显示用于配准的原始多光谱影像数据，不可编辑。

勾选使用正射全色数据后可用。

显示正射校正后的全色影像数据所在的数据集，不可编辑。

提供以下六种匹配方法，可根据数据特点和需求选择。其中，AFHORP和RIFT方法支持多模态数据匹配；CASP和DEEPFT基于深度学习，需额外配置AI模型并安装CUDA环境；一般情况下，推荐使用MOTIF、CASP或DEEPFT。

• MOTIF（默认项）：一种针对多模态影像的模版匹配算法，其特点是采用轻量级特征描述符。MOTIF能克服由SAR与光学图像差异引起的非线性辐射畸变。
• CASP：一种新颖的级联匹配流程，它得益于整合高级特征，有助于降低低级特征提取的计算成本。该流程将匹配阶段分解为两个渐进阶段，首先在较粗糙的尺度上建立一对多的对应关系作为级联先验。然后，利用这些先验进行引导，确定目标尺度上的一对一匹配。^[1]
• DEEPFT：一种基于深度学习的影像匹配方法。
• SIFT：一种从影像中提取独特不变特征的方法，可用于在不同视角下的物体或场景之间进行可靠匹配。
• RIFT：一种对大范围非线性辐射畸变具有鲁棒性的特征匹配算法。它能够提升特征检测的稳定性，并克服基于梯度信息进行特征描述的局限性。
• AFHORP：一种针对多模态影像的特征匹配算法。AFHORP对多模态影像中的辐射畸变和对比度差异具有较强的抵抗力，在解决方向反转和相位极值突变问题方面表现优异。

提供线性RPC纠正模型、二次多项式RPC纠正模型和三次多项式RPC纠正模型，默认选择线性RPC纠正模型。

• 线性RPC纠正模型：适用于影像内部畸变较小的情况。此模型要求地面控制点个数不少于4个，请通过地面控制点管理功能添加控制点信息。
• 二次多项式RPC纠正模型：适用于影像内部畸变适中的情况。此模型要求地面控制点个数不少于9个，请通过地面控制点管理功能添加控制点信息。
• 三次多项式RPC纠正模型：适用于影像内部畸变较大的情况。此模型要求地面控制点个数不少于16个，请通过地面控制点管理功能添加控制点信息。

若执行生产工作流，则使用区域网平差中的纠正模型参数，且不可编辑。

指定输出结果影像分辨率的方式，默认选择原始分辨率。

• 原始分辨率：保留输入影像的原始分辨率。
• 固定值：将输入的固定值作为输出影像的分辨率。
• 自定义：根据不同卫星传感器类型输出不同的分辨率。选择自定义选项后，将弹出自定义分辨率对话框。您可以点击工具栏的添加按钮，将增加一行记录。再点击卫星传感器类型列的单元格，选择传感器类型。最后在分辨率列的单元格输入与传感器类型对应的分辨率。
  注意事项：

  • 若未找到对应的卫星传感器类型，请选择USEDEFINE选项。选择该选项后，系统将使用USEDEFINE对应的分辨率输出所有未支持的卫星传感器类型的数据。
  • 若同时处理多种卫星传感器类型的影像数据（例如ZY3、GF-2、LandSat），但仅设置其中一种卫星传感器类型的分辨率（如仅设置ZY3的分辨率），则其他卫星传感器类型的影像（如GF-2和LandSat）将使用其原始分辨率输出。

若执行生产工作流，则使用生成正射影像中的分辨率类型参数。 当生成正射影像中分辨率类型为固定值或自定义，此处的值将自动计算为4倍。