遙感圖像配準教學講義課件

進入夏天，少不了一個熱字當頭，電扇空調(diào)陸續(xù)登場，每逢此時，總會想起那一把蒲扇。蒲扇，是記憶中的農(nóng)村，夏季經(jīng)常用的一件物品。記憶中的故鄉(xiāng)，每逢進入夏天，集市上最常見的便是蒲扇、涼席，不論男女老少，個個手持一把，忽閃忽閃個不停，嘴里叨叨著“怎么這么熱”，于是三五成群，聚在大樹下，或站著，或隨即坐在石頭上，手持那把扇子，邊嘮嗑邊乘涼。孩子們卻在周圍跑跑跳跳，熱得滿頭大汗，不時聽到“強子，別跑了，快來我給你扇扇”。孩子們才不聽這一套，跑個沒完，直到累氣喘吁吁，這才一跑一踮地圍過了，這時母親總是，好似生氣的樣子，邊扇邊訓，“你看熱的，跑什么？”此時這把蒲扇，是那么涼快，那么的溫馨幸福，有母親的味道！蒲扇是中國傳統(tǒng)工藝品，在我國已有三千年多年的歷史。取材于棕櫚樹，制作簡單，方便攜帶，且蒲扇的表面光滑，因而，古人常會在上面作畫。古有棕扇、葵扇、蒲扇、蕉扇諸名，實即今日的蒲扇，江浙稱之為芭蕉扇。六七十年代，人們最常用的就是這種，似圓非圓，輕巧又便宜的蒲扇。蒲扇流傳至今，我的記憶中，它跨越了半個世紀，也走過了我們的半個人生的軌跡，攜帶著特有的念想，一年年，一天天，流向長長的時間隧道，裊遙感圖像配準進入夏天，少不了一個熱字當頭，電扇空調(diào)陸續(xù)登場，每逢此時1圖像配準的用途意義圖像配準（或圖像匹配）是評價兩幅或多幅圖像的相似性以確定同名點的過程。圖像配準算法就是設法建立兩幅圖像之間的對應關系,確定相應幾何變換參數(shù),對兩幅圖像中的一幅進行幾何變換的方法。圖像配準是圖像分析和處理的基本問題。它在航空影像自動制圖、圖像三維重構(gòu)、計算機視覺、遙感融合、模式識別、醫(yī)學圖像處理、影像分析等領域都有重要應用。圖像配準的用途意義圖像配準（或圖像匹配）是評價兩幅或多幅圖像2圖像配準參考圖像（主圖像）待配準圖像（輔圖像）配準圖像圖像配準參考圖像（主圖像）待配準圖像（輔圖像）3遙感圖像配準教學講義課件4遙感圖像配準教學講義課件5遙感圖像配準教學講義課件6相似性測度用以下測度來衡量T和Si,j的相似程度：根據(jù)施瓦茲不等式，，并且在比值為常數(shù)時取極大值為1。但實際上兩幅不同圖像的P值介于0和1之間，很難達到理想值。根據(jù)經(jīng)驗取某個閾值P0，如果P>P0，則匹配成功；P<P0，則匹配失敗。相似性測度用以下測度來衡量T和Si,j的相似程度：7金字塔模板匹配為了加快搜索速度，很多影像匹配方法使用金字塔影像。對影像進行一次采樣率為1/n(n=2,3)的重采樣，即把影像的每n×n個像素變?yōu)橐粋€像素，這樣就得到一對長、寬都為原來1/n的影像，把它作為金字塔的第二層。再對第二層用同樣方法進行一次采樣率為1/n的重采樣，又得到第三層（頂層）。原始影像作為金字塔影像的底層。金字塔模板匹配為了加快搜索速度，很多影像匹配方法使用金字塔影8金字塔影像匹配的步驟第一步：頂層的匹配，得到一個平移初始值。第二步：根據(jù)平移初始值乘以n得到第二層平移量初始值，在它m×m個像元的鄰域內(nèi)進行模板匹配。第三步：根據(jù)第二層匹配值乘以n得到第三層平移量初始值，再進行一次模板匹配。如果影像尺寸不是特別大，可以只用兩層金字塔。金字塔影像匹配的步驟第一步：頂層的匹配，得到一個平移初始值9基于特征的配準算法基于特征的算法(feature-basedmatching)先提取圖像顯著特征，再進行特征匹配，大大壓縮了圖像信息的數(shù)據(jù)量，同時保持了圖像的位移、旋轉(zhuǎn)、比例方面的特征，故在配準時計算量小，速度較快、魯棒性好。當兩幅圖像之間的線性位置關系不明確時，應使用基于特征的匹配。一般來說特征匹配算法可分為四步:1.特征提取;2.特征描述;3.特征匹配；4.非特征像素之間的匹配?；谔卣鞯呐錅仕惴ɑ谔卣鞯乃惴?feature-base10基于特征的配準步驟在特征匹配前，首先要從兩幅圖像中提取灰度變化明顯的點、線等特征形成特征集。在兩幅圖像對應的特征集中利用特征匹配算法盡可能的將存在匹配關系的特征對選擇出來。通過特征建立兩幅圖像之間的多項式變換關系，達到以點代面的效果。對于非特征像素點，利用上述多項式變換關系來進行幾何校正，從而實現(xiàn)兩幅圖像之間逐像素的配準。基于特征的配準步驟在特征匹配前，首先要從兩幅圖像中提取灰度變11人工匹配步驟1.人工選取控制點2.多項式匹配人工匹配步驟1.人工選取控制點12用遙感軟件進行幾何校正

遙感軟件的幾何校正功能是利用地面控制點(GroundControlPoint,GCP)進行的幾何校正，它通常用多項式來近似描述遙感圖像的幾何畸變過程，并利用控制點求得這個幾何畸變模型，然后利用此模型進行幾何校正，這種校正不考慮畸變的具體原因，而只考慮如何利用畸變模型來校正圖像。

用遙感軟件進行幾何校正 遙感軟件的幾何校正功能是利13校正步驟幾何精校正一般可分為以下四個步驟：

1.建立原始圖像與校正后圖像的坐標系。

2.確定控制點對。

3.選擇畸變數(shù)學模型，比如一次、二次、三次多項式。

4.幾何校正的精度分析。

校正步驟幾何精校正一般可分為以下四個步驟：14遙感圖像配準教學講義課件15半自動匹配1.用戶先把主輔圖像進行預處理，先進行重采樣、旋轉(zhuǎn)、去除噪聲等，使兩幅影像的分辨率、角度等基本一致后，再進行配準。2.用戶先指定三個控制點，程序根據(jù)三個控制點算出主輔圖像旋轉(zhuǎn)、平移和尺度差異，再用金字塔模板匹配方法進行配準。半自動匹配1.用戶先把主輔圖像進行預處理，先進行重采樣、旋16全自動匹配不需要用戶事先提供任何信息，單純依據(jù)兩幅圖像自身的信息進行匹配計算。由于主輔圖像之間存在旋轉(zhuǎn)、平移和尺度差異，如何找到初始定位信息是其難點。方法多種多樣。包括直方圖匹配、Hu不變矩、金字塔模板匹配、小波Gabor算子、基于空間變換的方法等。將在后面特征點匹配部分講述。全自動匹配不需要用戶事先提供任何信息，單純依據(jù)兩幅圖像自身的17基于TIN的圖像配準算法流程基于TIN的圖像配準算法流程18特征類型灰度特征點。Moravec算子、Forstner算子與Hannah算子。角點。SUSAN算子,Harris算子，王算子，沈俊算子。邊緣特征（線型）。Canny算子,Marr算子。紋理特征?；叶裙采仃嚕〔℅abor算子。特征類型灰度特征點。Moravec算子、Forstner算子19Moravec算子Moravec算子是利用灰度方差提取特征點的算子，它在四個主要方向上，選擇具有最大-最小灰度方差的點作為特征點。其步驟為：

1計算各像元的興趣值（InterestValue）。在以像素為中心w×w的影像窗口中（如5×5的窗口），計算圖中所示四個方向相鄰像素灰度差的平方和：

Moravec算子Moravec算子是利用灰度方差提取特征點20Moravec算子取其中最小者作為該像素的興趣值：V=min{V1，V2，V3，V4}Moravec算子取其中最小者作為該像素的興趣值：21給定一經(jīng)驗閾值，將興趣值大于該閾值的點（即窗口的中心點）作為候選點。閾值的選擇應以候選點中包括所需要的主要特征點而又不含過多的非特征點為原則。取候選點中的極值點作為特征點。在一定大小的窗口內(nèi),將候選點中興趣值不是最大者均去掉，僅留下一個興趣值最大者，該像素即為一個特征點。如果兩個特征點之間的距離過短，則去掉其中一個。否則，在影像校正時，三角形邊長過短將使解算出來的仿射變換參數(shù)出現(xiàn)錯誤。給定一經(jīng)驗閾值，將興趣值大于該閾值的點（即窗口的中心點）作為22角點提取-SUSAN算子SUSAN算法是由英國牛津大學的S.M.Smith,J.M.Brady首先提出的,它主要是用來計算圖像中的角點特征的。SUSAN算法的特點:1.對角點的檢測比對邊緣檢測的效果要好,適用于基于角點匹配的圖像配準;2.無需梯度運算,保證了算法的效率;3.具有積分特性(在一個模板內(nèi)計算SUSAN面積),這樣就使得SUSAN算法在抗噪和計算速度方面有較大的改進。角點提取-SUSAN算子SUSAN算法是由英國牛津大學的S23SUSAN算法用一個一定半徑的圓模板放置在圖像上（如圖）。如果模板上存在一區(qū)域，使該區(qū)域上對應圖像的每一像素處的灰度值與圓心的灰度值相同（或相近），那么就定義該區(qū)域為核值相似區(qū)，即USAN，其中像素的個數(shù)定義為這個模板的面積。SUSAN算法用一個一定半徑的圓模板放置在圖像上（如圖）24遙感圖像配準教學講義課件25SUSAN算法的基本原理圖像上每一點都有一個鄰近的具有相似灰度值的局部區(qū)域是SUSAN算法的基礎。這個局部區(qū)域或USAN包含了許多關于圖像結(jié)構(gòu)的信息。SUSAN算法的基本原理是：在每個像素移動一個小的圓形模板以檢測局部信息，并利用預先設定的亮度閾值比較模板核及其周圍像素的亮度值，亮度值相同或相近的為一個USAN，最后通過面積最小的USAN檢測角點。SUSAN算法的基本原理圖像上每一點都有一個鄰近的具有相似26邊緣特征提取“基于TIN的多源影像幾何配準”沒有使用邊緣提取算子，所以這里不介紹其算法。（a）原圖（b）Marr算子結(jié)果（c）Canny算子結(jié)果邊緣特征提取“基于TIN的多源影像幾何配準”沒有使用邊緣提取27紋理特征紋理是用來識別目標的重要方法，它是圖像中一個很重要而又難以描述的特性，至今還沒有公認的定義。有些圖像在局部區(qū)域內(nèi)呈現(xiàn)不規(guī)則性，而在整體上表現(xiàn)出某種規(guī)律性。習慣上把這種局部不規(guī)則而宏觀有規(guī)律的特性稱之為紋理。以紋理特性為主導的圖像，常稱為紋理圖像，如木材紋理、皮膚紋理、織物紋理等。通過對物體紋理特征的提取，可以對圖像進行分類、配準等操作。紋理特征紋理是用來識別目標的重要方法，它是圖像中一個很重要而28局部不規(guī)律，整體具有一定規(guī)律性的特性?；締卧闹貜托源植谛苑较蛐跃植坎灰?guī)律，整體具有一定規(guī)律性的特性。29提取紋理特征的方法灰度共生矩陣?；谛〔ǖ腉abor算子。提取紋理特征的方法灰度共生矩陣。30直方圖匹配直方圖匹配31Hu不變矩1962年Hute提出Hu不變矩，它對于匹配影像之間的平移、旋轉(zhuǎn)和大小尺度變化具有自適應性，但它只適用于相似變換，不適于仿射變換。Hu最初用以下7個不變矩公式來描述目標特征:Hu不變矩1962年Hute提出Hu不變矩，它對于匹配影像32但實際上大部分文獻都采用6個無量綱、消誤差的組合不變矩：但實際上大部分文獻都采用6個無量綱、消誤差的組合不變矩：33點模式匹配模式識別中的點模式匹配，使用特征點集中點與點之間的位置關系進行匹配，較少（或沒有）利用圖像灰度、紋理和邊緣信息，所以它對圖像之間的旋轉(zhuǎn)、灰度、紋理、分辨率等差異不敏感，能夠匹配不同傳感器的圖像，且能進行圖像之間的全自動配準。匹配兩個特征點集的實質(zhì)是找到它們的同構(gòu)子集。要用到較多的數(shù)學知識。點模式匹配模式識別中的點模式匹配，使用特征點集中點與點之間的34點模式匹配PengyuHong等用圖論的方法，把兩點集看作兩個無向圖，然后提取它們的同構(gòu)子圖，但其算法復雜，只能用于匹配簡單圖片（如商標），對于復雜圖片計算量過大。羅綱等以傳統(tǒng)的Umeyama點集相關度量為基礎,結(jié)合Procrustes正規(guī)化方法,通過引入加權(quán)矩陣得到新的相關度量函數(shù),解決了傳統(tǒng)方法要求點集維數(shù)相同的缺點，經(jīng)過迭代運算,可對存在幾何失真,且維數(shù)不同的兩點集進行精確配準，但計算量較大。點模式匹配PengyuHong等用圖論的方法，把兩點集看作35張立華等將待匹配的兩個二維點集分別轉(zhuǎn)化成為一個n維空間中的向量,對這兩個向量中的各元素進行簡單的排序來解決點集匹配問題。田原等通過建立一種圖像點集間距離的描述方法，提出基于點集不變性匹配的目標檢測與識別方法。舒麗霞等用Hausdorff距離對兩特征點集進行匹配,得到點集間的仿射變換關系。孫燾等對主輔圖像的特征點集分別進行Whitening變換,將點集間的一般仿射變換問題轉(zhuǎn)換為剛性變換問題。張立華等將待匹配的兩個二維點集分別轉(zhuǎn)化成為一個n維空間中的向36桑農(nóng)等以四元組代替點對進行點特征松弛匹配算法，提出了基于點特征的具有旋轉(zhuǎn)與比例不變松弛匹配算法，但是該算法在匹配迭代過程中必須對所有實時圖中的點特征進行一次比例與旋轉(zhuǎn)變換,這在一定程度上影響了匹配速度。陳志剛等以六元組為基礎構(gòu)建三角形,利用三角形在平移、比例放大和旋轉(zhuǎn)變換后與原三角形相似的特性將其引入到基本點特征松弛匹配算法中,提出一種比例與旋轉(zhuǎn)不變點特征松弛匹配算法。桑農(nóng)等以四元組代替點對進行點特征松弛匹配算法，提出了基于點特37不規(guī)則三角網(wǎng)不規(guī)則三角網(wǎng)（triangulatedirregularnetwork，TIN)在地形圖的制作中被廣泛使用。繪制等高線時，先用測量點構(gòu)造TIN，然后再根據(jù)TIN內(nèi)插等高線。不規(guī)則三角網(wǎng)不規(guī)則三角網(wǎng)（triangulatedirre38不規(guī)則三角網(wǎng)TIN的優(yōu)點：能真實反映地形變化，相比grid，數(shù)據(jù)量很小。在地形變化較大、特征點多的區(qū)域，三角網(wǎng)密集，能很好地反映地形變化；而在開闊、平坦的區(qū)域，特征點少，三角網(wǎng)稀疏，不會造成大量的冗余數(shù)據(jù)，也不會無謂地增加計算量。TIN用于圖像配準時，同樣具有這一優(yōu)點。不規(guī)則三角網(wǎng)TIN的優(yōu)點：能真實反映地形變化，相比grid，39Delaunay三角網(wǎng)Delaunay三角網(wǎng)常常被用于TIN的生成。Delaunay三角網(wǎng)為相互鄰接且互不重疊的三角形的集合，每一三角形的外接圓內(nèi)不包含其它的點。Delaunay三角網(wǎng)Delaunay三角網(wǎng)常常被用于TIN40構(gòu)TIN的基本原則

TIN是惟一的。即對于同樣的點集，所構(gòu)三角網(wǎng)應該只有一種；力求最佳的三角形幾何形狀，每個三角形盡量接近等邊形狀；保證最鄰近的點構(gòu)成三角形，即三角形的邊長之和最小。構(gòu)TIN的基本原則TIN是惟一的。即對于同樣的點集，所構(gòu)三41小面元微分校正法在主輔圖像中用匹配好的特征點集構(gòu)造TIN?？梢钥醋魅蔷W(wǎng)把從影像微分成很多微小的面元，每個三角形就是一個很小的面元，在這個面元內(nèi)，可以只考慮影像的一次形變。以從影像中的各個三角形為單位，對三角形內(nèi)各個點進行幾何校正，從而對整幅從影像進行校正。這種幾何校正方法叫做小面元微分校正法。對于山區(qū)遙感影像，多項式校正方法的精度不夠，必須采用小面元微分校正的方法，其幾何校正誤差可以控制在0.3個像素以內(nèi)。小面元微分校正法在主輔圖像中用匹配好的特征點集構(gòu)造TIN。42小面元微分校正法步驟下面以影像中任一三角形W為例說明影像幾何校正的原理。輔影像中三角形W的三個角點為a,b,c，它們在主影像中對應的點為A,B,C,它們的坐標分別為，。把W看作小面元，則有仿射變換：小面元微分校正法步驟下面以影像中任一三角形W為例說明影像幾何43其中是仿射變換參數(shù)。把，代入方程可以得到仿射變換參數(shù)。先根據(jù)主影像大小生成一幅和主影像坐標一致的配準影像，因為還沒有輸入任何值，所以是空白影像。配準影像中三角形W內(nèi)任何一個像素，都可以通過方程組解算出它在輔影像中對應的的同名點像素坐標(行列值)。同名點坐標是小數(shù)，必須經(jīng)過插值計算，得到配準點DN值。其中44插值方法最鄰近法立方卷積法雙線性法雙線性插值法公式如下：插值方法最鄰近法45查找三角形內(nèi)各像素點計算量較大，本文作者通過試驗發(fā)現(xiàn)，用三角形外接矩形內(nèi)所有像素點代替三角形內(nèi)像素點進行計算，可使計算速度提高4倍左右，而校正效果相差不大。查找三角形內(nèi)各像素點計算量較大，本文作者通過試驗發(fā)現(xiàn)，用三角46試驗主圖像為2002年7月9日武漢市ETM+圖像的第4波段(近紅外波段，分辨率28.5m，大小5000×4000)，輔圖像為1978年10月16日的MSS-5(紅光波段，分辨率57m，大小3550×3880)，兩幅圖像的色調(diào)反差很大（如圖）。試驗主圖像為2002年7月9日武漢市ETM+圖像的第4波段(47MODIS影像的小面元校正EOS/MODIS衛(wèi)星接收系統(tǒng)提供的1B級影像中,圖像信息和經(jīng)緯度信息是分離的,而且經(jīng)線、緯線呈不規(guī)則的曲線。要使用這些數(shù)據(jù),通常要先設法把每點的經(jīng)緯度信息經(jīng)過投影計算，轉(zhuǎn)換到用戶所需的坐標系統(tǒng)中。借助遙感軟件進行幾何校正，處理過程中需要多次人機交互,因此處理人員必須在計算機前守候,浪費大量的時間。用IDL(InteractiveDataLanguage)語言開發(fā)了一個基于三角網(wǎng)的小面元幾何校正程序,它具備批處理功能,處理過程中不需人工干預,而且用戶可以自定義處理范圍和波段，使MODIS數(shù)據(jù)預處理變得非常方便。MODIS影像的小面元校正EOS/MODIS衛(wèi)星接收系統(tǒng)提供48MODIS校正前后的影像緯度經(jīng)度原始影像校正影像MODIS校正前后的影像緯度49遙感圖像配準教學講義課件50基于三角網(wǎng)的小面元幾何校正如果逐點投影計算一幅大小為5416×19680的MODIS影像,其計算量非常大，用普通PC機要計算十幾天。所以現(xiàn)有的幾何校正算法都用“以點代面”的思想，采用多項式或三角網(wǎng)的方法?；谌蔷W(wǎng)的小面元幾何校正，其實質(zhì)在于以點代面進行幾何校正，先對三角形三個頂點進行投影計算，然后根據(jù)三角形頂點建立三角形校正前后之間的仿射變換關系?；谌蔷W(wǎng)的小面元幾何校正如果逐點投影計算一幅大小為541651控制點選取在輸入影像及其對應的經(jīng)緯度數(shù)據(jù)中,按固定的行列間隔選取控制點,并用數(shù)組記錄下所有控制點的像素坐標（行和列）和大地坐標(B,L)。控制點數(shù)據(jù)與波段無關,只和分辨率有關,所以一軌MODIS數(shù)據(jù)只需針對250m、500m和1000m影像選取三組控制點數(shù)據(jù)。控制點投影變換。把大地坐標（經(jīng)緯度）轉(zhuǎn)換為平面坐標。

控制點選取在輸入影像及其對應的經(jīng)緯度數(shù)據(jù)中,按固定的行列間隔52因為控制點是按固定的行列間隔選取的，所以控制點構(gòu)成規(guī)則的網(wǎng)格。規(guī)則網(wǎng)格的對角線把網(wǎng)格劃分為規(guī)則三角網(wǎng)（如圖）。然后用小面元校正算法逐個三角形進行幾何校正，從而完成對整幅影像的校正。

因為控制點是按固定的行列間隔選取的，所以控制點構(gòu)成規(guī)則的網(wǎng)格53基于以上算法,用IDL編寫的程序可以批處理多個MODIS數(shù)據(jù)文件。作者在PC機（Pentium2.4GCPU,1G內(nèi)存）上處理2個250m波段數(shù)據(jù)（只處理湖北省境內(nèi)）,只需48.3秒。作為比對，ENVI必須先處理整幅影像，然后再裁切湖北省內(nèi)數(shù)據(jù)，所以其內(nèi)存占用率很高，共需要20分鐘左右，并且處理過程要人機交互，也就是說必須至始至終守在計算機前面。在校正后的影像中隨機選取20-30個控制點，通過用更高分辨率的ETM+圖像(28.5m)進行比對，其誤差都控制在0.3個像素以內(nèi)?；谝陨纤惴?用IDL編寫的程序可以批處理多個MODIS數(shù)54謝謝大家！謝謝大家！55考情掃描知識要點中考要求實現(xiàn)指標阿基米德原理知道阿基米德原理，能用阿基米德原理進行相關的計算。了解阿基米德原理的數(shù)學推導過程，明確驗證阿基米德原理的實驗中所測的物理量，會靈活利用阿基米德原理的數(shù)學表達式進行計算?？记閽呙柚R要點中考要求實現(xiàn)指標阿基米德原理知道阿基米德原理知識梳理浮力1阿基米德原理2知識梳理浮力1阿基米德原理2一、浮力1．浮力：浸在液體（或氣體）中的物體受到液體（或氣體）__________的力叫浮力。2．浮力產(chǎn)生的原因：液體對物體向上和向下的__________，所以浮力是一種效果力，用數(shù)學表達式表示是F?。絖_________。3．浮力大小可以用彈簧測力計測量：若測得在空氣中物體的示重為G，在液體中物體的示重為G′，則F浮＝__________。

向上壓力差F向上-F向下G-G′一、浮力1．浮力：向上壓力差F向上-F向下G-G′二、阿基米德原理1．阿基米德原理浸在液體中的物體受到__________，浮力的大小等于______________________。這就是阿基米德原理。阿基米德原理既交代了浮力的____，也告訴我們浮力大小的等效計算方法。2．驗證阿基米德原理的實驗需要使用的測量工具是__________，需要間接測出的物理量有____和____，如果兩者相等，阿基米德原理就成立。向上的浮力它排開的液體所受的重力方向彈簧測力計F浮G排二、阿基米德原理1．阿基米德原理向上的浮力它排開的液體所受的二、阿基米德原理3．阿基米德原理的數(shù)學表達式為__________，除此之外推導出的公式還有：____________、____________。4．利用F?。溅岩篻V排液，可以得出V排液＝__________，ρ液＝__________，這樣在已知浮力的情況下，可以反過來計算與體積或密度有關系的物理量。F?。紾排F?。絤液gF?。溅岩篻V排液

二、阿基米德原理F?。紾排F?。絤液gF浮＝ρ液gV排液

難點突破理解浮力產(chǎn)生的原因1理解浮力成因與阿基米德原理的聯(lián)系2能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論3難點突破理解浮力產(chǎn)生的原因1理解浮力成因與阿基米德原理的聯(lián)系難點1理解浮力產(chǎn)生的原因?qū)W情分析：浮力的有無是由向上和向下的壓力差決定的，阿基米德原理也是從浮力的成因推導過來的。弄清本末關系，才能靈活處理各類問題。難點1理解浮力產(chǎn)生的原因難點1理解浮力產(chǎn)生的原因【例1】用力的示意圖表示圖12-1中物體受到的向上、向下的壓力。思維點撥：浮力是物體在液體中受到的向上和向下的壓力差。浸沒在液體中的物體未必受到浮力，如圖③中的小球只受到向下的壓力。難點1理解浮力產(chǎn)生的原因【例1】用力的示意圖表示圖12-1

難點2理解浮力成因與阿基米德原理的聯(lián)系學情分析：“高度差”不等同于“壓力差”，“高度差”越大，“壓力差”不一定越大。解題時要利用公式推導的方式弄清“壓力差”到底與哪些物理量有關，并借此理清阿基米德原理與“壓力差”之間的聯(lián)系。

難點2理解浮力成因與阿基米德原理的聯(lián)系

難點2理解浮力成因與阿基米德原理的聯(lián)系【例2】如圖12-2，將兩個同樣形狀的長方體分別以水平與豎立的方式放置在盛水的容器中，則兩個長方體所受到的（）A．上、下壓強差相等，浮力不等B．上、下壓強差不等，浮力相等C．上、下壓強差不等，浮力不等D．上、下壓強差相等，浮力相等B

難點2理解浮力成因與阿基米德原理的聯(lián)系B

難點2理解浮力成因與阿基米德原理的聯(lián)系【例3】在例2中，如果把左邊豎立放置的長方

體緊貼容器底部放置（下方?jīng)]有水），

右邊的長方體放置情況不變，則兩個

長方體受到的浮力情況是______________________________________________________。思維點撥：阿基米德原理適用的條件是首先物體受到浮力，當長方體下表面不受向上的壓力時，浮力就不存在了，這時就不能用阿基米德原理的相關公式進行分析。

左邊長方體不受浮力，右邊長方體所受浮力大小等于自身重力

難點2理解浮力成因與阿基米德原理的聯(lián)系

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論學情分析：觀察實驗是初中物理的基本要求，把看到的與相應的物理量對應起來是需要訓練的實驗技能。

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論【例4】對比圖12-3甲中所受浮力的三種情況，你發(fā)現(xiàn)的規(guī)律是：________________________________________________________。

物體浸入液體的體積相同時，液體密度越大，物體所受浮力越大

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論【例4】對比圖12-3乙中所受浮力的三種情況，你發(fā)現(xiàn)的規(guī)律是：_________________________________________________。

物體浸入同種液體中，浸入體積越大，所受浮力越大

難點3能通過對實驗現(xiàn)象的觀察，得出相應結(jié)論ThankYou!ThankYou!進入夏天，少不了一個熱字當頭，電扇空調(diào)陸續(xù)登場，每逢此時，總會想起那一把蒲扇。蒲扇，是記憶中的農(nóng)村，夏季經(jīng)常用的一件物品。記憶中的故鄉(xiāng)，每逢進入夏天，集市上最常見的便是蒲扇、涼席，不論男女老少，個個手持一把，忽閃忽閃個不停，嘴里叨叨著“怎么這么熱”，于是三五成群，聚在大樹下，或站著，或隨即坐在石頭上，手持那把扇子，邊嘮嗑邊乘涼。孩子們卻在周圍跑跑跳跳，熱得滿頭大汗，不時聽到“強子，別跑了，快來我給你扇扇”。孩子們才不聽這一套，跑個沒完，直到累氣喘吁吁，這才一跑一踮地圍過了，這時母親總是，好似生氣的樣子，邊扇邊訓，“你看熱的，跑什么？”此時這把蒲扇，是那么涼快，那么的溫馨幸福，有母親的味道！蒲扇是中國傳統(tǒng)工藝品，在我國已有三千年多年的歷史。取材于棕櫚樹，制作簡單，方便攜帶，且蒲扇的表面光滑，因而，古人常會在上面作畫。古有棕扇、葵扇、蒲扇、蕉扇諸名，實即今日的蒲扇，江浙稱之為芭蕉扇。六七十年代，人們最常用的就是這種，似圓非圓，輕巧又便宜的蒲扇。蒲扇流傳至今，我的記憶中，它跨越了半個世紀，也走過了我們的半個人生的軌跡，攜帶著特有的念想，一年年，一天天，流向長長的時間隧道，裊遙感圖像配準進入夏天，少不了一個熱字當頭，電扇空調(diào)陸續(xù)登場，每逢此時71圖像配準的用途意義圖像配準（或圖像匹配）是評價兩幅或多幅圖像的相似性以確定同名點的過程。圖像配準算法就是設法建立兩幅圖像之間的對應關系,確定相應幾何變換參數(shù),對兩幅圖像中的一幅進行幾何變換的方法。圖像配準是圖像分析和處理的基本問題。它在航空影像自動制圖、圖像三維重構(gòu)、計算機視覺、遙感融合、模式識別、醫(yī)學圖像處理、影像分析等領域都有重要應用。圖像配準的用途意義圖像配準（或圖像匹配）是評價兩幅或多幅圖像72圖像配準參考圖像（主圖像）待配準圖像（輔圖像）配準圖像圖像配準參考圖像（主圖像）待配準圖像（輔圖像）73遙感圖像配準教學講義課件74遙感圖像配準教學講義課件75遙感圖像配準教學講義課件76相似性測度用以下測度來衡量T和Si,j的相似程度：根據(jù)施瓦茲不等式，，并且在比值為常數(shù)時取極大值為1。但實際上兩幅不同圖像的P值介于0和1之間，很難達到理想值。根據(jù)經(jīng)驗取某個閾值P0，如果P>P0，則匹配成功；P<P0，則匹配失敗。相似性測度用以下測度來衡量T和Si,j的相似程度：77金字塔模板匹配為了加快搜索速度，很多影像匹配方法使用金字塔影像。對影像進行一次采樣率為1/n(n=2,3)的重采樣，即把影像的每n×n個像素變?yōu)橐粋€像素，這樣就得到一對長、寬都為原來1/n的影像，把它作為金字塔的第二層。再對第二層用同樣方法進行一次采樣率為1/n的重采樣，又得到第三層（頂層）。原始影像作為金字塔影像的底層。金字塔模板匹配為了加快搜索速度，很多影像匹配方法使用金字塔影78金字塔影像匹配的步驟第一步：頂層的匹配，得到一個平移初始值。第二步：根據(jù)平移初始值乘以n得到第二層平移量初始值，在它m×m個像元的鄰域內(nèi)進行模板匹配。第三步：根據(jù)第二層匹配值乘以n得到第三層平移量初始值，再進行一次模板匹配。如果影像尺寸不是特別大，可以只用兩層金字塔。金字塔影像匹配的步驟第一步：頂層的匹配，得到一個平移初始值79基于特征的配準算法基于特征的算法(feature-basedmatching)先提取圖像顯著特征，再進行特征匹配，大大壓縮了圖像信息的數(shù)據(jù)量，同時保持了圖像的位移、旋轉(zhuǎn)、比例方面的特征，故在配準時計算量小，速度較快、魯棒性好。當兩幅圖像之間的線性位置關系不明確時，應使用基于特征的匹配。一般來說特征匹配算法可分為四步:1.特征提取;2.特征描述;3.特征匹配；4.非特征像素之間的匹配?；谔卣鞯呐錅仕惴ɑ谔卣鞯乃惴?feature-base80基于特征的配準步驟在特征匹配前，首先要從兩幅圖像中提取灰度變化明顯的點、線等特征形成特征集。在兩幅圖像對應的特征集中利用特征匹配算法盡可能的將存在匹配關系的特征對選擇出來。通過特征建立兩幅圖像之間的多項式變換關系，達到以點代面的效果。對于非特征像素點，利用上述多項式變換關系來進行幾何校正，從而實現(xiàn)兩幅圖像之間逐像素的配準?；谔卣鞯呐錅什襟E在特征匹配前，首先要從兩幅圖像中提取灰度變81人工匹配步驟1.人工選取控制點2.多項式匹配人工匹配步驟1.人工選取控制點82用遙感軟件進行幾何校正

遙感軟件的幾何校正功能是利用地面控制點(GroundControlPoint,GCP)進行的幾何校正，它通常用多項式來近似描述遙感圖像的幾何畸變過程，并利用控制點求得這個幾何畸變模型，然后利用此模型進行幾何校正，這種校正不考慮畸變的具體原因，而只考慮如何利用畸變模型來校正圖像。

用遙感軟件進行幾何校正 遙感軟件的幾何校正功能是利83校正步驟幾何精校正一般可分為以下四個步驟：

1.建立原始圖像與校正后圖像的坐標系。

2.確定控制點對。

3.選擇畸變數(shù)學模型，比如一次、二次、三次多項式。

4.幾何校正的精度分析。

校正步驟幾何精校正一般可分為以下四個步驟：84遙感圖像配準教學講義課件85半自動匹配1.用戶先把主輔圖像進行預處理，先進行重采樣、旋轉(zhuǎn)、去除噪聲等，使兩幅影像的分辨率、角度等基本一致后，再進行配準。2.用戶先指定三個控制點，程序根據(jù)三個控制點算出主輔圖像旋轉(zhuǎn)、平移和尺度差異，再用金字塔模板匹配方法進行配準。半自動匹配1.用戶先把主輔圖像進行預處理，先進行重采樣、旋86全自動匹配不需要用戶事先提供任何信息，單純依據(jù)兩幅圖像自身的信息進行匹配計算。由于主輔圖像之間存在旋轉(zhuǎn)、平移和尺度差異，如何找到初始定位信息是其難點。方法多種多樣。包括直方圖匹配、Hu不變矩、金字塔模板匹配、小波Gabor算子、基于空間變換的方法等。將在后面特征點匹配部分講述。全自動匹配不需要用戶事先提供任何信息，單純依據(jù)兩幅圖像自身的87基于TIN的圖像配準算法流程基于TIN的圖像配準算法流程88特征類型灰度特征點。Moravec算子、Forstner算子與Hannah算子。角點。SUSAN算子,Harris算子，王算子，沈俊算子。邊緣特征（線型）。Canny算子,Marr算子。紋理特征?；叶裙采仃?，小波Gabor算子。特征類型灰度特征點。Moravec算子、Forstner算子89Moravec算子Moravec算子是利用灰度方差提取特征點的算子，它在四個主要方向上，選擇具有最大-最小灰度方差的點作為特征點。其步驟為：

1計算各像元的興趣值（InterestValue）。在以像素為中心w×w的影像窗口中（如5×5的窗口），計算圖中所示四個方向相鄰像素灰度差的平方和：

Moravec算子Moravec算子是利用灰度方差提取特征點90Moravec算子取其中最小者作為該像素的興趣值：V=min{V1，V2，V3，V4}Moravec算子取其中最小者作為該像素的興趣值：91給定一經(jīng)驗閾值，將興趣值大于該閾值的點（即窗口的中心點）作為候選點。閾值的選擇應以候選點中包括所需要的主要特征點而又不含過多的非特征點為原則。取候選點中的極值點作為特征點。在一定大小的窗口內(nèi),將候選點中興趣值不是最大者均去掉，僅留下一個興趣值最大者，該像素即為一個特征點。如果兩個特征點之間的距離過短，則去掉其中一個。否則，在影像校正時，三角形邊長過短將使解算出來的仿射變換參數(shù)出現(xiàn)錯誤。給定一經(jīng)驗閾值，將興趣值大于該閾值的點（即窗口的中心點）作為92角點提取-SUSAN算子SUSAN算法是由英國牛津大學的S.M.Smith,J.M.Brady首先提出的,它主要是用來計算圖像中的角點特征的。SUSAN算法的特點:1.對角點的檢測比對邊緣檢測的效果要好,適用于基于角點匹配的圖像配準;2.無需梯度運算,保證了算法的效率;3.具有積分特性(在一個模板內(nèi)計算SUSAN面積),這樣就使得SUSAN算法在抗噪和計算速度方面有較大的改進。角點提取-SUSAN算子SUSAN算法是由英國牛津大學的S93SUSAN算法用一個一定半徑的圓模板放置在圖像上（如圖）。如果模板上存在一區(qū)域，使該區(qū)域上對應圖像的每一像素處的灰度值與圓心的灰度值相同（或相近），那么就定義該區(qū)域為核值相似區(qū)，即USAN，其中像素的個數(shù)定義為這個模板的面積。SUSAN算法用一個一定半徑的圓模板放置在圖像上（如圖）94遙感圖像配準教學講義課件95SUSAN算法的基本原理圖像上每一點都有一個鄰近的具有相似灰度值的局部區(qū)域是SUSAN算法的基礎。這個局部區(qū)域或USAN包含了許多關于圖像結(jié)構(gòu)的信息。SUSAN算法的基本原理是：在每個像素移動一個小的圓形模板以檢測局部信息，并利用預先設定的亮度閾值比較模板核及其周圍像素的亮度值，亮度值相同或相近的為一個USAN，最后通過面積最小的USAN檢測角點。SUSAN算法的基本原理圖像上每一點都有一個鄰近的具有相似96邊緣特征提取“基于TIN的多源影像幾何配準”沒有使用邊緣提取算子，所以這里不介紹其算法。（a）原圖（b）Marr算子結(jié)果（c）Canny算子結(jié)果邊緣特征提取“基于TIN的多源影像幾何配準”沒有使用邊緣提取97紋理特征紋理是用來識別目標的重要方法，它是圖像中一個很重要而又難以描述的特性，至今還沒有公認的定義。有些圖像在局部區(qū)域內(nèi)呈現(xiàn)不規(guī)則性，而在整體上表現(xiàn)出某種規(guī)律性。習慣上把這種局部不規(guī)則而宏觀有規(guī)律的特性稱之為紋理。以紋理特性為主導的圖像，常稱為紋理圖像，如木材紋理、皮膚紋理、織物紋理等。通過對物體紋理特征的提取，可以對圖像進行分類、配準等操作。紋理特征紋理是用來識別目標的重要方法，它是圖像中一個很重要而98局部不規(guī)律，整體具有一定規(guī)律性的特性。基本單元的重復性粗糙性方向性局部不規(guī)律，整體具有一定規(guī)律性的特性。99提取紋理特征的方法灰度共生矩陣?；谛〔ǖ腉abor算子。提取紋理特征的方法灰度共生矩陣。100直方圖匹配直方圖匹配101Hu不變矩1962年Hute提出Hu不變矩，它對于匹配影像之間的平移、旋轉(zhuǎn)和大小尺度變化具有自適應性，但它只適用于相似變換，不適于仿射變換。Hu最初用以下7個不變矩公式來描述目標特征:Hu不變矩1962年Hute提出Hu不變矩，它對于匹配影像102但實際上大部分文獻都采用6個無量綱、消誤差的組合不變矩：但實際上大部分文獻都采用6個無量綱、消誤差的組合不變矩：103點模式匹配模式識別中的點模式匹配，使用特征點集中點與點之間的位置關系進行匹配，較少（或沒有）利用圖像灰度、紋理和邊緣信息，所以它對圖像之間的旋轉(zhuǎn)、灰度、紋理、分辨率等差異不敏感，能夠匹配不同傳感器的圖像，且能進行圖像之間的全自動配準。匹配兩個特征點集的實質(zhì)是找到它們的同構(gòu)子集。要用到較多的數(shù)學知識。點模式匹配模式識別中的點模式匹配，使用特征點集中點與點之間的104點模式匹配PengyuHong等用圖論的方法，把兩點集看作兩個無向圖，然后提取它們的同構(gòu)子圖，但其算法復雜，只能用于匹配簡單圖片（如商標），對于復雜圖片計算量過大。羅綱等以傳統(tǒng)的Umeyama點集相關度量為基礎,結(jié)合Procrustes正規(guī)化方法,通過引入加權(quán)矩陣得到新的相關度量函數(shù),解決了傳統(tǒng)方法要求點集維數(shù)相同的缺點，經(jīng)過迭代運算,可對存在幾何失真,且維數(shù)不同的兩點集進行精確配準，但計算量較大。點模式匹配PengyuHong等用圖論的方法，把兩點集看作105張立華等將待匹配的兩個二維點集分別轉(zhuǎn)化成為一個n維空間中的向量,對這兩個向量中的各元素進行簡單的排序來解決點集匹配問題。田原等通過建立一種圖像點集間距離的描述方法，提出基于點集不變性匹配的目標檢測與識別方法。舒麗霞等用Hausdorff距離對兩特征點集進行匹配,得到點集間的仿射變換關系。孫燾等對主輔圖像的特征點集分別進行Whitening變換,將點集間的一般仿射變換問題轉(zhuǎn)換為剛性變換問題。張立華等將待匹配的兩個二維點集分別轉(zhuǎn)化成為一個n維空間中的向106桑農(nóng)等以四元組代替點對進行點特征松弛匹配算法，提出了基于點特征的具有旋轉(zhuǎn)與比例不變松弛匹配算法，但是該算法在匹配迭代過程中必須對所有實時圖中的點特征進行一次比例與旋轉(zhuǎn)變換,這在一定程度上影響了匹配速度。陳志剛等以六元組為基礎構(gòu)建三角形,利用三角形在平移、比例放大和旋轉(zhuǎn)變換后與原三角形相似的特性將其引入到基本點特征松弛匹配算法中,提出一種比例與旋轉(zhuǎn)不變點特征松弛匹配算法。桑農(nóng)等以四元組代替點對進行點特征松弛匹配算法，提出了基于點特107不規(guī)則三角網(wǎng)不規(guī)則三角網(wǎng)（triangulatedirregularnetwork，TIN)在地形圖的制作中被廣泛使用。繪制等高線時，先用測量點構(gòu)造TIN，然后再根據(jù)TIN內(nèi)插等高線。不規(guī)則三角網(wǎng)不規(guī)則三角網(wǎng)（triangulatedirre108不規(guī)則三角網(wǎng)TIN的優(yōu)點：能真實反映地形變化，相比grid，數(shù)據(jù)量很小。在地形變化較大、特征點多的區(qū)域，三角網(wǎng)密集，能很好地反映地形變化；而在開闊、平坦的區(qū)域，特征點少，三角網(wǎng)稀疏，不會造成大量的冗余數(shù)據(jù)，也不會無謂地增加計算量。TIN用于圖像配準時，同樣具有這一優(yōu)點。不規(guī)則三角網(wǎng)TIN的優(yōu)點：能真實反映地形變化，相比grid，109Delaunay三角網(wǎng)Delaunay三角網(wǎng)常常被用于TIN的生成。Delaunay三角網(wǎng)為相互鄰接且互不重疊的三角形的集合，每一三角形的外接圓內(nèi)不包含其它的點。Delaunay三角網(wǎng)Delaunay三角網(wǎng)常常被用于TIN110構(gòu)TIN的基本原則

TIN是惟一的。即對于同樣的點集，所構(gòu)三角網(wǎng)應該只有一種；力求最佳的三角形幾何形狀，每個三角形盡量接近等邊形狀；保證最鄰近的點構(gòu)成三角形，即三角形的邊長之和最小。構(gòu)TIN的基本原則TIN是惟一的。即對于同樣的點集，所構(gòu)三111小面元微分校正法在主輔圖像中用匹配好的特征點集構(gòu)造TIN?？梢钥醋魅蔷W(wǎng)把從影像微分成很多微小的面元，每個三角形就是一個很小的面元，在這個面元內(nèi)，可以只考慮影像的一次形變。以從影像中的各個三角形為單位，對三角形內(nèi)各個點進行幾何校正，從而對整幅從影像進行校正。這種幾何校正方法叫做小面元微分校正法。對于山區(qū)遙感影像，多項式校正方法的精度不夠，必須采用小面元微分校正的方法，其幾何校正誤差可以控制在0.3個像素以內(nèi)。小面元微分校正法在主輔圖像中用匹配好的特征點集構(gòu)造TIN。112小面元微分校正法步驟下面以影像中任一三角形W為例說明影像幾何校正的原理。輔影像中三角形W的三個角點為a,b,c，它們在主影像中對應的點為A,B,C,它們的坐標分別為，。把W看作小面元，則有仿射變換：小面元微分校正法步驟下面以影像中任一三角形W為例說明影像幾何113其中是仿射變換參數(shù)。把，代入方程可以得到仿射變換參數(shù)。先根據(jù)主影像大小生成一幅和主影像坐標一致的配準影像，因為還沒有輸入任何值，所以是空白影像。配準影像中三角形W內(nèi)任何一個像素，都可以通過方程組解算出它在輔影像中對應的的同名點像素坐標(行列值)。同名點坐標是小數(shù)，必須經(jīng)過插值計算，得到配準點DN值。其中114插值方法最鄰近法立方卷積法雙線性法雙線性插值法公式如下：插值方法最鄰近法115查找三角形內(nèi)各像素點計算量較大，本文作者通過試驗發(fā)現(xiàn)，用三角形外接矩形內(nèi)所有像素點代替三角形內(nèi)像素點進行計算，可使計算速度提高4倍左右，而校正效果相差不大。查找三角形內(nèi)各像素點計算量較大，本文作者通過試驗發(fā)現(xiàn)，用三角116試驗主圖像為2002年7月9日武漢市ETM+圖像的第4波段(近紅外波段，分辨率28.5m，大小5000×4000)，輔圖像為1978年10月16日的MSS-5(紅光波段，分辨率57m，大小3550×3880)，兩幅圖像的色調(diào)反差很大（如圖）。試驗主圖像為2002年7月9日武漢市ETM+圖像的第4波段(117MODIS影像的小面元校正EOS/MODIS衛(wèi)星接收系統(tǒng)提供的1B級影像中,圖像信息和經(jīng)緯度信息是分離的,而且經(jīng)線、緯線呈不規(guī)則的曲線。要使用這些數(shù)據(jù),通常要先設法把每點的經(jīng)緯度信息經(jīng)過投影計算，轉(zhuǎn)換到用戶所需的坐標系統(tǒng)中。借助遙感軟件進行幾何校正，處理過程中需要多次人機交互,因此處理人員必須在計算機前守候,浪費大量的時間。用IDL(InteractiveDataLanguage)語言開發(fā)了一個基于三角網(wǎng)的小面元幾何校正程序,它具備批處理功能,處理過程中不需人工干預,而且用戶可以自定義處理范圍和波段，使MODIS數(shù)據(jù)預處理變得非常方便。MODIS影像的小面元校正EOS/MODIS衛(wèi)星接收系統(tǒng)提供118MODIS校正前后的影像緯度經(jīng)度原始影像校正影像MODIS校正前后的影像緯度119遙感圖像配準教學講義課件120基于三角網(wǎng)的小面元幾何校正如果逐點投影計算一幅大小為5416×19680的MODIS影像,其計算量非常大，用普通PC機要計算十幾天。所以現(xiàn)有的幾何校正算法都用“以點代面”的思想，采用多項式或三角網(wǎng)的方法。基于三角網(wǎng)的小面元幾何校正，其實質(zhì)在于以點代面進行幾何校正，先對三角形三個頂點進行投影計算，然后根據(jù)三角形頂點建立三角形校正前后之間的仿射變換關系?；谌蔷W(wǎng)的小面元幾何校正如果逐點投影計算一幅大小為5416121控制點選取在輸入影像及其對應的經(jīng)緯度數(shù)據(jù)中,按固定的行列間隔選取控制點,并用數(shù)組記錄下所有控制點的像素坐標（行和列）和大地坐標(B,L)?？刂泣c數(shù)據(jù)與波段無關,只和分辨率有關,所以一軌MODIS數(shù)據(jù)只需針對250m、500m和1000m影像選取三組控制點數(shù)據(jù)?？刂泣c投影變換。把大地坐標（經(jīng)緯度）轉(zhuǎn)換為平面坐標。

控制點選取在輸入影像及其對應的經(jīng)緯度數(shù)據(jù)中,按固定的行列間隔122因為控制點是按固定的行列間隔選取的，所以控制點構(gòu)成規(guī)則的網(wǎng)格。規(guī)則網(wǎng)格的對角線把網(wǎng)格劃分為規(guī)則三角網(wǎng)（如圖）。然后用小面元校正算法逐個三角形進行幾何校正，從而完成對整幅影像的校正。

因為控制點是按固定的行列間隔選取的，所以控制點構(gòu)成規(guī)則的網(wǎng)格123基于以上算法,用IDL編寫的程序可以批處理多個MODIS數(shù)據(jù)文件。作者在PC機（Pentium2.4GCPU,1G內(nèi)存）上處理2個250m波段數(shù)據(jù)（只處理湖北省境內(nèi)）,只需48.3秒。作為比對，ENVI必須先處理整幅影像，然后再裁切湖北省內(nèi)數(shù)據(jù)，所以其內(nèi)存占用率很高，共需要20分鐘左右，并且處理過程要人機交互，也就是說必須至始至終守在計算機前面。在校正后的影像中隨機選取20-30個控制點，通過用更高分辨率的ETM+圖像(28.5m)進行比對，其誤差都控制在0.3個像素以內(nèi)?；谝陨纤惴?用IDL編寫的程序可以批處理多個MODIS數(shù)124謝謝大家！謝謝大家！125考情掃描知識要點中考要求實現(xiàn)指標阿基米德原理知道阿基米德原理，能用阿基米德原理進行相關的計算。了解阿基米德原理的數(shù)學推導過程，明確驗證阿基米德原理的實驗中所測的物理量，會靈活利用阿基米德原理的數(shù)學表達式進行計算。考情掃描知識要點中考要求實現(xiàn)指標阿基米德原理知道阿基米德原理知識梳理浮力1阿基米德原理2知識梳理浮力1阿基米德原理2一、浮力1．浮力：浸在液體（或氣體）中的物體受到液體（或氣體）__________的力叫浮力。2．浮力產(chǎn)生的原因：液體對物體向上和向下的__________