目录第一部分利用 ENVI 对图像进行配准-校正-拼接-裁剪 2一、图像配准与校正 2一）基础知识 2（二）ENVI 操作 4二、图像镶嵌（图像拼接）16一）基础知识 16（二）ENVI 操作 16三、图像裁剪 20一）基础知识 20（二）ENVI 操作 21第二部分：下载影像及介绍 26一）基本信息 26二）日期信息 26三）云量信息 26四）空间信息 262第一部分利用 ENVI 对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。本文将采用地面控制点+校正模型的几何校正方式中的 ImagetoImage,利用 Image 格式的基准影像对 2006 年兰州 TM 影像进行配准与校正。3、图像选点原则[1] 选取图像上易分辨且较精细的特征点,如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。[2] 特征变化大的地区需要多选。[3] 图像边缘部分一定要选取控制点。[4] 尽可能满幅均匀选取。[5] 保证一定数量的控制点,不是控制点越多越好。4、数理知识：[1] 多项式模型x=a+aX+aY+aX2+aXY+aY2+....0123453y=b+bX+bY+bX2+bXY+bY2+....012345X,Y：校正前该点的位置；x,y：校正后该点的位置[2] 最少控制点个数：(n+1)2[3] 误差计算：RMSE=sqrt((x'-x)2+(y'-y)2)error5、重采样方法(插值算法)[1] 最近邻法概念：取与所计算点(x,y)周围相邻的 4 个点,比较它们与被计算点的距离,哪个点距离最近就取哪个亮度值作为(x,y)点的亮度值优点：简单易用,计算显小缺点：图像的亮度具有不连续性,精度差[2] 双线性内插法概念：取(x,y)点周围的 4 个邻点，在 y 方向内插 2 次，再在 x 方向内插1 次，得到(x,y)点的亮度值 f(x,y)优点：双线性内插法比最近邻法虽然计算虽有所增加,但精度明显提高,特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。缺点：内插法会对图像起到平滑作用,从而使对比度明显的分界线变得模糊。[3] 三次...
