生成地面控制点

使用说明

地面控制点（GCP）是位于影像特定位置和特定目标上，具有成图坐标系中坐标信息的控制点。由于其具备高精度的空间坐标数据，因此可用于遥感影像几何校正、定位精度验证以及空间配准等处理过程中，以实现影像数据的高精度地理参考和位置跟踪。

SuperMap ImageX Pro 11i(2023) 版本开始支持。

功能入口

影像处理选项卡->几何校正组->生成地面控制点。

参数说明

输入影像类型：选择参与生成控制点影像的类型。默认为全色影像，还可根据具体影像类型切换为多光谱影像、前视影像、后视影像或前视与后视影像。
平面精度：影像平面精度决定进行控制点匹配时是否进行预处理。
- 低：一般表示影像平面精度误差大于40个像素，需要进行预处理。
- 高：一般表示影像平面精度误差小于15个像素，不需要进行预处理。
- 中：当无法决定影像精度时，选择此项，程序将自动预估精度。
误差阈值：设置影像匹配粗差剔除的误差阈值，取值范围为[0,40]，默认为5，单位为像素。阈值越大，保存的控制点越多，但增加保存错误点的可能性。
点分布方式：选择点分布形态，提供常规和均匀两种方式。
- 常规：将每个重叠区域划分为N*M的子区域，再从每个子区域内挑选n个512*512大小的影像块进行同名点匹配，确保同名点稳定可高。生成的连接点将会尽量布满整个重叠区。
  - 密集程度：设置生成地面控制点的密集程度：稀疏为3*3个子区域；中为4*4个子区域；稠密为6*6个子区域，默认为中。密集程度越高，需要计算处理的时间更长。
  - 匹配方法：提供MOTIF、AFHORP、RIFT、SIFT和DEEPFT五种匹配方法，默认为MOTIF。其中，AFHORP和RIFT方法支持多模态数据匹配，DEEPFT需要配置AI模型并安装CUDA。
    - MOTIF：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。
    - 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。
    - 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。RIFT不仅能够提升特征检测的稳定性，还能克服梯度信息用于特征描述的局限性。
    - 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。
    - DEEPFT：一种基于深度学习的影像匹配方法。
  - 块内最大值：影像匹配时，块内保留的点数目最大值，取值范围为[25,2048]，默认为256。
- 均匀：生成的连接点将会均匀的分布在重叠区。点的数据比常规分布的少，但分布更加均匀，适用于影像内部畸变较大的情形。
  - 种子点数目：设置每景影像上同名点匹配的种子点数量，取值范围为[64,6400]，默认为512。当影像纹理较差时，需要增加控制点数量，保证匹配出足够多的点，提高后续影像处理质量。
  - 种子点查找：设置查找种子点的方式。提供栅格中心点和角点两种方式，默认为角点。
    - 角点：选择区域内特征明显的点作为种子点。
    - 栅格中心点：将栅格的中心点作为种子点，此查找方式具有随机性。
  - 模板大小：设置种子点之间的间隔大小，取值范围为[1,256]，默认为40，单位为像素。模板越大，搜索的点越可靠，耗时越长。
  - 搜索半径：设置影像匹配的种子点搜索半径，取值范围为[0,256]，默认值为40，单位为像素。搜索半径越大，匹配范围越大，耗时也越长。
语义剔除非地面点：可基于AI语义技术，自动剔除云层区域和建筑区域中的控制点。
- 云层区域：勾选语义剔除非地面点后显示此参数。默认勾选，即将根据设置的数据集，自动剔除云层区域内的连接点。若不勾选，则保留云层区域的连接点。
- 建筑区域：勾选语义剔除非地面点后显示此参数。默认勾选，即将自动识别建筑区域，并剔除改区域的连接点。若不勾选，则保留建筑区域的连接点。

图：自动生成的地面控制点

使用说明

功能入口

参数说明

相关主题