遥感影像预处理
如何进行遥感影像处理和地物解译的准备和操作
如何进行遥感影像处理和地物解译的准备和操作遥感是指通过航空器或卫星等远距离拍摄地球表面的图像，并利用影像处理技术进行解读和分析。
遥感影像处理和地物解译是遥感技术的重要应用领域，对于环境监测、资源调查、灾害评估等具有重要意义。
本文将介绍如何进行遥感影像处理和地物解译的准备和操作。
一、准备工作在进行遥感影像处理和地物解译之前，需要进行一些准备工作，包括获取合适的遥感影像数据、了解地区的地理背景和特征、选择合适的处理软件等。
1. 数据获取遥感影像数据可以通过多种渠道获取，包括商业遥感卫星、政府遥感机构、学术研究机构等。
选择合适的数据源是进行影像处理和解译的第一步。
需根据研究目的选择合适的数据集，考虑影像分辨率、时相、数据格式等因素。
2. 地理背景和特征的了解在进行地物解译之前，了解地区的地理背景和特征对于准确解译很关键。
包括了解地形地貌、植被类型和分布、土壤类型、水体分布等信息，可通过地图、相关文献和实地勘察等方式获取。
3. 处理软件的选择遥感影像处理和地物解译需要使用相应的软件工具。
常用的遥感影像处理软件包括ENVI、Erdas Imagine、ArcGIS等，可根据实际需求选择合适的软件进行处理和解译。
二、遥感影像处理在进行地物解译之前，通常需要对遥感影像进行一系列的处理，以提高影像质量和减少噪声。
1. 影像预处理影像预处理是指对原始影像进行几何校正、辐射校正和大气校正等处理，以纠正影像的空间分辨率、辐射定标和大气效应等问题。
通过预处理可以提高影像的准确性和可解释性。
2. 影像增强影像增强是指对原始影像进行对比度增强、滤波和色彩增强等操作，以提高影像的可视化效果和信息提取能力。
常用的影像增强方法包括直方图均衡化、拉伸变换和滤波处理等。
3. 影像分类影像分类是指将影像像素划分为不同类别，常用于地物分类和变化检测等分析。
常见的分类方法包括有监督分类和无监督分类等。
通过影像分类可以获取地物类别信息，为后续的地物解译提供基础数据。
遥感影像的解译方法和处理流程
遥感影像的解译方法和处理流程遥感技术是指利用卫星、航空器等探测装置获取地球表面特征信息的一种手段。
遥感影像的解译方法和处理流程对于地质勘探、农业、城市规划等领域都具有重要的应用价值。
本文将探讨遥感影像的解译方法和处理流程，并探讨其在环境保护、灾害监测等方面的应用。
一、解译方法1.目视解译法目视解译法是最早也是最常用的遥感影像解译方法之一。
通过肉眼观察遥感影像的色彩和纹理等特征来识别地物。
对于经验丰富的解译员来说，目视解译法可以得出较为准确的解译结果。
然而，由于人眼的主观因素和解译员的经验水平不同，目视解译法存在一定的主观性和局限性。
2.计算机辅助解译法计算机辅助解译法是指利用计算机软件对遥感影像进行处理和分析。
通过图像处理、分类、目标检测等技术，可以快速、准确地提取和识别地物。
计算机辅助解译法具有时间效率高、结果可重复性好等优点，使得遥感影像的解译工作更为高效和精确。
二、处理流程1.遥感影像预处理遥感影像预处理是将原始的遥感影像数据进行校正、去噪和增强等处理，以提高图像质量和准确性。
常用的遥感影像预处理方法包括辐射校正（校正影像的亮度和对比度）、大气校正（去除大气光对影像的影响）、几何校正（纠正图像的畸变和扭曲）、噪声去除和影像增强等。
2.遥感影像分类遥感影像分类是指将遥感影像的像素根据其反射率、纹理和几何结构等特征进行分类，以获得各类地物或地物类型的分布和面积信息。
常用的遥感影像分类方法包括基于阈值的分类、基于规则的分类、基于统计学的分类和基于机器学习的分类等。
其中，基于机器学习的分类方法由于其较好的准确性和泛化能力，成为当前遥感影像分类的主流方法。
3.遥感影像解译遥感影像解译是指根据已经分类好的遥感影像，对不同地物进行解译，以获得地物的具体信息和分布。
遥感影像解译可以通过目视解译、计算机辅助解译和专家解译等方法进行。
同时，遥感影像解译还可以结合地面调查和其他信息，以提高解译的准确性和可靠性。
遥感卫星影像处理中的常见问题及解决方法
遥感卫星影像处理中的常见问题及解决方法现如今，遥感技术在地球科学、环境保护、城市规划等领域发挥着重要作用。
遥感卫星影像作为遥感数据的主要来源，其处理过程中常常会遇到一些困扰，本文将探讨其中的常见问题及相应解决方法。
1. 影像纠正问题遥感卫星拍摄的影像受到地球自转、地形起伏以及大气等因素的影响，容易产生图像畸变和色差问题。
针对这一问题，可以采用几何校正和辐射校正等方法来进行纠正。
几何校正主要包括地形校正和几何校正。
地形校正主要针对山区等地形复杂情况下产生的图像投影问题，可以通过数字高程模型（DEM）来解决。
几何校正则主要通过地面控制点的选取和几何模型的建立来校正影像的几何形态。
辐射校正则是针对大气影响导致的辐射畸变问题。
可以利用大气传输模型进行辐射校正，消除大气因素对影像的影响。
此外，还可以利用地面参考反射率进行光谱校正，在不同地物上分别测量反射光谱线进行标定。
2. 影像预处理问题影像的预处理是遥感图像处理的重要环节，可以帮助提取出感兴趣的信息。
然而，预处理过程中常常会遇到图像噪声、云状阴影和云覆盖等问题。
图像噪声主要由传感器本身以及数据传输和存储等过程中引入的噪声造成。
为了降低噪声的影响，可以采用滤波器等方法进行去噪处理。
常用的滤波器有均值滤波、中值滤波和小波去噪等。
云状阴影和云覆盖问题是由云层导致的。
对于云状阴影问题，可以通过校正云覆盖所造成的辐射变化进行修复。
对于云覆盖问题，可以利用多个相邻时刻的影像数据进行云去除，或者采用云检测算法进行自动云剔除。
3. 影像分类问题影像分类是遥感影像处理中的关键任务，可以帮助我们从大规模遥感影像中提取出感兴趣的地物信息。
然而，影像分类过程中常常会遇到地物混合、类别划分不清等问题。
地物混合问题主要由遥感影像中地物覆盖范围重叠较多导致的。
为了解决地物混合问题，可以运用混合像元分解算法将像元分解为纯度更高的子像元，从而更好地反映地物的实际分布。
类别划分不清问题主要由地物间相似性较高导致的。
测绘技术中的遥感影像处理流程详解
测绘技术中的遥感影像处理流程详解引言：遥感技术在现代测绘领域中扮演着至关重要的角色，通过使用航空或卫星平台获取的遥感影像，可以提供全球范围的地表信息。
然而，这些原始的遥感影像需要经过一系列的处理步骤，才能够提供准确、可用的地理信息。
本文将详细介绍测绘技术中的遥感影像处理流程，并探讨其中的一些关键步骤和技术。
一、预处理遥感影像处理的第一步是预处理，主要目的是对原始影像进行校正和增强，以消除图像中的噪声、失真和其他不可避免的问题。
预处理包括几个子步骤：1. 几何校正几何校正是将原始影像与特定的地理坐标系统对应起来的过程。
通过地面控制点或现有的地理参考数据，可以计算出影像中各像素点的地理坐标。
这个过程涉及到地理坐标转换、投影变换等数学计算，确保遥感影像可以与地理坐标系统一致。
2. 辐射校正辐射校正是针对遥感影像中的辐射亮度值进行校正，以消除大气、地表反射率和传感器响应等因素引起的光谱失真。
这个过程涉及大气校正模型、辐射校正系数等参数的确定，确保影像中的亮度值具有可比性和可解释性。
3. 增强处理增强处理是通过调整影像的亮度、对比度、色彩等属性，以改善影像的可视化效果。
常见的增强处理技术包括直方图均衡化、空间滤波、波段合成等，通过这些技术可以突出目标特征、减弱干扰因素，使影像更易于解译和分析。
二、影像分类预处理完成后，接下来的步骤是影像分类，其目的是将遥感影像中的像素点划分为不同的类别，以提取出地物的信息。
影像分类可以基于不同的特征和方法进行，常见的分类方法包括：1. 监督分类监督分类是一种基于已知样本进行自动分类的方法。
首先，遥感影像中的一部分区域被标记为不同的类别，称为训练样本。
然后，根据这些训练样本，使用统计分类算法（如最大似然估计、支持向量机等）对整个影像进行分类。
监督分类方法可以提供较高的分类精度，但需要大量的标记样本和专业知识。
2. 无监督分类无监督分类是一种基于像素灰度值之间的相似性进行自动分类的方法。
使用测绘技术进行无人机遥感影像处理的关键步骤
使用测绘技术进行无人机遥感影像处理的关键步骤无人机遥感影像处理是指利用无人机获取的遥感影像进行图像处理、地物提取等操作。
测绘技术在无人机遥感影像处理中发挥着重要的作用，通过测绘技术的应用可以提高图像的精度和准确性。
本文将介绍使用测绘技术进行无人机遥感影像处理的关键步骤。
1. 数据获取使用无人机进行遥感影像处理的第一步是获取数据。
无人机可以携带多种传感器，如光学相机、红外相机、激光雷达等。
根据任务需求选择合适的传感器，并通过无人机对目标区域进行航线飞行，进行数据采集。
数据获取要考虑飞行高度、重叠度以及航线规划等因素，以保证获取到的影像数据具有足够的分辨率和详细度。
2. 数据预处理获取到的遥感影像数据可能存在一些噪声和畸变，需要进行预处理。
测绘技术可以用来校正图像畸变以及去除噪声。
图像畸变通常由无人机摄像头的镜头畸变引起，通过测绘技术可以进行摄像头标定，进而进行图像畸变矫正，提高图像的几何精度。
噪声主要包括光照不均匀、运动模糊等，可以通过测绘技术进行去噪处理，提高图像的质量。
3. 影像配准影像配准是将不同影像之间进行对准，使得它们在同一坐标系下进行分析和比较。
测绘技术可以通过特征点匹配和几何变换等方法实现影像配准。
在无人机遥感影像处理中，常常需要将多个角度或时间拍摄的影像进行配准，以得到更全面、准确的信息。
影像配准可以提高监测、分析和识别的准确性。
4. 地物提取地物提取是无人机遥感影像处理的核心任务之一，通过测绘技术可以实现对地物的自动或半自动提取。
地物提取包括建筑物、道路、水体、植被等多种类型的地物。
测绘技术可以利用图像分割、特征提取等方法，对遥感影像进行分析和处理，从而实现地物的准确提取。
地物提取的结果可以用于城市规划、资源管理、环境监测等方面。
5. 三维重建利用测绘技术进行无人机遥感影像处理还可以实现三维重建。
通过多张影像的拼接和三维坐标的计算，可以恢复出场景的三维模型。
三维重建可以应用于建筑物、地形、桥梁、森林等不同场景的三维模型构建。
测绘技术中的遥感可见光影像处理流程讲解
测绘技术中的遥感可见光影像处理流程讲解遥感可见光影像是测绘技术中常用的一种数据源，通过对遥感可见光影像进行处理，可以得到地表物体的空间分布信息。
本文将从遥感影像获取到处理流程进行讲解，为读者介绍遥感可见光影像处理的基本原理和方法。
一、遥感可见光影像获取遥感可见光影像获取是遥感技术的第一步，它利用遥感卫星或其他传感器获取地表物体的图像信息。
在遥感可见光影像中，不同地物会反射或发射出不同的可见光波段能量，通过接收和记录这些能量，得到遥感影像。
二、遥感可见光影像预处理在进行进一步的遥感可见光影像处理之前，需要对原始影像进行预处理工作。
预处理包括辐射校正、大气校正和几何校正等环节。
1. 辐射校正：辐射校正是将遥感影像的原始数据转换为辐射亮度数据的过程。
由于接收器特性不同，遥感影像在记录过程中会受到仪器响应和大气散射等因素的影响，因此需要进行辐射校正来消除这些干扰因素。
2. 大气校正：大气校正是根据大气传输模型消除大气散射对遥感影像的影响。
大气散射会导致影像中出现雾化现象或者颜色变暗等问题，通过大气校正可以获得更真实的地表物体光谱信息。
3. 几何校正：几何校正是指将遥感影像转换为地理坐标系下的数据。
遥感影像记录时可能会存在扭曲或者偏差，在几何校正过程中，需要通过内参数和外参数的计算来对遥感影像进行校正，使其能够与地理坐标系对应。
三、遥感可见光影像分类与分析遥感可见光影像分类和分析是遥感技术中的关键环节，其目的是对影像中不同地物进行精确的识别和分类。
1. 影像分类：影像分类是将影像中的像元按照其所属地物类型划分的过程。
遥感可见光影像中的像元通常由坐标、亮度和光谱等信息描述，通过像元的亮度和光谱信息可以对地物进行分类，常用的分类方法包括基于阈值、基于统计学和基于机器学习等方法。
2. 图像分割：图像分割是将遥感影像中的各个地物分割成不同的区域或对象的过程，其目的是得到更精细的地物边界和形状信息。
图像分割方法主要有基于阈值、基于区域和基于轮廓等方法。
农业行业中的遥感影像处理教程
农业行业中的遥感影像处理教程遥感技术已经成为农业行业中分析土地利用、农作物生长、资源管理等方面的重要工具。
遥感影像处理是通过提取和分析遥感图像中的信息，以支持农业决策和管理。
本文将介绍农业行业中的遥感影像处理教程，包括数据获取、预处理、特征提取和应用等内容。
一、数据获取1.1 遥感数据的来源遥感数据可以从各种来源获取，包括卫星观测、航空摄影和无人机拍摄等。
在农业行业中，常用的遥感数据包括高分辨率遥感影像、多波段遥感影像和时序遥感影像等。
这些数据可以通过云平台、地方农业部门或相关研究机构获取。
1.2 数据质量评估在使用遥感数据进行农业分析前，需要对数据进行质量评估。
质量评估包括地物辨识、云覆盖率、辐射定标、大气校正等方面。
只有具有高质量的数据才能提供准确的农业信息。
二、预处理2.1 辐射和大气校正遥感图像在获取的过程中会受到辐射和大气影响，因此需要进行校正。
辐射校正是将原始数字值转换为表面反射率或辐射率。
大气校正是去除大气散射和吸收在遥感图像中的影响。
2.2 遥感图像配准配准是将不同时间、不同传感器获得的遥感图像统一到同一坐标系统中。
配准的目的是为了后续分析能够准确比较不同时间或不同区域的遥感图像。
2.3 图像重采样由于不同传感器的分辨率不同，可能需要对图像进行重采样，使它们达到一致的空间分辨率。
三、特征提取3.1 影像分类影像分类是将遥感图像中的像素分成不同的类别，以表示地物类型或农作物类型。
常用的分类方法包括监督分类和非监督分类。
监督分类需要提供训练样本，而非监督分类则根据像素的统计特征进行分类。
3.2 农作物生长监测农作物生长监测是通过遥感影像分析农田中农作物的生长情况和变化。
通过提取植被指数（如归一化植被指数NDVI）等特征，可以定量评估农作物的生长状态、叶绿素含量、受灾程度等信息。
四、应用4.1 土地利用分析遥感影像处理可用于土地利用分析，包括土地覆盖分类、土地利用变化检测等。
准确的土地利用信息有助于制定农业规划和资源管理。
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感影像预处理
预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大
多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差
异，而且注重点也各有不同。
本小节包括以下内容：
数据预处理一般流程介绍
预处理常见名词解释
ENVI中的数据预处理
1、数据预处理一般流程
数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处
理和光谱归一化几个环节，具体流程图如图所示。
图1数据预处理一般流程
各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，
因为它需要反演；在测绘方面，对几何校正的精度要求会很高。
2、数据预处理的各个流程介绍
（一）几何精校正与影像配准
引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感
器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几
何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是
地球曲率及空气折射的变化以及地形的变化等。
在做几何校正前，先要知道几个概念：
地理编码：把图像矫正到一种统一标准的坐标系。
地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。
图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准
影像几何精校正，一般步骤如下，
（1）GCP（地面控制点）的选取
这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选
点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有
以下特征：
1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点
等；
2、地面控制点上的地物不随时间而变化。
GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点
个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9
个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难
地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多
于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控
制点。
（2）建立几何校正模型
地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的
像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个
合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的
均方根误差（RMS）
根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误
差，也叫残余误差，一般控制在一个像元之内，即RMS<1。
（3）图像重采样
重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图
像中的行列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入
图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立
新的图像矩阵。常用的内插方法包括：
1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图
像仍然保持原来的像元值，简单，处理速度快。但这种方法最大可产生半个像元
的位置偏移，可能造成输出图像中某些地物的不连贯。
2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距
离赋予不同的权重，进行线性内插。该方法具有平均化的滤波效果，边缘受到平
滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。
3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用
三次卷积函数进行内插。这种方法对边缘有所增强，并具有均衡化和清晰化的效
果，当它仍然破坏了原来的像元值，且计算量大。
一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构
损坏较大。后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有
的几何结构，如道路网、水系、地物边界等。
（二）数字图像镶嵌与裁剪
l镶嵌
当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼
接起来形成一幅或一系列覆盖全区的较大的图像。
在进行图像的镶嵌时，需要确定一幅参考影像，参考图像将作为输出镶嵌图像的
基准，决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶
嵌得两幅或多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。但
接边色调相差太大时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但
用于变化信息提取时，相邻影像的色调不允许平滑，避免信息变异。
l裁剪
图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区
划边界进行图像的分幅裁剪。它的过程可分为两步：矢量栅格化和掩膜计算
（Mask）。矢量栅格化是将面状矢量数据转化成二值栅格图像文件，文件像元
大小与被裁剪图像一致；把二值图像中的裁剪区域的值设为1，区域外取0值，
与被裁剪图像做交集运算，计算所得图像就是图像裁剪结果。
（三）大气校正
遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素
的影响，且它们会随时间的不同而有所差异。因此，在多时相遥感图像中，除了
地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射
值也会有差异。利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测，
其重要前提是要消除不变地物的辐射值差异。
辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正
后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。绝对辐射校正
方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法，它
需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感
器的影响，因此这类方法一般都很复杂，目前大多数遥感图像都无法满足上述条
件。相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，
使得两时相影像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像
的光谱归一化。这样我们就可以通过分析不同时相遥感图像上的辐射值差异来实
现变化监测。因此，相对辐射校正就是要使相对稳定的同名地物的辐射值在不同
时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
3、ENVI中的数据预处理介绍
（一）几何精校正与影像配准
（1）选择几何校正模型
ENVI中支持有大多数商业化卫星的几何校正模型，如QuickBird、Ikonos、
Spot1-5、P6、WorldView-1等，一般的校正模型包括二次多项式、仿射变换
和局部三角网。
图2何校正模型
控制点选择方式可以是从影像上，也可以从矢量数据或者野外实测等。
图3控制点选择方式
选择控制点也非常的方便，包含了误差的结算。
图4控制点选择
重采样方式包含了三种方法。
图5重采样方式
（二）数字图像镶嵌与裁剪
l镶嵌
ENVI支持有地理参照和没有地理参照影像数据的镶嵌，能够自动对镶嵌影
像进行颜色平衡，并提供了多种影像增强和直方图匹配工具，可以最大限度地消
除镶嵌影像间的色调和颜色差异
多种色彩平衡方法
图6 颜色校正设置
多种接边线编辑方式。