envi建立图像掩膜操作步骤

上图科技带你建立小麦分布眼膜。先在 tobox 的搜索栏中输入 master， 然后在搜索道德工具中选择 beardmaster， 在弹出来的 beardmaster input file 面板中选择 plus， 大致，并点击 ok。 支持。在 mask definition 面板中点击 option import rys， 并在麦斯的 definition input 二 oi s 面板中选择小麦分布区域，并点击 ok， 接着打开 option 并勾选 af。 最后在麦斯的 definition 面板中点击撤，设置小麦区域眼膜的输出路径与名称。 设置好之后，点击打开。检查无污后点击 ok， 就能建立玉米分布眼膜 了。这就是处理结果啦！ 点击收藏，下期更精彩！

本节课的内容呢是图像镶嵌。图像镶嵌是指在一定的数学基础控制下，把多景相邻摇杆图像拼接成一个大范围无缝的图像的过程。 在 nv 中，图像镶嵌的功能可以提供交互式的方式，将有地理坐标或者没有地理坐标的多幅图像进行合并， 从而生成一幅单一的合成图像。在最新版本的 nv， 提供了全新的影像无缝镶嵌工具 seamless mosaic， 所有的功能集成在一个流程化的界面。通过这个界面，我们可以实现对图层的叠放顺序的控制，也可以设置 忽略值显示或隐匿图层以及轮廓线，重新设计有效的轮廓线，或者说选择重采样的方法和输出范围，也可以指定输出的波段和背景值。 可以进行颜色的校正、羽化和调和。可以提供高级的自动生成接边线功能，也可以手动进行接边线的编辑。 而且这个流程化工具它也提供了对镶嵌结果的一个预览的这样的一个功能。 使用这个工具可以对影像的镶嵌做到更精细的控制，包括镶嵌云色、接边线功能和镶嵌预览等等。本节课程呢，将以两副影像为例， 简单的学习 similar small sake 工具的使用。我们数据使用的是两幅有地理坐标的 tm 图像文件，将利用 影像无缝镶嵌工具 similar mosaic 来进行图像镶嵌的这样的一个操作。下面我们进入 nv 中来学习详细的操作步骤。打开 nv feel open， 打开这两幅需要进行镶嵌的影像， 可以对他进行一个拉伸， 这就是我们需要进行镶嵌的两幅影像， 在 two box 工具箱中镶嵌选项下，选择无缝镶嵌工具， 打开无缝镶嵌的一个工作流的操作面板。首先来看一下这个工作流面板上所呈现的内容，这一行呢是它的一个工具栏， 而这一行是他不同步骤的各个面板。我们首先要来添加将要进行镶嵌的两幅图像，点击左上角的这个加号， 添加影像， 进入到影像文件选择的这个面板，在这个面板中我们可以 添加或者删除我们需要进行镶嵌的一个影像，在这里呢我们选择所有的一个影像而底下这几幅选项，而底下这几幅选项分别是，如果我们已经打开两幅影像，我们还需要第三幅和第四幅，我们可以点击这个再进行打开， 然后这个是打开我们之前打开过的一个影像，也就是说打开，打开我们刚才关闭的一个影像， 然后这个按钮呢是连接，这个呢就是打开我们的一个数据集来选择进行镶嵌的图像， 这个呢是打开我们远程连接管理器上的资源进行影像的一个读入，这里呢我们选择 t m 的两副影像进行镶嵌，所以我们可以选中这两副影像，点击， ok 进入下一个 流程，我们对它进行一下拉伸， 可以看到当我们选中哪个影像的时候，这个影像就被蓝绿色的这个框所选中，而另一个就是这个玫红色的框。 在读入影像的按钮右方，我们可以选择移除我们不需要进行镶嵌的影像，这个按钮呢是可以选择隐匿影像或者是显示影像，这个按钮呢，可以用来选择 隐匿边框或者是显示边框，那么他旁边这个类似的按钮呢，是可以显示 边框中的一个填充，我们可以看一下这个效果。这个功能呢，提供了更好的方式来直观的辨别在每个场景，也就是说每副影像中他的一个边界也可以更有效的覆检测覆盖的一个区域， 也可以更有效的检测覆盖的区域的缝隙和空隙。然后类似模样的这第四个按钮呢，它是用来重新估算，而在右边的这个按钮可以用来改变两幅影像的一个叠制顺序， 比如说我们选中的第一幅影像把它给关掉，比如说我选择了第一幅影像，是这幅影像，它本来是在第二幅影像的下面，现在我们来将它提前到最上。 上面一层也可以选择呢放在另外一幅影像的最下面。通过 order 的下拉菜单，我们来可以改变两副影像的一个叠置顺序。 当有多副影像的时候，可以直接将选中的影像放在最后或者最前。在这个 my 的这个选项面板中有一个值叫做叫 data ignore value， 我们可以对这个直径一设置，也就是设置透明值， 当重叠区有背景值的时候可以设置这个值，在这个面板的右上角也可以选中。 欲懒 预览我们镶嵌的一个结果，我们可以看到 即使经过了颜色显示的一个拉伸，这两幅影像的拼接部分还是有明显颜色的一个不同。所以呢，我们还要对他进行一个云色的处理， 在 n 位中采用颜色平衡的方法去尽量避免由于镶嵌图像的颜色的不一致而影响镶嵌的结果。 往往呢是以一幅图像为基准，统计各个镶嵌图像的直方图，以整幅基准图像或者重叠区的直方图，采用直方图匹配的方法匹配其他 它镶嵌图像，从而使得镶嵌图像具有相近的一个灰度特征来进行一个匀色。也就是说在 n v 中所用到的匀色方法是直方图匀色法。我们选中 针对不同的直方图匹配法呢，有重叠区直方图匹配以及整个影像的直方图匹配。我在这里呢，我们一般选择默认的就可以了， 也就是重叠区直发图匹配。这时候呢，我们可以回到 man 的面板，然后对这两幅图谁做参考和谁做校正来进行一个互换，进行一个效果预览 的一个比较，来确定哪张是参考图像，可以让镶嵌结果更加令人满意。我们点击右键，然后进行一个互换， 这样呢，就可以看到直方图匹配的一个匀色效果。第三步呢，是进行接边线羽化的一 设置，我们在这个小面板中，在上面的工具 simize 里，我们可以进行对接边线进行一个编辑。接边线呢，也就是说，在镶嵌过程中，在相邻的两个图的重叠区域内， 按照一定的规则选择一条线作为两条图的一个接边线，那这样呢，能够改变接边线处的一个差异太大的问题，或者说没有精确配准的这个问题等等。 而街边线的选择呢，常常选择重叠区的河流啊，道路啊等地物，或者说沿着河流或者道路绘制街边线。 在 sim line 中第一个选项呢是自动生成接边线， nv 中呢，接边线的编辑提供了自动以及手绘两种方法，可以结合起来使用 sim lines 下拉菜单选中 自动绘制接边线，我们可以就可以选择自动绘制接边线， 图中的绿色线条呢，就是所生成的自动生成的街边线，可以看到自动生成的街边线他比较规整， 而这时候呢，下拉菜单中呢，编辑，删除等等这些对接边线的操作按钮也全部都亮起来了。也就是说 我们可以进行手动绘制接边线，或者说对已生成的接边线进行一个编辑，通过呢绘制多边形重新设置接边线。比如说刚才所说的接边线的选择，一般是重叠的河流啊，道路啊， 或者沿着河流道路绘制的这样一条街边线，比如说在这张图上，我们来编辑一下刚才自动生成的一个街边线， 比如说我这里我希望他沿着这样的一个纹纹理来进行一个镶嵌，所以呢我选择 开始编辑接边线， 绘制多边形， 沿着这个纹理绘制一个多边形。 刚才呢我们是单击左键开始的，现在我们双击来完成接边线的一个编辑， 来完成接边线的一个编辑，像如图所示，就是我们完成编辑后的一个接边线，当我们 绘制完接边线的时候呢，也可以对他进行一个保存，或者说我们已经有编辑好的接边线，我们可以读入，当我们不想要这个接边线的时候，我们也可以进行删除等等的一个操作。接边 线编辑完成之后呢，我们可以对影像进行一个羽化，因为我们经常需要将镶嵌图像的接边线变得适当的模糊，这样呢才能使他更好的融入图像。 nv 呢提供了将图像间重合的边缘进行羽化的功能，我们可以指定羽化的一个距离，并且沿着边缘或者切割线进行羽化。边缘羽化呢，是指按照指定的像素距离对图像进行均衡化处理。 而根据街边线进行羽化呢，是在距街边线特定的距离范围内对图像进行一个均衡化的处理，或者可以选择不进行羽化处理。那么在这里呢，我们就默认对 接边线沿接边线进行一个均衡的浴花处理， 也可以根据实际的镶嵌效果来选择不同的羽化方法。在这里呢，我们就选择默认在最后一步呢，是对影像的一个镶嵌结果的输出，也要对他的一些参数进行设置， 比如说输出的格式是 nv 和 tf 两种格式，这里呢可以选择我们输出的一个地址以及保存的一个文件名。 这里的背景值呢，我们选择为零，再选择这个方法的，再选择这个，再选择这个重彩。 想要方法的时候呢，我们选择最高的这个三次卷机。在这个面板的参数设置完之后呢，我们注意到这个按钮，我们也可以来设定我们需要输出的范围，图像的范围， 比如说我们将镶嵌的结果，所有的影像的区域呢都进行一个输出，或者说呢我们只选择输出我所拉的这个框中的这个影像这样的一个影像区域进行输出。点击分离式 输出镶嵌的结果， 我们可以看到这里的一个进度条， 最后我们就得到了镶嵌的一个结果，进行颜色的一个拉伸，我们可以看一下镶嵌的一个结果， 可以说通过 nv 的无缝镶嵌工具所达到的镶嵌结果还是不错的。 下面我们来总结一下本节课的一个收获。在本节课中，我们掌握了图像镶嵌的基本方法以及基本步骤，利用影像无缝镶嵌工具来进行多幅影像的镶嵌， 经过加载数据、匀色处理、接边线和羽化，最终输出镶嵌的结果。以上就是本节图像镶嵌的一个内容，谢谢大家。

大家好，欢迎收听本节的内容，图像融合，在这节中呢，将向大家介绍简单的图像融合知识，以及在 nv 中如何进行具体的图像融合操作。 图像融合实际上是图像进行重采样的过程，它是利用遥感的图像处理技术，将低分辨率的多光谱影像和高分辨率的单波段影像进行重采样， 从而生成既具有高分辨率又具有多光谱特征的这样的一个摇杆图像处理的一个过程。图像融合的关键呢，是融合前两幅图像的精确配准以及处理过程中融合方法的选， 也就是说，只有将两副融合图像进行精确的配准，才可能得到满意的结果。而对于融合方法的选择，则要取决于被融合图像的特征以及融合的目的。 在 n v 中呢，也为大家提供了一些主流的融合方法。然后我们 g s 融合法可以满足绝大部分图像的一个融合。在这里推荐使用， 因为它能够保持融合前后图像波普信息的一致性，是一种高保真的 图像融合方法。下面我们介绍两个例子，在 nv 中如何实现图像融合。针对不同传感器的影像图像融合，以及相同传感器器不同分辨率的图像 融合。不同传感器的图像融合我们使用的是 sport 数据和 lamps and t m 数据，而相同传感器图像融合我们使用的是 crack board 全色和多光谱图像。利用工具箱中的图像融合的工具， 我们来进行 cs 图像融合。接下来我们打开 nv， 在 nv 的界面中，我们首先点击 feel open 来打开我们的一个数据。 第一个练习是我们不同传感器的影像的图像融合。这里我们用的是 t m 数据和 sport 数据。我们选中这两幅影像，点击打开， 对影像进行一个拉伸显示。 首先来观察一下这两幅影像的特征， 一个是较低分辨率的多光谱 pm 三十米以下，我们可以选中这个图像。 点击右键 we will make data 来查看它的分辨率。在 map in four 中， 我们可以看到它的分辨率是三十米，而对于单波段的影像，我们同样右键选中 map 音符，我们可以看到它的分辨率是十米，相 对较高。也可以呢通过右上角的这个查看窗口来进行两幅对图像的一个对比。 可以看到融合前的图像为一幅 t m 三十米的较低分辨率的多光谱影像和 support 十米的较高分辨率的单波段影像。 好，关闭这个小窗口。下一步我们进行图像的一个融合。在 two box 工具栏中选择图像融合的这个选项。我们可以看到这里有一些图像融合的方法。 选择 gs 图像融合方法，双击打开，选择融合影像的面板。首先要选择的是 是低分辨率的多光谱影像，我们选中 tm 三十米的图像。在这里呢，我要进行融合的图像已经被打开了，如果没有，我们可以在底下 open feel， 选择我们要进行打开的影像。 好选择我们要进行融合的影像，或者说我们已经将影像打开了，但又在刚刚又关闭了。现在呢，我们需要打开刚才关闭的影像，可以在 open recent 这个选项夹来实现。最左边这个带问号的是我们的一个帮助文件， 我个人认为 nv 中的这个帮助还是非常有用的，如果大家感兴趣的话，可以研究一下 help 里的一个内容。好在第一步中呢，选中 低分辨率多光谱影像之后，我们可以看到底下显示他有六个波段，然后我们点击 ok 进行下一步。下一步呢是要选择高分辨率的单波段影像， 我们选中可以看到他只有一个波段的一个信息，点击 ok， 点击 ok 之后呢，我们就进入了图像融合参数的设置面板。 由于我们进行的是不同传感器的图像进行图像融合，所以在传感器这一栏我们选择 on no 未知。在虫采样这一栏，我们选择最高级的三次选机。虫采样的级别越高呢，它需要进行的计算也就越长，效果也就越好。 在这里我们一般都是选用最高级别的重采样方法 output， 选择输出的文件格式，我们来选择 nv 的标准格式进行输出。最后呢选择输出的路径以及文件名。 在 nv 流程化的操作工具中，他几乎每一步都有一个这样的 herp 来供大家进行参考。在这里呢，我来选择输出文件存放的位置以及他的命名， 最后点击打开。最后呢就可以点击 ok 来完成图像处理的整个流程， 可以看到他处理的一个进度条，在右下角，最终我们得到融合后的一个 摇杆影像，我们也是给他显示拉伸一下，这是融合之后的一个摇杆影像，可以看到他已经具有了多光谱的影像特征。 选中这个影像，单击右键查看它的一个空间分辨率 map in for 可以看到它的空间分辨率已经提高到十米了。 除此之外呢，我们也可以打开右上角的这个小窗口， 将融合之后的影像与之前的 tm 三十米多光屏影像进行一个对比，可以看到融合之后的影像与融合之前的影像相比而言，分辨率大大提 高了。也可以呢，将融合之前的影像和当波段的图像去进行一个对比， 可以看到虽然具有相同的分辨率，但是融合之后也具有了多光谱的一个特性，所以说融合效果还是不错的。那这个小练习呢，是针对不同传感器的影像进行图像融合的一个操作。 那接下来我们学习相同传感器不同分辨率的影像进行图像融合的一个操作。首先我们要关闭我们现在所有的一个数据， 然后打开我们下一个数据。 下一个数据呢，我们使用的是快鸟的一个相同传感器的不同分辨率的两张影像。打开影像文件，我们进行一个拉伸显示， 第一步还是要观察一下这两副影像选择。打开小窗口， 可以看到 这幅单波段的影像具有较高的分辨率，而多光谱的影像 具有较低的分辨率。也可以点击选中图像，点击右键 will meet data 来。在 map map in four 里，我们可以看到这个全侧影像，它是零点七米， 而我们多光谱影像它的分辨率是二点八米。这样我们在 two box 工具箱中选择我们 gs 图像融合的方法， 双击进入这个工作流中。首先是选择图像融合的文件，第一张图片为低低分辨率的多光谱影像， 我们点击 ok 进入下一步，选择高分辨率的全色影像，然后点击 ok 进入到我们图像融合参数的选择，由于这个练习呢，我们是针对相同传感器不同分辨率的影像 进行图像融合，因此在传感器的菜单下面，我们有一个下拉列表，这个下拉列表中罗列了基本上现在主流常用的各种传感器，这里我们使用的数据是 crick board， 所以我们就选择 crick board 传感器， 然后重采样方法，我们选择三次卷机输出文件的格式，也选择我们 nv 的一个默认的标准格式。最后一步，输出融合图像的位置和文件名， 我们来给他起名，点击，打开最后一步，点击 ok， 然后在我们右下角就有这样的一个 进度条， 最终我们得到我们图像融合的一个结果。先关闭这个小窗口，我们来进行一下图像的一个拉伸， 可以看到融合效果还是不错的，首先他的分辨率更高了，然后我们打开我们刚刚的这个小窗口， 将融合的影像和之前的这个全色影像对比，可以看到他有了多光谱的一个特征， 然后我们打在打开之后，可以看到他的一个分辨率明显的是比我们的一个多光谱 像是提升了很多。然后我们点击图片的右键， 我们可以在 mapping four 里看到它的一个分辨率也变成了零点七米。以上就是图像融合在 nv 中的具体操作。 总结一下，我们利用 nv 中图像融合的工具 gs 图像融合的方法进行两个小练习，一个练习呢是针对于不同传感器的图像进行图像融合的方法的练习。一个练习呢，是针对于相同传感器、不同分辨率图像进行图像融合的一个过程。 通过这两个练习呢，我们基本掌握了图像融合的方法和流程，也学习了 gs 融合的一个方法，并且对不同传感器或者相同传感器的图像融合有了基本的一个认识。那我们本节课的内容就到这里，谢谢大家。

大家好，这堂课我们来学习一下遥感图像的监督分类。首先我们来了解一下基础遥感影像呢，它是通过亮度值的不同以及空间的一些分布特征来表示不同地物的差异的。 那么遥感影像分类呢，就是利用计算机通过对影像中各类地物的灰度值和空间信息进行分析，从而能够将每一个相园按照某种规则划分到不同的地物类型中去。 这个呢就是我们摇杆影像的一个分类过程。首先我们先来了解一下影像分类技术的一个发展情况，在早期的时候呢，我们用的最多的还是人工解议，也就是说我们人工来判断图像上 这一块区域它属于什么地物，把它分到同一类地物中去，那这种方法呢，它的一个特点就是工作量大， 比较耗时，但是呢他的精度是非常高的。那随着我们计算机技术的发展，我们有了基于光谱计算的自动分类，那这种呢就是基于向源的一个亮度值来分析，这个向源的亮度值在一定的范围内 就可以将它分到同一类低物中去，这种呢就是常用于中等分辨率的一个影像的分类。那接下来呢，有基于专家知识的决策术分类 这种分类方法呢，它不仅能够利用像素值的这个信息，还可以利用多元的数据信息，比如说可以把 d m 也引入到分类的过程中去，或者说其他的已有的 土地利用现状图等等，都可以引用到我们分类的过程中，也就是他可以使用多元的一个数据来进行分类。那随着影像的发展呢， 高分辨率的影像越来越多了，那这个时候在基于用像元去分类的话，意义就不是特别大了，那我们就发展出了这个面相对象的这种特征提取技术，就是先用影像的分割，呃，这种方法呢，就是先将影像分割成一个一个的对象， 那么在一个对象中呢，他就有一个，在一个对象中呢，就有很多个象源，那每一个对象他都具有一定的属性，那利用属性的一些规则，再将每一个对象划分到某一地物中去，这种方法呢就是地物的识别，再将每一个对象划分到某一个地物中去。 那这种方法呢？它主要呢是应用于一些微量元素的繁衍，比如说我们用肉眼无法判断的一些地物，比如说我们用肉眼无法判断的一些地物含量，比如说我们地表的温度是多高， 大气中的气溶的含量是多少，或者说水域中叶绿素的浓度是多少等等。这些我们用肉眼没有办法去判断，那么我们就可以用繁衍的技术来将它用模型解算出来。那在这个分类的基础之上呢，我们还可以做变形的一个监测， 这也是一种分类，也就是说提取出发生变化的那一部分地物的信息。那最后一种是我们的地形信息的一个提取，他是利用我们光学影像可以从立体相对中获取地形的一个信息。 那以上我们就介绍了分类技术的一个发展，以及各个方法的一个应用的方面。那下面我们来主要看一下基于光谱的分类方法，也就是我们所说的非监督分类和监督分类，那么非监督分类呢？它这两个分类方法的区别， 那就是有没有分析，有没有训练样本，如果没有训练样本的话呢，称为分监督分类，他使用了算法对影像上的光谱信息进行了自动的聚合，那聚合之后呢？每一类到底是什么地务，需要我们后期人工来判读。监督分类呢？就是在我们分类之前， 先用我们人工知识为影像上选择一些样本区域，样本区域的位置呢以及样本区域的第五类型。先用我们人工知识为影像上选择一些样本区域， 选择我们样本区域的位置以及样本区域上的第五类型。然后呢再进行选择分类器，也就是用不同的算法来将其他的一个区域分到不同的样本中的这个过程，那这个呢就是监督分类。那无论是非监督分类或者说监督分类的话，他们都属于基于光谱的分类方， 也就是基于像素的灰度值的这种分类方法。因为非监督分类比较简单，我们就是可以直接自动的来进行，我们主要了解一下监督分类的过程， 这个是监督分类的一个流程图。首先第一步拿到影像之后，我们要进行人工的一个判别，来判别这个影像上有几类地物，分别是哪些地物，比如说有水体、 房屋、耕地、林地等等。不同的地物呢，需要我们人工判读。通过人工判读呢来确定我们要将这个影像划分为哪几种地物 之后呢，就开始了我们样本的一个选择，选择一些样本对应的每一类的地务，那有了样本之后呢，我们根据样本和分类的算法，包括比如说最小距离法， 最大自然法，这些都是分类的一些算法，我们称为分类器，选择一个算法，然后对其他未选择样本的区域进行分类，分到不同的这个类别中去。 那分类之后呢，因为有一些小斑块的存在，那么我们要做分类后处理，那分类后的精度如何？我们需要做结果的验证，所以呢整个这个呢就是监督分类的一个流程，下面呢我们就以 landscent t m 数据为数据员，我们来学习监督分类的整个流程。首先呢，我们打开 nv， 打开我们的一个影像数据， 对影像进行一个拉伸显示，那这个数据呢，我们可以 换一种波段的组合方式，我们在左边数据图层这边右键点击 changergb band， 我们用五四三组合方式来显示，点击 ok， 在当前的这个显示窗口中，我们百分之二的一个拉伸方法。好，在当前的显示窗口下，我们应用一下百分之二的一个拉伸方法好，这样我们能非常清晰的看到整个区域各种地物，根据流程来进行第一步类别的定义和特征的判别。 那我们看到这个区域中间部分非常鲜绿色的整齐的这些地块，这些呢是耕地。其次呢在左侧上侧有山区，山区里面呢是林地，这些深绿色的是林地， 那耕地，林地已经两种地物了。我们再来看在一些平地上，有一些比林地颜色更亮一点的，那这些呢，我们可以把它归为草地或者说灌木这一类，就是在非山区 部分平地上边缘，这有一些绿色，他可以是草地，那还有白色的，白色这种呢就是我们的一个沙地，因为他的反射率非常高，属于沙地，还有一种裸露在地表的 这些区域呢，没有种植任何的植被，或者说做一些建筑，那这些呢，我们可以称之为裸地，这样话呢，我们中间还有一条水系，大概呢把这个影像通过我们刚才的判读，我们就可以分为五种地物类型，分别是耕地， 林地，草地，灌木，沙地以及裸地。那这个水系呢，它比较细，我们可以分出来，也可以不做区分，可以归为其他这一类，因为还有一些我们也没有办法判断到底是哪类地物，或者对于我们的分类结果影响不大，可以将这些 选为其他。第五，那现在完成了第一步类别的定义之后呢，我们来进行样本的选择，好样本的选择呢，我们是通过感兴趣区域的选择来完成的。那在这个影像上呢，我们 新建一个感兴趣区，那么在这个影像上呢，我们新建感兴趣区，在在影像上点击右键 new bridge of interest， 点击好，我们新建这个感兴趣区，打开了一个 lr 白的一个选择面板，在这个面板中，我们先根据类别对第一类进行一个命名，我们可以先写零地，我们可以修改 li name 为零地，然后 li color， 我们可以选择深绿色， 好修改，好好修改完类别的名称和颜色之后呢，我们来进行零 d 样本的选择， 那 l i 呢？提供了一种一，第一个是 point， 就是默认的，也就是我们绘制任意的多边形。 第二种样本的形状呢是矩形，我们可以绘制矩形。第三种呢是圆形，还有现状感兴趣区和点状的感兴趣区，那么我们采用绘制任意多边形的方法来绘制，那这个时候我们鼠标在一道图图像 上的时候，就会变成一个十字的形状，可以进行样本的绘制。你可以放大到某一个区域，用鼠标的滚轮去放大，或者用上面的这个放大和缩小工具来放大。按住鼠标左键，按住鼠标左键来绘制多边形的第一个点，然后依次按住鼠标左键 来绘制我们的一个区域， 比如说这个样本，我选择结束之后呢，我们点击右键选择第一项，就是接受了该样本绘制完成。好，这是第一个样本， 那我们每个样本呢，我们需要选择多个样本，那么在每一类样本呢，我们需要选择多个样本，也就是说林地我们可以多选几处作为林地的样本，那我 们再选择第二个零的样本，样本的分布呢，要尽量的均匀在影像上各处， 那好，那由于时间关系，我就不选择更多的样本了，我们来选择第二个样本的选择，那这个样本选择之后呢，我们可以关闭，如果关闭了之后想再打开它，可以 在左侧 lamine 这里面对这个样本进行双击，就打开这个 r o i 的这个面板了，那么我们来新建第二类样本。第二类样本的新建有几种新建的方法，在影像上可以点击右键 new r o i， 这是一种方法，也可以呢，在 上一个 li 的这个面板里，在这个几个呃按钮中，点击第一个 newli， 也可以新建，你还可以呢，在 左侧蓝牙 money 这里面，在图层上面右键 new newry。 那第二类样本呢，我们可以选择耕地这个颜色，也可以进行修改，用一个鲜艳一点的绿色来表示。 同样呢，我们也是用任意多边形的形状来绘制耕地的样本，那选择耕地的区域， 注意，在样本选择的时候，要尽量选择纯净的，像圆，不要选择特别的大， 让它均匀的分布 好。我选择了几个耕地的样本，同样的方法，在新建一个 l i new l i， 我们可以选择裸地， 将落地的样本选入， 那我们可以再新建一类样本，选择 沙地。 那么最后呢，我们可以再新建一类，选择草地， one 这些边缘，去这些边缘处的非山地地区，选入这一类的样本。 好，这个过程呢，就是样本的一个选择，当然你还可以再新建样本，再选择更多的类型的地物。好，这里就不做操作了，那下面呢，我们来看一下。 当选择样本之后，有时候你需要对样本进行编辑，那么我们来介绍一下样本的编辑。首先比如说我想修改一下样本，比如说我用林地打开林地，在林地 li 上双击， 比如说我要编辑林地，我们在林地这个样本上双击，使这个样本呢到这个可编辑的一个状态。然后呢，在这类样本里面，我们选了四个，有四个样本，那第一个，第二个， 再点击向右的这个箭头，就是 go to left record， 就可以看到我们的几条记录，那你当前选择的这个记录呢？就会在我们图像显示窗口的最中间来显示， 比如说我对这个记录，那么通过沟通这个键呢，我们可以找到我们刚才选择样本的位置，比如说我现在找到第四条记录，放大到这个记录，我想对他进行修改。那在这条记录上，在这个样本 上点击右键 edit record 就是编辑，点击一下，好，这个时候这个多边形的各个角点就显示出来了，嗯，可以对它进行形状的一个调整好。修改好形状之后，可以点击右键 accept point， 这个是第一种方法 做形状的一个修改。第二种呢就是可能这个样本我选的不满意，想去删除，可以在样本上点击右键选择 delete record 就删除。那我想新增样本，新增样本可以再绘制重新绘制一下，重新用鼠标绘制一下。 那所以我们看到一个 r y， 一个样本， r y 样本中呢，可以包包含有多个多边形，比如说在这个 r y 里面我们有四个多边形，那这个呢？是样本的选择以及修改和编辑好。

n v 图像预处理之一，辐射定标首先打开 n v， 在上方菜单栏选择 flobax、 chinasaplax 高分一号， 接下来选择高分一号 pns 传感器多光谱数据，点击打开加载数据， 在上方工具栏点击诺萨普按钮，十指北针正北。 接着在工具栏点击 dot mane 按钮，打开数据管理对话框，可以看到影像一共有蓝绿红净红 四个波段。 接下来进行辐射定标，在右侧 tobox 选择 redomx 这个 倒数第二个工具， redow matet 卡雷布瑞犬辐射定标工具， 双击打开工具， 在 dotasex 对话框选择高分一号数据， 弹出辐射定标参数，设置对话框。其中卡列 boysntypep 定标类型有 redis 辐射亮度和 flax 发射率。 otplant f 图像存储顺序由 bsq 按波段顺序存储，必要按行顺序存储，必不按向原顺序存储。 otprot beat toip 有 flot 服点型、 double 双精度、 nt、 无符号整形、 skel f g 所放技术默认唯一 这些参数的设置，直接点击下方的 opple flaxcet 按钮进行自动设置。 卡里布瑞森太普定标类型 f i 是大气矫正需要的类型为瑞典。四、辐射量 otplant f 图像存储顺序 f i 是大气矫正所需的类型为 beyo oppodd 他太普 fls 大气矫正所需类型为 flot。 skel fex 缩放系数为零点，一会自动将辐射亮度单位转换为 fls 大气矫正所需要的亮度单位， 设置辐射定标输出结果路径文件命名，复制上一步文件名 粘贴添加瑞典， 点击保存， 点击 ok 执行辐射定标。 辐射定标完成之后就得到了辐射亮度数据， 在 dotammiz 中就可以看到定标后的结果。

选择我们的高光库反射率数据，点击 ok 就打开了我们这样的一个界面， 那在这样的一个界面中呢，我们可以去选择三种植被指数参与分析。首先呢是选择我们的绿度指数，优先选择窄度， 优先选择窄带绿度指数，还可以设置我们的一个最小绿度指数，这里我们设置零点二，这里我们设置成零点二，那么低于这个值的区域呢，他就不参与计算，会被研磨掉。下面这个呢就是选择夜色素指数，我们保持默认就好了。 然后下面是要选择灌层水分含量指数或光利用率指数，我们也是保持默认就好了。最后呢就是给他一个输出的文件铃木 健康分期，然后点击他就在分析了，嗯，结果呢是以 nv 分类结果的格式输出的，我们可以将它打开， 可以看到就是这样的一个植被分类的结果，那他根据森林的一个健康程度呢，一共是分了九类，我们可以在这里去勾选不同的一个，去查看不同分级的一个结果， 那么数字越大呢，就代表我们的铃木越健康，你可以看一下就是我们这个红色区 绿的我们把它关掉，这样看着会更明显一点，就是我们红色区域的这部分铃木他是最健康的。好，下面我们来看下一个工具，农作物斜坡，那下面我们来看下一个工具，农作物斜坡，使用农作物斜坡工具呢，就能够创建农作物斜坡的一个空间分布， 因为干旱的农作物呢是不能有效的利用蛋和光能的表现为胁迫，较高，而健康生长的作物表现为较低的胁迫，那我们就能够从胁迫途中去判断适合农作物生长的区域。 这个工具呢是可以用在精确农业分析，那我们农作物协作工具是用绿度、光利用绿灌成氮含量，叶绿素灌成水分含量这几种只被指数来进行分析的。 那接下来呢，我们就实际的操作一下，还是在这个文件夹下。第一个工具就是我们的农作物胁迫工具，我们双击双击打开后选择我们的高光铺发射率数据，点击 ok 就打开了我们这样的一个面板，那在这个面板里呢，是可以选择三种植被指数参与分析的。首先是选择绿度，那我们还合上一个一样，我们优先选择窄带绿度指数，这里也给他设置成零点二。然后第二个呢就是灌成水 和惯成蛋，我们这里呢按照默认就好了。最后一个是光利用率或叶绿素指数，也是默认，然后选择我们的一个输出文件，当然这些所有的一个设置的话呢，你都可以根据你具体需要做的一 分析来进行相应的修改，我们这里呢就都按照默认了，那我们这里就是农作物胁迫，我们打开，然后点击 ok， 他就输出了。 同样的我们这个文件它也是以 n v 分类结果的一个格式输出的，我们这里点击 open， 将我们的这个农作物胁迫的这个文件打开 好，我们就可以看到他也是分了九类，那么数字越高呢，就说明他的斜坡性越高，他的一个植物长势就会越低 啊，我们可以看到这个红色区域的话，就是不太适合植物生长的，我们的黑色区域黑色、 灰色、蓝色、浅蓝色这一片区域的话都是比较适合植被生长的，然后我们这个绿色浅绿色也还好。接下来我们介绍我们的第三个工具，易燃性分不分析工具。 那主要呢就是创建某一区域植被易燃性的一个空间分布图，主要是运用在森林规划，也可以用它来分析成交混合区的一个火灾风险。通常我们这个高易燃区，它都是干燥或者干旱状态下的植被构成的，它的含水含量非常少，那我们就可以通过 绿度、灌成水分含量、干旱或碳衰竭这三个植被指数来判断我们的一个易燃性。我们的工具还是在这个文件夹下选择第二个选择我们的文件，点击， ok， 这里呢我们可 可以看到他还是三类植被指数。首先我们选择绿度，这里选择窄带，绿度指数 最小值零点二，然后这里呢他就是灌成水分含量之数，我们默认这里的话呢是干旱和碳衰竭，我们默认就可以了啊，如果你这里有一个对应的选项，你需要去修改的话，直接修改就可以了。这里我们设置一下我们输出的一个位置，给他命名易燃性分析。 好，我们点击 ok， 他这样就慢慢的输出了，同样的他也是以分类结果的方式输出，我们打开来看一下， 他是分了九类，我们的数字越高，他的一个依然性就越高，这里看一下 就是在这些区域它的一个依然性都是比较高的，那下一个工具呢？就是植被抑制工具，植被抑制工具呢主要是利用影像的红波段和近红外波段，从高光谱和多光谱影像中移除或减少植被光谱信息， 对影像进行植被变换，那我们经过处理后的影像就能更好的或者地质以及城市地物解议的结果，我们可以用植被意志的结果来做定性的分析，他一般呢就是用在地图地质制图上， 那我们打开我们的一个数据，我们这个的话就不用我们现在这个数据了，我们重新打开一个新的数据， 我们重新打开的数据呢是我们软件自带的一个数据，在我们的目录下，在我们的安装那我们会用到我们 nv 自带的一个数据，在我们的安装目录下， 在 n v 五点一，然后 classic data， 然后选择我们的一个数据 打开 好。打开后呢我们来看一下职位移植工具，是在我们的光谱下，是在我们的波普大文件夹下，在我们的这个小文件夹下最后一个，然后双击 进入到这个面板，之后我们选择好我们的数据，点击 ok， 设置我们的一个输出路径即可， 这里我们还是对它进行一个命名， 我点击 ok， 他就进行输出了， 在我们的主面板下呢，我们去给他进行一个两个面板的这样的一个显示， 然后我们两个数据的话呢，分别都用 我们的假彩色去进行一个， 那么就能看到很明显的一个对比，这样我们植被被一直处理后，基本上就没有植被的一个光伏信息了。那么以上呢就是我们植被分析的 工具的一些讲解，那么本节课主要是了解了植被波普的一个特征，学习了指数的一个计算， 就是我们的一个纸杯计算器去进行计算，然后学习了四种纸杯分析工具的一个使用，我们可以根据我们需要达成的一个效果来选择对应的一个纸杯分析工具去进行分析， 整体的话是偏流程化的一个工具，也是比较简单的，大家都可以去学一学。那我们本节课就到这里了，大家再见。

大家好，欢迎大家收看本节的视频教学内容，图像裁剪。图像裁剪是将研究区之外的区域进行去除，常用的方法呢有按照行政区划边界或者自然区划边界进行图像的一个裁剪。 在基础的数据生产中呢，还经常要进行标准分幅裁剪。在 nv 中，图像裁剪可以分为，在 nv 中，图像裁剪的过程可以分为规则裁剪和不规则裁剪。 规则裁剪是指裁剪图像的边界范围是一个矩形，这个矩形获取途径可以包括行列号啊，通过左上角和右下角两点的一个坐标，图像文件， ioi， 史料文件等等。 而不规则的分幅裁剪是指裁剪图像的边界是一个任意的多边形。任意多边形呢，可以是事先生成的一个完整的闭合的多边形区域，也可以是一个手工绘制的啊，多边形 也可以是 nv 支持的史料文件。那么针对不同的情况呢，可以采用不同的裁剪过程。在下面学习中呢，我们将在 nv 中为大家详细的讲解一下操作步骤。如何进行规则的图像裁剪，又如何进行不规则的图像裁剪。 我们所用到的数据呢，有 t m 以上数据和一些使量的数据。我们将有两个大的练习，一个练习呢是进行规则的图像裁剪，还有一个练习呢，是进行 不规则的图像裁剪。在不规则的图像裁剪中呢，我们又分成两个内容，一个是手工绘制多边形来确定裁剪的一个区域，另外一个是通过外部的实量文件来获得裁剪区域 来进行图像的一个裁剪。好，下面呢，我们来进入到 nv 中学习具体的一个操作步骤，打开我们的一个 nv， 以 tm 影像为例，再 feel open 里面打开我们要用到的一个数据是我们的 tm 数据，北京 tm 数据，好，我们对它进行一下线性拉伸，我们可以看到这是我们一个 北京区域的 t m 影像。首先我们第一个练习是进行规则图像的一个裁剪，在 feel save as 保存为 这个选项中呢，我们点击，我们进入到了一个文件选择的一个面板，打开右侧的裁剪区域， 我们可以对裁剪区域进行编辑，我们可以看到在这里显示了行列数，像素值等等一些信息，那么我们可以有多种方法来确定裁剪区域，我们可以选择 通过现在的可视窗口中显示的区域来进行裁剪，也就是说在我们 这个窗口中所显示的图像范围，我们来进行一个裁剪，也可以呢通过外部的一个文件来进行一个裁剪，然后也可以呢手动的来选择一个裁剪的区域，也可以对 去进行移动或者是拉伸改变大小等等，也可以在这里通过直接输入行列号改变像素值的大小来确定裁剪的一个区域。总之呢，无论通过什么方法 在红框内的为我们所要确定的裁剪区域，也就是我们要保留下来的研究区域，当选择好了之后，我们就可以点击 ok， 当然这里是对我们裁剪的一个空间范围内的一个裁剪，当然我们也可以选择我们的一个输出的波段， 那这里我们就不进行修改了，直接单击 ok， 那这个面板呢就是进行文件路径输出以及文件名的一个设置，这里的 输出格式呢，我们就选择默认的 n v 的一个格式，我们来为文件输出的裁剪文件起个名字， 在这里我把它命名为 t m 下划线点 m g， 选择好输出路径后 设置好。选择好输出路径以及设置好我们的输出文件名之后，我们就可以点击 ok 来执行我们图像裁剪的一个操作。 好，我们可以对他进行一个颜色的拉伸，把这个北京这个没有裁剪过的关掉，我们就可以看到这是我们裁剪下来的一个规则形状的一个影像，那我们去掉了不需 需要的一个研究区域，去除了我们研究区之外的一个影像，这个过程呢就是规则影像的裁剪，我们把它删除移除。 下面第二个练习呢是进行不规则图像的一个裁剪。对于不规则图像裁剪的一个练习呢，我们学习两种方法， 一种方法呢是手动绘制裁剪区，另一种方法是利用外部的一个史料数据来确定裁剪的一个区域。手动绘制裁剪区，我们仍然是用北京这个 tm 音效，在图层管理器中 我们选中北京 tm 以下单击右键选择新的感兴趣区域，通过这个呢我们来绘制一个多边形。 已确定我们需要裁剪的一个区域，我们打开了一个 roi 编辑的一个面板，在感兴趣区绘制的面板中，我们选择绘制多边形，可以在图上进行一个绘制， 这个绘制的区域呢，大家可以自己选择，我这里呢就沿着这样一个边界进行一个绘制， 选好后我们右击点击第一个，这样我们就选完成了我们感兴趣区的一个选择。在感兴趣区的这个面板中呢，我们可以对他进行颜色的一个修改， 也可以对他的一个名称进行修改，也可以呢，根据需要 绘制多个多边形，绘制多个感兴趣区也是可以的， 当我们绘制了多个感兴趣区域的时候，我们这边就可以去 进行一个切换， 也可以进行一个删减。 当我们完成了所需要裁剪区域的多边形绘制的时候，可以将我们绘制的多边形进行保存，在这个 r o l 这个面板中，选择 fill c o s 保存绘制的多边形，选择保存的一个位置，那这里呢我们取名叫啊 oi e， 点击点击 ok， 就完成了我们这个多边形的一个输出。紧接着我们在 two box 里工具箱里我选择 我们感兴趣区，选中 supertest data from rys， 双击打开裁剪的面板，在文件输入的对话框中，首先选择带裁剪的的图像， 点击 ok。 在利用感兴趣区进行多项裁剪的一个面板中，我们要对以下的一个参数进行一个设置， 首先我们要选中我们要裁剪的这个范围，就是我们刚刚绘制的这个感兴趣区，然后将这个选项改为 yes， 然后背景值设为零。 最后呢来选择文件输出的名称以及路径，然后这些参数都设置好之后，我们点击 ok 来进行我们的一个裁剪，这样就能看到我们裁剪的一个结果，对影像进行一个进行拉伸，就是这样的一个结果。最后一个小练习呢，就是通过外部的一个使量数据来确定我们的一个裁剪范围。 我们仍然是打开北京 tm 这个影像，再从 feel open 食量数据中打开我们的一个食量文件， 点击哦，打开好，我们可以看到这就是我们刚才打开的一个时亮点 ssp 文件。于是呢，我们将待裁剪的 tm 影像加载了时亮数据进行显示在 top boss 工具栏中。呃，打开我们刚刚打开的这个工具， 然后选择我们待裁剪的一个影像。 这时候呢，我们选择参照的感兴趣区为史量 s h p， 点击 mask ok， 设置背景值为零，然后选择输出的文件，以及设置它的一个输出的名字和路径。 最后我们点击 ok 来完成外部数据。通过外部的数量数据来对 t m 影像进行影像裁剪， 可以看到他的工具条刚在右下角。很快呢，我们就得到了裁剪的一个结果，我们对他进行一下线性的拉伸， 可以看到裁剪出来了。通过本节课的学习呢，我们掌握了图像的裁剪在 nv 中的基本操作方法和操作流程，学习了规则裁剪和不同情况 下的不规则图像裁剪的流程。也学习了 nv 中图像裁剪的工具，例如在 open save as 里的裁剪工具和 two box 工具栏里的一个工具。以上就是我们本节课的内容，谢谢大家。

大家好，我们本节课讲一下图像的自动配准。在实际的数据生产中，我们经常会遇到这样一种情况，同一地区的图像或者相邻地区有重叠区的图像，由于几何较真误差的原因， 重叠区的相同地物不能重叠。这种情况对图像的融合、图像镶嵌以及动态监测等应用会带来很大的影响。遇到这种情况，我们就可以利用重叠区的匹配点和相应的计算模型进行精确的配准。 图像配准呢，就是将不同时间、不同传感器和成像设备，或者不同条件下受天气照度、摄像位置、角度等等在 在这些条件下获取的两幅或者多幅影像进行匹配叠加的过程。本节课呢，就学习使用 image registration workfill 对两对两副 几何位置有偏差的影像进行配准。这个自动配准的工作流呢，它是自动、准确、 快速的影像配准的一个工作流，它可以将复杂的参数设置步骤集成到一个统一的面板中，在少量或者不需要人工干预的情况下，就能够快速并且准确的实现影像间的一个 自动配准。这个工作流呢，进行图像自动配准的特殊步骤如下，首先我们是要选择图像配准的一个文件， 之后生成太点，然后检查太点和带配准的图像。最后一步，输出我们图像配准的一个结果。我们在 nv 中进行的练习呢，包括一对相同分辨率、 不同成像时间的数据，也包括一对不同分辨率、相同成像时间的全色和多光谱数据。下面呢，我们就在 nv 中来实现具体的一个操作。首先我们打开 nv 对于图像配准的工作理由呢，它需要有两副影像， 其中一幅呢是基准影像，另一幅是带配准影像。其中基准影像必须包括标准的地图坐标或者 rpc 的信息，不能只是像素坐标，或者说是 有坐标，没有投影信息等等，或者是伪坐标等等。而带配准图像则没有这么严格的约束，但是如果没有坐标信息，则需要手动选择至少三个同名点。 如果说在输入的两幅数据影像中啊，某一个具有更高的定位精度，或者说某一幅图是正式影像，那么最好用这个影像来作为基准影像。 整个图像配准的流程包括选择图像配准文件，生成太点，检查太点和带配准的图像，到最后的输出图像配准的一个结果 都是在这个工作流程化的一个操作面板中实现的。下面我们先来看一看第一个列， 练习对于相同分辨率的影像进行图像配准。我们所用到的是有一定重叠区域的，已经做过了几何校正的 sport 影像为在 fail 中 open 中 打开我们的 sport， 选择这两个文件，点击打开 加载影像。首先来观察一下这两幅影像，进行一个色彩的拉伸显示， 那这是图一，这是图二。打开这个小窗口， 我们来观察一下，可以看到这两幅图呢，其实还是有很大的差异的，他在重点区域呢，并没有完全的重合，所以呢需要更精确的配准来解决这个问题。在右侧的工具栏中， two box 选选择几何校正里面的配准，打开有一个配准的工作流，我们双击选中 打开这个工作流的一个面板。首先第一步呢就是加载选择图像配准的文件，基准影像呢，我们 选择影像零一， 而带喷准的影像呢，我们选择零二，然后这里也可以去查看一下我们影像的一个信息， 点击， ok， 这样我们就选好了图像配准所需要的文件，点击 next， 进入到下一步 生成太点的步骤。在本节的练习中呢，对于工作流中参数的设定，我们基本上按照默认来设定， 这样可以满足大部分图像配准的一个需求。在生成钛点的这个面板中呢，有三个小面板， 第一个面板我们可以看到他有许多的参数。第一个呢是自动生成太点的时候所需要匹配的算法，这里呢提供了两种算法，第一种呢是一般用于形态相同的图像，比如说都是光学头像的时候。 第二种呢算法的匹配呢是一般用于不同形态的图像，例如说光学图像和雷达图像之间，热红外与可见光之间等等。这个参数呢是指最小太点匹配的一个匹配度。遇值， 当自动找点工呢，会给找到的点计算一个分值，分值越高呢精度越高，嗯，当找到的太点低于这个分值的时候， 也就是说低于这个预值的时候，他就会自动删除，不参与交政，那这个预值的范围呢是零到一之间，在这里我们就按照默认的零点六。 下一个呢是我们的一个几何模型，这里呢提供了几种过滤肽点的几何模型，不同的模型适用于不同类型的图像， 以及呢，需要对不同的参数进行一个选择，例如我们按照默认的选择了第一个几何模型的时候呢，我们要对他的一个 transform 的变形来选择一个方法， 也要对他的每个连接点最大允许的误差这个值进行一个设置，这个 值越大，保留的态点越多，那可能相当于精度就越差。在这里呢，我们按照所有的都按照默认的来设置，我们再来看一下， 我们再来看一下。第二个面板中，我们可以看到这个按钮呢，是将配准图像和带配准图像进行一个切换，切换的一个显示 在这个面板中呢，也可以实现对太碘的毒入和添加删除等等。呃，当有这么两种情况的时候，需要去手动地选择 cti。 呃，第一种情况是 dependent 图像没有坐标信息，则需要手 选择三个同名点，也就是这里的种子点。第二种情况呢，就是当基准影像或者带胶枕影像质量非常差，比如，呃地雾变化比较明显的时候，那么也需要手动的去选择几个泰迪， 这样呢可以提高自动匹配的一个精度。那在这里呢，石 otable 是指种子点的列表，当生成了太一点之后呢，我们就可以通过石 otable 来查看种子点的各种数据， 那这个呢，是添加和编辑种子点，这里呢，选择生成种子点的一个个数， 然后通过这个小按钮呢，我们也可以加载已经已有的一个太点的文件。第三个选项呢， 在这个面板中，我们可以进行波段的一个匹配，对太点的数量呢进行一个拟生成，以及匹配和搜索窗口的大小等等匹配的方法的选择等等。他是指基准影像的一个配准波段。第二行呢是指 带配准以上的一个配准波段。好，这里呢他是说所需要的太点个数，那这个太点的个数不能小于九。 这里呢是指搜索窗口的一个大小，这个搜索窗口的大小是要大于匹配窗口的一个大小啊。然后下面这个呢，就是我们匹配窗口的一个大小，这个窗口的大小会根据事物图像的一个分辨率自动调整的，自动调整到一个默认值。 而搜索窗口的大小呢，必须大于匹配窗口的大小，而搜索窗口的大小数值越大，找到的点呢就越精确，但是需要的找点的时间也就越长。最后这个参数选项是指找点的算法 的算法，他的精度呢，最高，速度最慢。在这里呢，我们基本上是按照默认的所有的参数，基本上能满足我们对于这个图像自动配准的要求。然后点击下一步， 进入到第三步，检查态点和带配准图像这个步骤中。 同，同样呢，跟上一个操作面板的第第二个小窗口比较相似。这里呢是配准影像和带配准影像的一个显示的切换按钮，然后 sotable 中呢，罗列了出了自动生成的态点， 那么这里有太点的一个个数六十七个，在这呢，我们可以看到种子点，也就是说同名点，它具有编号， 而且在基准影像中，他是用紫色的颜色来标记，在带配准图像中他用绿色 来标记。在收 table 中，我们打开可以对这些泰点进行编辑，那么每个点的 id 呢， 就是在图中他所代表的数字标号，这是相一致的，我们在收胎宝中点击就可以找到在图中的这个点，而收胎宝中可以对太典进行一个编辑， 在最右侧这一列是每个太点的一个误差值，在 l 上点击右键选选择一个排练方式，我们可以看到他按照误差的大小来进行排列，在这里呢，我们可以直接删除误差较大的点， 也就是二号点，我们刚刚删掉了，然后一号点进行一个删除，然后一直对他进行一个删除，直至说我们下面的一个误差 小于一，现在我们的误差是属于小于一的一个情况，这就说明配准的精度还可以。 下一个呢是配准的一些选项，对于他配准的一个矫正模型，我们选择的是多项式，然后他有一个仿设变换多项式的选项，还有一个去三角网的选项，那么默认他的纠正模型是多项式 重采样方法呢？我们选择最高级别的三次卷机，背景值设为零，输出的像圆大小呢，我们是设为带配准的影像的大小。 设置好这些参数之后，我们就可以 点击下一步了，当然也可以进行一个滤预览，点击预览就可以，也可以直接点击 next 进入下一。 那么最后这一步呢，就是设置输出图像配准的一个结果，比如说设置输出文件和太点文件的一个输出， 配准文件呢，可以保存为 nv 的标准格式或者 tf 文件，我们这里呢就保存为 nv 的标准格式。然后泰点呢，也可以可以保存成二进制的一个 文件，我们在这里可以选择我们的一个输出文件位置， 点击 finish 完成图像的一个配准，并对结果进行一个输出，那么我们的一个进度条呢，是在这里的一个右下角进行显示， 这时候呢我们就可以对配准的结果进行一个检查，打开我们这个小窗口， 因为我们是用零一文件进行配准的，所以我们显示和零一文件进行对比，这样是不是就可以看出来，基本上我们配准的一个效果还是非常满意的，那么重叠区域的 地形也基本上重合在一起了，那么这个小练习呢，就是针对相同传感器的图像，不同的成像的时间来进行这样的一个呃图像的配准，自动配准的这样的一个流程。 那么我们下面的一个练习呢，就来学习针对不同分辨率的图像怎样进行配准。我们首先把刚才打开的影像数据全部清除掉， 然后 feel open 打开我们多光谱与全色的一个数据， 对图像进行一个显示的拉伸 哦，我们把透明度调整到百分之五十左右， 我们可以看到有非常严重的一个双眼皮重复的这样的一个情况，这种会严重的影响到我们的一个图像的融合， 所以我们要对这两副影像进行一个精确的配准，同样是在 two box 工具栏中选择影像自动配准的一个工作流选择我们基准的影像在这里呢与全色的影 影像作为基准影像，点击 ok， 以多光谱分辨率较低的这个影像呢为带配准的一个影像，读入数据之后，点击 next， 进入下一步， 同样到了生成 ta 一点的界面，全部呢选择默认，然后点击 next， 我们可以来观察一下影像，可以看可以看到深沉的影像全部都均匀的分布在图像上，全部都非常均匀的， 然后我们在收 table 中可以观察到这些太点的一个信息，也可以对它进行一个编辑，我们可以对误差大小进行一个排列， 我们可以看到它的一个总误差呢是零点四八，是小于一的，它整体的一个太点的质量呢是比较好的，所以我们就不需要再进行修改了，直接用它自动生成的这个太点就可以了， 然后我们点击我，然后我们来选择配准的一些参数，跟刚才一样，对于重采一样呢，我们选择是三四选机， 这里我们选择的是 web image， 然后点击那当所有 有的参数设置好之后，我们点击 next， 进入到我们图像输出的结果的一个面板，好点击 finish 完成图像的一个自动配准， 那进度条刚也在这下面显示了，那么这里呢是针对不同分辨率的全色影像和多光谱影像进行图像的一个自动配准， 那么是在 nv 流程化的工具的引导下所做的一个图像的自动配准，那么他的他的基准影像呢是全色影像，所以我们可以打开我们的小窗口进行观察，首先呢对他进行一个显示拉伸，然后我们点开我们的小窗口， 就可以看到是不是比刚才看到的一个情况好的多，那重叠区域已经完全进行了重合，说明呢，这个图像自动配准的一个效果呢还是非常好的。 以上呢就是图像自动配准的两个练习哦，本那么通过本节的学习呢，我们了解了图像自动配准的目的和基本方法，也学习了在 nv 中如何进行图像自动配准的一个操作。以上就是本节的内容，谢谢大家。

我们今天学习一下 n v 这个软件的一个基本情况。首先是 n v 的简介，那 n v 呢？它是美国 ex least v i s 公司研发的一个遥感的处理平台，这是公司的一个发展历史，目前 目前的话，这个软件是拥有二十多万个用户，分布在八十多个国家和地区。那 nv 和我们 sra 的关系就是一个商务和技术合作的关系。从二零零七年中旬开始啊，两个公司就宣布了两者的一个全球战略商务合作计划， 合作主要是呃为了真正意义上的实现遥感和 g s 一体化的一个集成，从零七年开始，两家公司就 是这个最大的一个全球的 gs 厂商有这样的一个产品的合作。然后合作的主要目的呢，就是应用于遥感技术和 gs 技术的一体化集成， 也就是两个平台要进行一体化这种基层的使用，也包括我们现在很多用户他在用的时候，他不光是用摇杆的软件，他也还要用到 gs 软件。而且这个处理之后呢，比如说从摇杆平台中处理的这个结果， 要用 g s 平台下进行分析，都会涉及到两个软件之间的数据的一个互操作。 那目前呢， n v 和 g s 呢，也是为了这个摇杆和 g s 这种一体化的应用提供最佳的一个解决方法，就是在 g s 的平台下能够直接使用 nv 的功能，包括两者对于数据格式都是相互支持的，在开发上也能一体化的这种集成开发， 这就是两家公司的一个关系。然后呢我们就提我们提供了一个完整的摇杆产品的一个体系。首先呢就是 nv 的底层开发语言是 idlidl， 它是一种面相对象的这种语言 啊，主要就是用用孕育数据的一个分析，那我们也知道影像都是一些数据，用 i d l 开发，那 a d l 呢？有两个拓展工具包，一个是有数学计算，就是一些专业的数学计算函数。 还有一个呢就是做商业开发，就是数据库连接的工具包，就是这样的两个拓展模块，在 idl 这个基础上 就是用它开发出了 nv 这个软件。 nv 的这个主模块就涵盖了完整的遥感图像处理功能，就是我们之前介绍的遥感图像的处理流程，在主模块里面都可以实现，那还有一些特殊的应用需求，所以 nv 还有几个拓展模块， 其中一个就是我们的大气矫正模块啊，就是我们去除大气的一个影响，用大气矫正的工具模型，然后在这个大气矫正 模块里面提供啊。还有就是一个面相对象的这种针对高分辨率影像的这种提取模块啊，面对对象的一个提取 fx。 还有就是立体相对高纯提取模块，叫做 d m， 从立 体相对里面提取 dm 高层数据的第四个就是正式校正模块，这个拓展模块主要就是做批量的一个正式校正， 那我们主模块也可以做震慑矫正，就是要一紧一紧的做啊，主要就是这样的一个区别。还有一个是对于我们 linda 数据处理的一个模块， linda 是我们的一个激光雷达数据， 对激光雷达数据的一个处理和分析的模块，叫做 n v 雷达，最后的一个就是我们 ni ft 数据支持模块， 这个是美国官方数据格式， n i f t 格式，就是他们跟咱们不一样，咱们可能就是每个部门有自己的数据，然后数据呃的话，在美国的话，他们都是有一个统一官 方的数据的，只要涉及到数据交互，成果提交，都要用这个数据格式，这个在我们国际用的不是很多。嗯，下面的话，这些的话呢，都是对于 光学数据的处理，对于雷达数据的处理，我们有一个专门的雷达的软件叫 sasgape， 这个是雷达图像处理的软件，然后还有一个平平台是我们的一个在线处理，也就是说啊，我们这些软件， 这些都是电脑端的一个模块，这个是我们的一个在线处理，就是说可以将方案在这个平台上发布，然后进行分析，这是我们一整个的一个摇杆的产品的一个结构。下面我们来分别了解一下 这个 idl， 它最早期的这个语言的出现，呃，是被美国 nasa 用于火星探测计划得到，就是发展这个 idl 这个语言的啊，就是可以做快速开发，做可视化分析，做系统原型的一个构建， 还可以添加 nv 的这个补丁，给 nv 拓展新功能。那我们 nv 是从图像中获取信息， idea 就是从数据中获取信息，就是各种数据分析的工具，进行信息的快速的三维思维，可视化和分析。 大气矫正模块主要采用的就是一个 motion 四的这个大气矫正的模型，主要从多光谱、高光谱的影像上估算出大气的属性，并且能够有效的去除大气的情况，那除了提供这个 模型的大气矫正功能外，还提供一个快速大气矫正，就是这个能够自动的从影像上通过统计学的这种算法去算出大气的信息，并且去除掉啊，这两个就是操作很容易，然后速度也比较快，他的精度呢？ 它的精度是 motion 模型的。呃，这个是大西矫正的一个效果图，就是矫正之前这是高光谱数据， 可以看到矫正之前有几个大气吸收强吸收的这个波段都存在，对整个图像上也是有影响。那通过大气矫正后，就对于大气角，大气里的二氧化碳，水气这些吸收波段都矫正 啊，就是矫正正常，就去除掉了这些水汽大气的影响，然后整个影像也变得清晰， 这个面相对象就是 f x 这个特征提取模块主要就是针对高分辨率数据，对这种边缘轮廓比较清晰，比如说交通工具、建筑物、基础设施， 还有自然要素，包括河流啊，耕地、田地这些等等，还有云与雾来进行自动的一个提取， 然后立体相对的高程提取模块，就是我们在介绍数据员的时候，就是有很多的卫星数据，包括国内的，国外的，它都提供立体成像的能力。 这个立体相对怎么用呢？就是用立体相对的这个高成提取来提取 d m 震慑较震透 转模块，主要就是支持大范围、大区域、大范围，然后多幅影像，多传感器的一次性的震慑矫正。他最后出的结果是用镶嵌的结果输出来的 nv line 就是做雷达激光数据的一个信息提取，能够从自动的这个激光雷达数据中提取你像啊点云分类，还有电力线、电线杆、树木、桥梁等等这些信息，可以做快速的后期的建模。 这是 n i t f 数据支持模块的一个简单的介绍。然后呢是我们这个 sascape 的这个平台呢？然后呢它是构建于 n v 软件之上使用的，它是提供完整的一个数据的读取，然后 雷达数据的分析和成果的一个应用，可以根据 n v 结合使用，也能用 i d l 来扩展它的功能 啊，这个就是 n v i d l 的一个特点，我就不一一的去读了。

大家好，这节课我们来学习一下摇杆图像的几何校正。首先我们来了解一下， 在本节课中我们所说的几何校正，主要就是针对于周等分辨率的几何经校正， 那这个概念呢，就是利用地面控制点和几何校正的数学模型来校正一些由于非系统因素产生的误差。那什么是非系统因素产生的误差呢？就比如说传感器本身的高度、姿态等不稳定，地球曲率，空气折射或者地形等的影响。 总而言之就是由于这些不可预测的一些因素的影响，最后导致我们所获得的影像在几何的位置上有一定的偏差，也就是有一些几何积变的存在。那这个时候呢， 我们需要用几何金校正的方法来进行处理，那么在实际操作中呢，就是我们具体是借助一组控制点对一副影像进行地理坐标的校正，也叫图像纠正。 那么在本节课中我们来学习用地面控制点加矫正模型的几种矫正方式啊，主要包括就是由地面控制点的输入方式的不同，包括两种方法，一种呢是图像对图像，一种呢就是坐标点对图像， 就是 imagine to image 和 imagine to map 这两种方法。好，那我们首先了解一下地面控制点的一些获取途径，那这个地面控制点的实际实质呢，就是找到带矫正 图像上的点所对应真实的坐标值。那无论我们的控制点是从哪里获取的，但是他是有一点就是他要是地面 该位置真实的坐标值，那我们可以用 gps 来量，也可以从我们测绘部门得到的一些基础数据里面来获得 获取控制点，比如说四 d 产品， dlg， 第二 g， 或者说震慑影像， dom， 或者是已经进行过几何金矫正的影像，都可以作为我们获取控制点的一个途径。那控制点的数量和质量呢？我们是有一个原则，首先你在选点的时候不能选择一些移动的目标点， 要选择稳定的目标点作为控制点，比如说道路的交叉点，河流弯曲或者交汇处，飞机场啊，操场 的边缘轮廓等等不容易变化的这些地区，而且在整个的分布上呢，要尽可能的均匀的去分布，而且图像的边缘部分也要选取一定数量的控制点，那一个区域地面特征变化比较大的地方，比如说一个山区，那我们也可以适当的增加控制点。 在数量上呢，也不是说越多越好，比如说，呃，逸景 tm 的影像里，我们的控制点一般在三十到五十个左右就可以了。好，我们再了解一下所用于校正的多项式模型， 我们可以看到这样的一个公式，那有这样的一个模型，我们就可以利用矫正之前的位置去结算出我们矫正之后的一个位置，然后是我们一个最少控制点的个数，就是这样的一个数字模型。然后 呢啊，这里有点问题，他是平方啊，这里是他的平方。然后就是我们控制点的一个计算的模型，和我们误差计算的一个模型。然后下面呢就是我们的一些重采样的一个方法 啊。首先是我们的一个最近领法，在我们之前的摇杆基础知识讲解中，我们也已经讲解了这样的几个方法，我们可以看到他是比较的简单，计算量比较小，同样的他精度是比较差的，下面是我们双线心内插法，他呢相较于 呃最新领法，精度呢是有所提高，同样的计算的那个量也要也是有所提高，整个的计算量会大一些，但精度会有一定的提高，但也因为他对图像会起到拼画作用，所以对 笔度明显的分界线反而会变得模糊。下面是三次卷机内插法，这是我们目前计算量最大，精度最高的一个，所以我们日常在进行图像处理的时候，我们一般是推荐选择三次卷机法。下面我们几何金校正的一个流程。首先呢是 开始我们显示图像的一个文件，然后采集我们地面的控制点，计算误差，如果计算误差计算过大的话，我们要回到这一步，重新采集地面的控制点，直到误差合理。之后我们选择几何模型，选择重采样的输出，最后得到我们 减和交易的一个结果，整体就可以结束了。好，下面呢我们就来进行练习。 首先呢我们做第一个练习就是 imager to map 这种方法，那这种方法呢， 我们使用到的数据呢是五万的地形图，根据地形图上的信息来选择控制点来校正地形图，下面我们进行软件操作的练习。好，下面我们来进行数据的一个练习， 因为我们要去做校正，需要进行对比，所以我们今天用的软件呢是 n v classic file， open image file， 我们打开我们的一个数据， 在素材文件里四号文件数据， 我们打开一比五万地形图，然后我们打开这个泰安杠 d r g 这个 tiff 格式的文件，点击打开，并且将它显示出来。 lost r g b， 好，我们将它打开后呢，我们可以看到这样的一个地形图，这是他的一个图符号，然后这里有他的一个位置 是在泰安，这边是图例，然后在我们的下边呢，有他的一个比例尺，是一比五万的一个地形图。好，那下面我们再来看一下在地形图的图括，在图括这里是有坐标的， 比如说该点的一个坐标，它是有一个经纬度的一个坐标，也有一个公里网啊，这个五零一就是它的一个公里数，前面这个二十就是它的一个代号。 那么公里的坐标呢？有两种表达方式，一种呢前面是带代号的，像这种，然后还有一种呢就是不带代号的，也就是说没有这个二十，只有这个五零一， 哎，这又是一种写法，这种带代号的呢，我们在定义他坐标系的时候，需要选择带代号的坐标系，我们稍后会进行定义。那么我们先浏览一下他的一个横坐标，还有他的一个纵坐标， 是我们公里网格上的一个纵坐标。下面呢，我们就用 image to map 的方法来将地形图上的这个坐标读取 进来，再添加上去，使它有持这个 tiff 数据呢。 in mapper effort 信息，我们打开工具 map 下面 第一项菜单里选择 image to map 这个菜单，点击这里，需要我们去设置一下信息，因为该图像他只是一个图片，他没有任何的一个 mapping for 的信息，我们需要设置他的一个坐标系的信息， 那在这里我们用的是北京五四坐标系，找到一个代号是二十的一个代号，这里呢有一个 n 和没有 n， 这两个有什么区别呢？ n 就是不带代号的坐标系，那没有 n 呢，就是代代号的坐标系，我们刚才有看到是代代号的，所以说我们这里选择二十没有 n 的这一个坐标系。坐标系选好之后呢，我们设置 x 和 y 的一个像圆的大小， 这个项圆大小呢，经过我们测试，一比五万的地形图输入四米，那最后的这个效果呢，保证度呢是比较好的，所以我们这里将默认的三十改成四 回车，一定要摁回车，然后这里我们的校园大小设置好后，我们就点击 ok 好，进入到控制点选择的一个面板，在这个面板里我们依然可以修改他的一个坐标系，在这个圈这 里面就可以进行修改，在这里呢我们需要输入我们的五个点的一个 x y 值，那么我们先选择我们的第一个点，像这种地形图呢，他其实是没有形变的，只不过他没有坐标，我们需要给他添加上去，那么我们就选择三乘三个点，就是九和 点均匀分布的九个点来作为控制点。好第一个点，我们先在我们艾灸窗口里面进行一个大概的定位，之后再录入窗口里， 在精确的定位，用我们的一个十字丝去精确定位我们该点，之后，我们读出该点的 x y 值，因为它是米为单位的，所以我们要读公里网上的这个坐标， x 呢，我们输入是二零五零一， 因为它是公里，我们再加三个零零零零回车， y 呢就是四零零，三 零零零，回撤好，第一个控制点，坐标我们就从图中读出来了，输入进去，我们呢点击 and point 啊，这个点添加 上去，这个呢就是一号点，那我们同样的方法找到我们的第二个点，大概在中间的一个位置，那我们是读取他公里网格数的一个点，我们先看一下公里网格式的一个 变化的规律，这一个网格呢就相当于是一公里，他在这里都有标注，那我们到中间这里来看一下我们现在一麦的窗口里大致的定位， 然后再用窗口里精确的定位一下，我们看一下这个点的一个位置，可以看到他这边是十一，那这里的一个值应该就是二零五幺二零零零，爱周不变， 因为我们是在这样的一个横线上移动的，所以我们的外坐标是没有变的，然后点击 and point， 我们就将第二个 点添加成功了，然后同样的我们选择第三个点，哎，大致的选一下，然后进行一个定位，然后我们读一下他的一个公里数是二零五，二二尾撤， 纵坐标不变。 and point， 添加第二行呢，就是我们一个纵坐标的变化，我们可以看一下纵坐标是怎么变化的，四零零是四零零三，四零零二，然后四零零一，四零零零， 那么说明纵坐标他一个网格他是在减少，越往下他是越减少。一公里，好，我们选择好我们的位置，靠中间，选择好我们的一个位置，好，我们选择大概的一个位置，然后用用去精确的定位，然后这个点的他的横坐标呢？就是 我们的第一个点的横坐标，零五零一，那纵坐标呢？九九四三个零回撤，点击 point 添加，嗯，再到中间来， 位置是这样的，一个中间的位置进行一个精确的选择。好，这里的一个坐标呢？他的一个纵坐标是没有变的，我然后他的一个横坐标呢？是根据上面 和上面的是相对应的，这里就是二零五一二，然后点击 and point， 二零五一二，然后回车。

然后我们再回到这个窗口，然后我们点击 r g b 这个格式，然后底下就有 r g b 红绿蓝，然后我们选择四 三二，它会自动的选上去，然后点击我们的一个 new display， 然后再点击我们的一个 low 的耳机壁， 这个就按照四三二的一个合成方式把影像给打开了。在这个下面也是有一些拉伸的方法的，图像拉伸是在主影像窗口的这个 in house 印记，然后拉伸下面有好几种，有针对主影摄像窗口的，然后有自动放大缩小窗口的一个针对全景窗口的，我们最长 常用的还是百分之二的，这个就是提一点我们这个，嗯，恩威克拉斯可在打开的时候，它自动的就进行了一个百分之二的拉伸了，所以我们在打开的时候， 影像一打开他就比较的清晰，他目视效果就还不错。这个如果直接在阿科技斯上打开的话，他是发挥的需要手动去进行拉伸， 你们这里的话也可以点一下，然后去体验一下不同的一个拉伸效果。我们在克拉斯克里面查看 dn 值的话呢，是双击我们的一个左键，我们就打开了一个小窗口， 然后这个 data 值，这边后面的这个 rgb 就是香园的这个 data， 后面的这个 rgb 就是这个香园的一个 data 值，这里也有一个 rgb， 这里的 rgb 呢，它是一个，这是我们屏幕上 看到输出的一个值，这个呢是我们的一个 dn 值，那这个屏幕显示和我们的一个 dn 值有什么关系呢？ 啊？你看如果说我们就是在这样的一个里面，这个是二十六十九，二十，他是一个比较低的纸，他颜色是比较暗的，那而且还离得很近，这样的话我们是啊没有办法看清他的一个区别的，那我们呃进行一个屏幕上的这样的一个 嗯，拉伸之后，他变成了九十九、八十七和一百零一，他这个的数值是很大的，他就比较的明亮，然后他整体的一个观看，就是你视觉目视去 呃观看的时候他就会更加的清晰，然后这个就可以关掉了，让我们再看一下这个里面。还 比如说如果我们要打开另外一个图层的话，如果我用三二一 r g b 显示，然后我们显示的时候，这里我们要注意不要直接露的 r g b， 它会把我们直接的这个 deci 的一，它就会直接覆盖过去，这样我们就看不到了，所以我们这边就直接先建再新建一个， 新建之后再显示 low 的 rgb， 这个就是两组的一个图像，然后这两组图像也是我们可以做地理连接，在任意一副的这个里面， 主图像双口有一个 tooth， tooth 下面有一个 link， 我们因为他没有一个坐标，所以我们 jar link 可就不能用，我们只能用一个，我们的做一个像素链接在 tooth 下面的第一个 link， 然后 link display 默认就是两个窗口都是 yes， 那我们点击 ok， 这个时候它会根据像素去进行链接， 就你点到这，他会切换成另外一个窗口里显示的数据，这样可以去进行图像的一个对比查看， 也可以用按住鼠标中间拖一个窗口在这里面进行去显示，按住这样我们就可以有一个这样的一个范围像素链接的话，我们用的是比较少的像素的一个链接用的比较多的话呢，还是这样 的一个地理链接，他匹配不匹配，那这个是我们需要有那个地理信息的，这样的话我们就是可以运用他的一个像素坐标和地理坐标去对他进行一个链接。那我们要 取消链接的话，我们点击一个右键，然后 onlink display， 然后他现在就取消了，那我就关掉一个窗口，更清楚一点可以让大家看到。 然后这里的话呢也有一些头文件的信息，我们可以在图层上右键，然后 on date hander， 可以查看他的一个图文件信息，比如说行列号啊，波段数啊，然后数据的类型啊，数据的存储方式啊， 这是他的一个传感器，一些数据的说明都在这边。 在这个平台下面，如果我们要另存为的话呢，有两种方法我们分别介绍一下。一个呢是在我们这个主菜单里面 file， 然后 c o file eyes， 这有一个图像的另存为，我们可以把图像输出成这些数据格式。最常用的就是 啊舒适程 jrtf 和 tf， 可以在其他的一些软件上用，这是另存为。还有一个呢就是在主影像窗口，在图像的这个主影像窗口里面有五个菜单的这一个 fail， 然后一个 save image as， 然后这里我们可以做一下 image fail， 然后我们在这 这里面就可以在这里去进行一些令存维的数据格式，这里很多都和主菜单是一样的， 我们存成这个 gpet 格式，输出的话，我们点击这个 truth， 然后我们给它放在一个地方，然后点击 默认点击， ok， 这样我们就保存出来了，然后我们呢找到刚才我们保存的这个图像， 直接就是可以把它打开，我们可以看一下他这个色彩，就和我们在软件里看到的他是他是一样的。然后我们再用主菜单 self l a s 再保存一下，嗯，我们数三成 tiff， 然后我们点击在这个对话框里，我们将要保存的数据进行选中， 然后点击 ok， 然后它就会形成一个点 tiff 的数据 点， ok， 然后这个数据 tiff 的话，我们直接打是打不开的，这样是直接打不开的，我们借用一下 gs 来打开一下这个 tiff， 好，我们来进行 又打开， 这里有一个这样 t 添加进来， 这个就是保存出来的一个影像，我们可以看到他和 我们的一个这个我们的一个视图里的是完全不一样的， 就什么意思呢？这两种保存的一个区别是什么呢？就是说我们如果从这个主的主菜单栏里，我们去进行一个保存出来的是他的一个 最原始的影像，就是说他这些拉伸啊，他这些拉伸啊什么的，就是都没有了，就是都不显示。那如果我们从这里 主影像栏里，从这个主主影像栏里我们保存出来的这个影像呢？他就是我们的一个视图的效果，我们在主影像中看到的是什么样子的，我们保存出来的就是什么样子的。最 直观的就是说我们直接在主图像里，如果我们直直接在主图像里进行保存的话，保存的是我们的这个屏幕显示的这个 d n 值， 如果我们从主菜单里栏里去进行保存的话，我们保存的下来的就是我们的这个 dn 值，最原始的 dn 值就是你 要制图的话呢，我们可以从这个图像菜单里面去保存，如果我们要把呃图像另存为数据继续做分析的话，我们还是要去保存一下我们的这个原始信息， 要用我们这个里面的去另存为，这样出来的是我们图像的一个原始的数据，就是说如果我们是需要我们调色后处理后的一个，我们就在这里保存就可以了， 这就是我们。嗯， nv classic 的一个，打开浏览，嗯显示和另存为，然后下面我们看一下 classic 下面的一个系统，设置在 file 下面的一个倒数第二个打开，在这里也 是一样的，有些系统的默认设置，我们也是设置一个默认的输出输入的路径。 default directories， 这是我们设置输入输出数据的一个 位置。 data directory， 这个我们可以定位到我们素材的一个位置， 然后呢这个是一个临时路径啊，一般是按照他默认的，如果说你 c 盘的一个呃空间特别小，你可以改到其他盘的一个位置， 然后这个 auto decoratory， 这是我们默认的一个输出，也是可以放到我们的， 可以设置成，然后这里有一些默认的显示的一些设置，还有一些制图上的精密度网格的一些设置， 这里一般是不用改的，还有一些要改的可能就在这个综合设置里面。在这个面板里呢，我们有个 memory usage， 这里呢是内存的一个使用，这里呢我们一般是把这里是可以进行一个更改，这里是我们默认的一个处理的大小的一个，我们可以将它放大， 是可以设置成两 g 的一个内存，也就说这个值是我们 计算机物理内存的一个百分之五十到百分之七十五，这个值就是我们内存的一半或者四分之三，可利用的一个内存多少直接就决定了我们图像处理的一个效率。这下面有一个 这个我们一般普通的机器不要超过四，这里设置四就好了，这是分块的一个大小， 第一个是内存的使用，第二个是分块的大小，这两个都是跟计算机的一个硬件有直接联系的，如果你内存比较大的话，就可以设置的比较大，那如果你内存比较小的话，就尽量还是小一点， 如果分块过大，可能会给你输出那种内存不够的一个提示。这边改成四，这里就是我们 最后的一个，这个 nv classic 下面的一个综合设置，有一个内存使用的这个缓存大小 可以设置为物理内存的百分之五十到百分之七十五，还有分块儿大小不可以超过 c m， 这样设置是比较安全的，是比较稳定的一个设置。那我们设置好之后呢，点击 ok， 然后会弹出是否保存，点击是 它会更新这个 nv 点 c f t 的文件，它会给你显示它要更改这个数据， 这样的一个数据写我们这些就默认什么都不用改，然后直接点就 ok， 他会提示他要覆盖这个文件，我们点击是然后 就可以了，我们就完成了我们的一个技术设置，然后你可以再点击 open image fire， 你看它是不是打开我们默认的这个路径，这个就是 nv classic 的一个设置。

前面呢我们讲的都是一些遥感和 n v 的一些基础的知识，相对来说是比较枯燥，那下面我们就实际的进入到软件的一个学习。首先呢我们介绍一下 n v 安装之后的这个目录， 大家可以跟着我一起操作。首先我们介绍一下 nv 安装之后的这个目录，大家现在可以跟着我一起操作了，我们这个 nv 按照他默认的路径之后安装完之后， 他的一个目录是在 c 盘下面啊，大家可以找一下，找一下在 c 盘的下面 有一个 program files， 然后找到我们的 一个，然后找到我们的一个 x lease 这个文件夹， 然后我们安装完之后呢，我们在这个 c 盘里就会生成这样的一个文件夹，然后这个呢是我们的一个许可的文件，我们进入到 nv 五点一， 就是我们安装完 nv， 他会自动安装这个 idl， 我们进入到这个五点一的这个文件夹， 然后这个就是 n v 五点一的一个目录结构，然后我们这每一个就相应的是对照我们这样的一个结构的作用。然后 classic 呢是我们的一个经典的 nv 的一个安装目录，这个是我们过一会再介绍。然后下面有一个 custom code， 这个是我们的一个用户自定义的一个代码，可以放在里面做一些拓展， 然后 data 是我们安装完之后提供的一个测试数据，这个是我们的一个测试数据， 然后 extension 就是我们刚才有介绍到 idl 可以给 他拓展补丁，还有我们素材包里的一些常用的 nv 功能的补丁，然后这个补丁呢就是一个点 sim 文件，这个点 sim 文件可以打补丁的时候把这个就把这个点 sim 文件放在这里就可以了。然后呢我们 有一个问题，就是我们现在一个补丁都是啊以前版本的一个补丁啊，要打到这个 clask 里面，然后下面是我们的一个 g p 工具啊，这个 g p 工具呢里面就是有一个 act two boss， 然后我们在做的话，就是有一些用过阿科技斯的，就是应该不会陌生，就是我们之前如果先装了阿科技斯，再装 nv 的话，它自动检测到你电脑里有阿科技斯，他就会把这个工具包给你装上这个。 下面就是这个 gp 工具里面有一个 ac to boss， 他就是在嗯 acc 平台上有一个 nv 的一个菜单，就可以直接在 accc 平台下去操作 nv， 这个呢就是他的一个 gp 工具。我们可能有的人电脑上没有这个 gp 工具啊， 是因为它就是大家没有在电脑上安装 ac gs， 就是如果我们电脑上先装了 ac gs， 然后安装 n v 的话，它就会自动检测到你电脑上有 a c g s， 它就会把这个鸡皮工具装上去。如果没有的话呢，就是可能你先装了 n v， 然后后装 a c g s， 你再修复一下，它就会自动把这个 gp 工具装上了。然后下面就是帮助啊，还有一些其他的一些东西，我们用的比较多的话呢，还是这个 estation， 就是这个打补丁的这个地方，然后我们的这个 nv 五的话，这个一个特点呢，就是它界面有很大的一个变化 啊，就是他有两个界面，一个呢就是经典的 nv 这个三三窗口的一个界面啊，就是用过 nv 的人知道 nv 经典的一个界面，就是打开是一个工序条，然后打开图像是三个窗口这样的， 然后 n v 五的话呢？嗯，然后我们下面就是可以启动一下，嗯，可以他看到这里有一个 n v， 我们直接点击这个，这就是我们的一个 n v， 它有这个 n v 和 n v classic， 我们点击这个，这个就是经典版，这个 classic 就是经典版，这个就是我们现在的一个 n v， 你点击把这个 n v 打开， 然后这个就是 n v 五点一的一个最新的界面。第一次打开 n v 的人可能觉得没什么，可能觉得是比较正常的，但是如果说， 呃，以前用过 nv 的话，可能就是改变还是比较大，然后它是这种 windows 窗口风格的，然后呢它是有菜单， 有图层管理器，有图像显示的一个窗口，还有工具栏，这是 n v 五，那我们以前的这个老版本的 n v 呢，它就以 n v classic 进行保留，我们点击这个 n v classic， 就是我们打开可以看到这就是以前的一个 n v 的菜单，这个可能第一次接触的话就是觉得挺奇怪的，找不到它，打开找不到地方，它上面就是一个一个条 啊，那我们作为用户呢，你就是你比较习惯哪一种？你如果习惯经典的话呢，就使用经典这种菜单，如果你觉得这种比较 那个的舒适的话，就是看着比较舒服的话，你就使用这种彩蛋，那相应的在 classic 这下面这些工具里啊，你如果就是说想在这个五点零上找，找不到的话，你就直接在这个 two box 里 去搜索，直接去搜索你需要用的工具就可以了。那我们这个课程呢，主要就是会以 nv 五点一的这个菜单界面格式去进行讲解，那我也会就是区分一下，就是如果我说我们的一个 nv， 他就是一个这样子 啊，最新的一个界面，如果我说我们的 n v 的一个 classic， 他就是说我们经典的这个界面来进行一下区分，然后我们后面的课程呢，是以呃这个 n v 来为主 进行讲解，因为如果像一些预处理，就比如说像啊几何交政这种互动性很强，你要选点改点操作交互这种很强的。我们会在这个恩维克拉奇克下面来进行 v 的这个平台呢，它更适合于影像的一个分析，包括影像的一个浏览啊提进行提取啊，会更适合， 就是一些特别复杂的一些操作，还是在这个克拉斯克里面更方便使用。然后就是在这个里面，到时候我们做的时候会提醒大家打开哪一个平台，下面我们来一一介绍，然后这个就是说到恩威克拉斯克， 然后下面我们唱还是来一介绍，然后下面就是说到我们的一 一个 nv classic 的一个目录结构。那说到我们的一个 nv classic， 我们还是回到刚才的一个系统数据下面，找到我们的一个目标目录，回到我们的一个 nv 五点一这个文件夹下，这个 classic 就在这个第二个文件夹中 点击这里面它就是 nv classic 的一个安装入镜，然后这个也是有相应的一个运行目录，就是这个里面就是 nv classic 在这个平台下提供的一些数据，然后这是不同传感器的一个光不响音函数，然后就是 help， 还有一些代码，然后就是这个 map projection， 这个呢是 nv 下面的一个自定义坐标系， 会用到这个文件夹下面的这几个 tft 文件，我们先有一个印象，这里面是可以自定义基础面，自定义托求体，在这个文件夹下面 还有一个就是 menu， menu 也是可以改的， menu 里面就是跟他菜单相关的一些一些文件，我们找到一个 n v 点 m e n， 我们可以找到这个 n v 点 m e n， 然后用记事本来将它打开，这个里面呢就是我们 n v classic 的一个菜单啊，为什么要看这个呢？就是你看这里 他的一个一级菜单，零级菜单，一级二级菜单都在这里，就是你要做汉化的话是比较方便， 就是有的人就是可能不太习惯看英文的这个界面，就喜欢看中文的界面，然后就是你可以在这里就是进行一个更改，将里面的英文替换成中文去 进行一个汉化，改正之后点击保存，保存之后呢我们重启这个 n v， 重启这个 n v classic， 我们就是可以对它进行一个汉化了， 然后这是我们 n v classic 的一个汉化，那我们呃 n v 的一个汉化是在哪里呢？啊？回到这个 n v 五点一的这个文件夹下面，在这个 resource 文件里面，然后这第三个这个文件， 然后这里面这个就是五点菜单界面，然后这里面这个文件也都是可以用记事本打开去翻译 的，然后我们回到 classic 下面， 然后是我们介绍的 menu， 然后 menu 这里有一个 n v 点 c f g， 这个呢是系统设置文件，我们在用 n v classic 的时候做一些系统设施，这是默认设置，如果我们不太熟，想要改哪个设置不确定，我们可以先把这个 复制备份一下，然后我们改掉设置之后，呃，如果说你哪里改错了，可能后面改的可能软件都出现问题了，我们就把这个文件再替换过来就可以了。然后这里还有一个 c o i 的， 这个是拓展工具，拓展工具可以放到这个里面，然后这个也是一些补丁。然后还有一个，这个是我们的一个波普库，这是做高波普分析的时候提供的一些， 呃，国际的权威机构里的一些波普的数据库，然后这个 usgs， 这就是 usgs 测的一些波普植物，动植物的波普，然后这里是标准地步的一些波普曲线， 然后这个是整个 m n v 的一个安装路径，然后我们最常用的就是打补丁的，然后还有就是自定义 坐标系的，这这样的一个地方，这是我们最常用的两个，然后等我们后面啊用多了就会更加熟悉了， 然后我们再看一下 ppt， 然后这是 nv classic 的一个目录结构。

大家好，本课程为大家详细介绍在 nv 下边进行土色正式校正的操作方法。首先我们来介绍一些背景知识，比如说为什么要进行正式校正， 因为在卫星飞行和拍摄过程中会存在一些几何误差，而这些误差主要是由以下原因引起的，比如说比利时变化传感器的姿态方位， 以及说传感器的一个系统误差，而正式校正可以消除这些误差。第一个原因就是比例尺的变化，是在所有的一个深影像中都会发生的， 像我们现在图中两个房屋的一个大小，他们的宽度都是一样的，都是八米，但是我们人眼的这个位置去看就是不一样的，但因为距离的不同，导致了比例尺的一个变化，比如说比例尺分 分别是一比四百和一比一百三十三，这就是一个非常常见的现象，而且在所有的摄影图像里都会发生，这是不可避免的，而且各个点的比例尺都是不一样的。另外因为遥感图像都是从上方往下方拍摄的，在图像的千指方向 也会有同样的一个情况，比如说同样的房屋宽度是八米呃，但是由于距离的不同，因为这个房屋在山顶，这个房屋在山脚下，也会导致比例尺的一个不同。另外一种呢， 是传感器的姿态和方位导致的误差，在这里呢，我们有三个示意图，首先一二三这三个圆锥，他表示的就是传感器的姿态或方位一号，他是拍摄是千指方向拍摄的，就是我们所谓的这个下面的这个中间的这个楼层是位于新下点，而他拍摄 效果是左上角是个一图，可以看一下它的效果。二号可以看到有一些偏差，而且是倾斜拍摄，三号 的拍摄效果单号的倾斜角度更大，这些都是传感器的姿态和方位引起的误差，那么这些误差就需要我们提供传感器的姿态和方位，把它的位置和方位这些内方位引元素进行构建来消除误差。第三个 就是传感器它本身的系统误差，比如说我们推扫式的扫描中心，它沿着一条线进行扫描，但是，但是虽然线上的点它是位于星下点，它的分辨率也是最高的， 位于扫描线两侧，与扫描线越距离越来越远，他的分辨率也就越来越低。而多项式的纠正只能针对分辨率较低的，比如说二十米或者更低一点的。而对于我们高 分辨率影像，我们一般是要用到严格的物理模型，比如说要用到 d m 原数进或者 r p c， 就是游历函数多项式进行图像的正式纠正，下面介绍一下它的使用条件。我们刚才也提到了，对于不同的分辨率需要用到不同的算法， 而对于分辨率较高，比如说小于或者高于十五米或者更高分辨率的图像呢，而且具有 r p c 文件或者参数的话呢，可以用正设校正进行几何校正，这样可以达到更高的一个精度要求。但是对于中等分辨率，比如说二十米的， 如果影像覆盖山区，而且地形起步比较大，我们可以用震慑纠正。但是对于中低分辨率的，比如说三十米或者更低分辨率的，我们一般不进行震慑纠正，除非他的地形起步非常大。下面介绍一些常见的传感器卫星的一些震慑 矫正参数，比如说我们常用常见的快鸟 wordwill 这些他们都是用的 rpc 的文件，然后 sport 系列的包括葡萄牙的数据，他们都是这种 putchbroom sensor， 还提供心力参数文件，这个 d i m 文件，然后国产数据包括资源一号，资源三号 和高分一号，这些也都是采用的 r p c 文件，而且 n v 对于国产卫星的支持，或者是他 r p c 文件信息的识别是非常好，我们可以去参考。好，下面我们来进行一个练习，那么练习用到的数据 是我们快鸟的一个多光谱的数据，它覆盖的位置呢是位于美国亚利桑那州菲尼克斯，也叫凤凰城，这个也是 nv 原厂商他公司的一个总部的位置。然 然后内容的话呢就是正式校正啊，因为在 nv 五点一和 nv 克拉斯克这两个里面做正式校正的工具呢，它是有一些偏差，有些区别的，所以我们呢就是这两个都进行一下演示。下面我们启动 nv， 这里先用到的是 nv 五点一，先打开我们的一个 nv 五点一的软件， 然后下面我们第一步呢，先打开我们的数据 file open a， 然后打开这个快鸟，然后点击一下我们的一个素材，点击这个 t i l 文件，将它打开做一下拉伸， 这就是我们代交政的影像，我们可以看一下他的一个数据情况，这里我们可以点击 data manager， 然后看在这里看一下他的一个整体的数据信息，这里面就有 r、 p、 c， 包括他的向源大小，还有他的一个波长的一个范围，支持他识别 pc 的一个信息。另外可以在这里右键 will medita， 就是查看它的一个原数据，这里有一些 mapping for 的一些信息，这里也有一些 rpc for 的这些信息，可以在这里查看到。然后有了 rpc 信息之后，我们现在就可以进行震慑校正了， 我们用的工具就在我们的工具箱里，位于这个文件夹下面，在几何纠正的文件夹下面，然后我们 nv 五点一里，所有和几何纠正有关的都在这个文件夹里，然后这个的话是在这个文件夹里，这里有构建 rpc， 然后 rpc 正式矫正的流程化工具， 然后是拓展模块，然后我们点击第二个，因为现在我们只有一个数据啊，所以它自动选择了我们的快鸟数据，所以我们选择它，然后这里的一个数据呢是我们 nv 自带的一个数据。我们 nv 五点一开始的话呢， nv 里面是自带了很多的一个数据，包括全球的一个 dm 数据，然后这个是二零一零年的全球的一个范围，然后它的空间分辨率比较低，一般情况下不到万不得已我们是不需要用它的，所以我们提供了一个分辨率更高一点的 来打开我们净度比较高的那一个，打开它，我们用这个来进行操作流程化工具的好处呢，就是这样，我们把它选择好之后，就可以进行下一步，如果我们不小心选错了，我们也可以返回再重新选，这个时候我们点击下一步， 然后他就到了这样的一个面板，然后这个面板呢我们输入的参数也是比较多的，选项卡呢，他也有四个选项卡啊，现在我们来一一介绍一下。首先 第一个选项卡就是 gcps 需要输入控制点的信息，比如说我们在实地测的一些控制点，一般控制点是用实地测量或者是从其他的参考数据里面获取，然后这里我们把应眼图打开，查看它的一个大概的位置，比如说在这里我在现场 或者这个点的位置，我们测量了一下他的地理信息或者地理坐标，然后在这里我们选中就是鼠标左键单击就可以添加一个控制点， 然后控制点列表它就有一个 g c p 一，它是这样命名的，再点一个它就是 g c p 二，右边呢它是可以修改的，包括它的一个经纬度信息。假如说我们这边呢， 测量他是一一二零七，然后这里比方说是三三 点四一，我们就可以这样去进行一个输入，当然如果有高层信息可以填进去，如果没有的话呢，他会用到 dm 的一个信息。