提供三种类型：

• 平面精度与接边精度（默认项）：输出影像平面与接边的校正精度报告。
• 平面精度：仅输出影像平面校正精度报告。
• 接边精度：仅输出影像接边精度报告。

管理待检影像文件。

• 添加影像：设置需要进行精度评价的影像，支持*.tiff、*.tif、*.img、*.pix格式。
  • 添加文件：从本地目录中选择一个或多个影像文件。
  • 添加文件夹：从本地目录中选择一个文件夹，将自动获取该文件夹及子文件夹中的所有影像。
  • 添加清单：从本地目录中选择清单文件（*.csv)，将根据清单文件中的影像名称与路径信息获取影像。
  • 添加镶嵌数据：从当前工作空间中选择镶嵌数据集。
• 全选：选中列表中的所有文件。
• 反选：反转列表中所有文件的选中状态。
• 删除：从列表中移除选中的记录。

当精度评价类型包含平面精度时可用。

管理参考影像文件。

• 添加影像：设置参考影像文件，支持*.tiff、*.tif、*.img、*.pix格式。
  • 添加文件：从本地目录中选择一个或多个影像文件。
  • 添加文件夹：从本地目录中选择一个文件夹，将自动获取该文件夹及子文件夹中的所有影像。
  • 添加清单：从本地目录中选择清单文件（*.csv)，将根据清单文件中的影像名称与路径信息获取影像。
  • 添加镶嵌数据：从当前工作空间中选择镶嵌数据集。
• 全选：选中列表中的所有文件。
• 反选：反转列表中所有文件的选中状态。
• 删除：从列表中移除选中的记录。

当精度评价类型包含平面精度时可用。

用于设置已有的检查点数据，以提高精度检查质量。支持格式：UDBX/UDB、GeoJson、ShapeFile。建议导入的数据包含有效坐标信息，并且检查点分布均匀、数量适中、位置合理，以确保质检结果可靠。

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。

当精度评价类型包含平面精度时可用。

设置单景影像上生成检查点的种子点数，实际检测点数可能小于该值。

• 匹配方法为MOTIF时，默认值为1000。
• 其他匹配方法，默认值为200。

当精度评价类型包含接边精度时可用。

设置影像重叠区域生成检查点的种子点数，实际检测点数可能小于该值。

• 匹配方法为MOTIF时，默认值为1000。
• 其他匹配方法，默认值为200。

仅当匹配方法为MOTIF时可用。

设置影像匹配的种子点搜索半径，取值范围[0,256]，默认40，单位为像素。半径越大，匹配范围越大，耗时越长。

当精度评价类型包含平面精度时可用。

指定平面精度评价限差。将基于检查点的综合中误差，统计小于限差值、1-2倍限差值、大于2倍限差值的检查点，来评价检查点的质量。默认值为5，可根据具体项目验收标准填写。

当精度评价类型包含接边精度时可用。

指定接边精度评价限差。将基于检查点的综合中误差，统计小于限差值、1-2倍限差值、大于2倍限差值的检查点，来评价检查点的质量。默认值为5，可根据具体项目验收标准填写。

当精度评价类型包含平面精度且已设置已有检查点时，此参数不可用。

若待检影像之间或待检影像与参考影像之间的重叠度小于设置的阈值，则不进行精度质检。默认值为0，单位为平方千米。支持将单位切换为平方米、平方码或平方英里。

当精度评价类型包含平面精度且已设置已有检查点时，此参数不可用。

勾选后，将自动检测影像中的建筑物区域，并且剔除建筑区域内的检查点。