影像区域网平差；该方法的具体步骤如下：Step1. 获取星载光学遥感立体像对或星载SAR干涉影像、影像附带文件中RPC映射函数参数信息，布测外业控制网；其中，数字影像的获取既包括同源星载遥感平台获取的数字影像构建的立体像对与同源星载SAR平台构建的干涉影像，也包括不同源数字影像构建的立体像对或干涉影像；控制网布设是获取同名点像方坐标与物方坐标，采用GNSS静态控制测量或RTK测量，作业方式由数字影像分辨率判断；

Step2. 影像质量检核，控制网精度质量检核；其中，数字影像质量检核侧重对影像分辨率进行检核，应用稳态重成像几何模型对原始影像进行修复，同时建立RFM有理函数模型；地面控制网平差与精度评价，控制网的精度评价既包括控制点间的内符合精度评价，也包括控制网新增控制点与目标坐标系控制点的外符合精度评价；地面控制点坐标同时作为影像几何定位精度评价依据；

Step3. 应用同名点的像方坐标与物方坐标，根据RFM有理函数模型检核RPC映射函数参数，并对其进行精度评价；其中，对影像附带文件中RPC映射函数参数进行精度评定，精度指标为统计的参数中误差，结合RFM有理函数模型与概率统计方法对RPC映射函数参数中可能含有的系统误差进行检测；

Step4. 以附带文件中RPC映射函数参数为初值进行RFM有理函数模型的线性化，构建EIV模型，并对构建的RFM有理函数模型的EIV模型存在的病态性、抗差性进行评价；其中，以经过检测并符合精度要求的附带文件中RPC映射函数参数为初值，应用泰勒级数对非线性的RFM有理函数模型进行线性化，分析不同级数展开的RFM有理函数模型舍入误差；将RFM有理函数模型的高斯-马尔可夫误差模型(Gauss-Markov model, G-M)拓展为顾及模型系数矩阵误差的EIV模型，根据Step1-Step3中计算的影像相关的先验信息确定EIV模型的随机模型；

Step5. 顾及EIV模型病态性、抗差性的因素影响的RFM有理函数模型无偏估计；其中，RFM有理函数模型的EIV模型法矩阵的条件数进行判别，确定模型病态时其法矩阵条件数的临界值；病态RFM有理函数模型正则化的策略与正则化函数的构建；RFM有理函数模型的EIV模型抗差性分析，确定模型的最大崩溃率，构建模型的抗差估计策略；融合最小方差估计等随机模型验后估计算法建立RFM有理函数模型的无偏估计迭代流程；

Step6. 像方补偿的同名点像方坐标与物方坐标误差修正，数字影像区域网平差模型构建；其中，根据同名点像方坐标改正值建立基于像方补偿的RFM有理函数模型改正数无偏估计方法；同名点物方坐标采用大地坐标系，其初值由外业控制测量获得的控制点在WGS-

84坐标系统中的空间三维直角坐标，采用WGS-84椭球转换得到；同名点像方坐标改正数附加约束，以RPC映射函数参数与同名点大地坐标改正数为目标参数，建立数字影像区域网平差模型；

Step7. 无法进行地面控制测量或者地面控制点数量不足的条件下，多源遥感影像的整体平差；其中，当由于外业作业环境恶劣等因素，无法在地面进行控制测量导致无同名控制点或同名控制点稀少，通过不同来源遥感数据中定位精度较高的影像，分不同高程面构建虚拟同名点，将虚拟的同名控制点作为区域网定位、定向的依据，提高多源数字影像数据区域网平差的精度。