破解教程
1、从本站下载数据包并解压，运行安装程序Geomatica 2018-SP1 Full Software Install Windows64.exe。
2、选择i accept，然后点击next。
3、设置安装路径并点击next（这里小编建议使用默认路径以便后续破解）。
4、这一步使用默认设置进行安装即可。
5、点击install开始安装。
6、安装完成后不要运行软件，将破解补丁复制到安装目录下覆盖原文件即可。
软件功能
一、新！ 分析就绪数据工具
用于多时相分析的图像预处理的附加包
1、丰富的科学预处理
一种新的行业领先的工具集，专门用于大规模生成几何和辐射校正的数据。这个新的软件包为您提供了生成标准化照明条件和表面反射率产品的功能，以通过新的大数据架构（如Open Data Cube）执行有意义的多时间分析。
2、自动预处理大量数据
Analysis Ready数据工具的开发是为了利用该软件平台提供的内置自动化功能。通过Geomatica Python APl，用户可以部署工作流程来自动快速地预处理大量数据，在他们感兴趣的领域上构建深度时间图像堆栈。
3、直观的大气模型校准
您可以使用专用的图形和统计工具来确定大气模型的校准和验证。 这款软件现在包含改进且易于使用的工具，用于比较来自不同来源的目标和参考光谱。
二、新：SAR对象分析师工作流程
额外功能，无需额外费用
1、易于学习和易于使用
通过整合复杂的SAR图像预处理要求，现在可以使用现有的Object Analyst模块进行基于对象的SAR图像分类。现在，非SAR专家可以访问基于SAR对象的分类。
2、适应SAR的海水养殖
我们已经开发了一种特定于SAR的图像分割程序，以根据统计区域增长来描绘同质区域。这种创新技术利用极化信息和SAR特定统计分析来协助分割过程生成有意义的对象。
3、预定义的属性计算
SAR属性的计算很容易通过易于使用的界面进行，该界面利用SAR特定纹理分析，散射机制分析等等。
4、全面支持SAR数据
在Object Analyst中利用不同类型的SAR数据。支持复杂和检测到的数据，以及不同类型的极化，例如：双极化，紧凑极化和四极化极化数据。
三、新：MRA Fusion
分析准备泛锐化
1、基于高级多分辨率分析（MRA）的泛色调
基于先进的小波分析，内部开发了新的算法，以执行高质量的图像全锐化，保持多光谱一致性。 新的MRA融合算法可确保高光谱保真度，并可大大改善多时相分析。
2、科学验证
通过广泛的研究和分析，新的MRA融合算法已经过验证，并证明可以保持多光谱波段的高光谱保真度。 已经在多个图像，不同的土地覆盖和不同的多光谱带上进行了统计分析，以验证MRA融合算法及其保持辐射含量的能力。
四、新：DSM True-Ortho工作流程
用于生成DSM True-Ortho产品的数字航空相机工作流程
1、使用DSM自动生成True Ortho
DSM True-Ortho工作流程旨在引导您完成以最少的交互生成真正的正交产品的过程。通过使用数字表面模型完全自动生成真正的正交产品，消除了手动数字化建筑物的耗时要求。
2、高级多视图DSM提取
利用先进的技术生成高分辨率数字表面模型，这是高质量真正正射校正所必需的。我们的技术利用数字表面模型中不同角度的新开发的高程选择方法，实现表面的完全最低视角，消除遮挡和人工制品。
3、停止使用DTM来挑战具有挑战性的区域中的正射影像
生成完美天底视角DSM Ortho产品，提供最佳的景观表现，无需在不正确的位置建立倾斜，遮挡区域没有明显的扭曲，并增加街道的可见度。
软件特色
1、严谨科学分析的分析就绪数据工具。
快速、轻松地对大量卫星图像进行预处理，以执行有意义的多时相分析。花更少的时间对卫星图像进行归一化和校正，而花更多的时间分析时间序列以获取可操作的信息。分析就绪数据工具附加组件可与所有支持的传感器配合使用，以创建可填充数据立方体的时间序列堆栈。
2、DSM真正交生成。
通过自动提取的高精度数字表面模型(DSM)自动生成真正射产品，克服了数字地形模型(DTM)正射产品的许多限制。自动DSM True-Oro插件可以节省提取3D模型或执行昂贵的地面测量的几个小时的体力劳动。生产高质量的DSM真正畸产品从未像现在这样容易。
3、高分辨率DSM提取。
从最新的传感器中提取高质量、高分辨率的数字表面模型比以往任何时候都更容易、更快。使用先进技术处理100对或1000对立体声。智能组合多个视点以生成多视图数字曲面模型，为您提供更详细、更准确的结果。
4、光学和SAR的分割、分类和特征提取。
Object Analyst插件易于学习和使用，可指导您完成图像分割、培训站点创建、分类(包括创建自定义规则)和特征提取。通过将光学或SAR图像分割成离散的形状，可以更容易地看到和分析边界和关系，为从图像中提取特征提供了有效的手段。通过使用直观的整形工具可以提高分析的最终质量。
5、InSAR处理。
通过InSAR附加组件，可以实现端到端的干涉雷达处理，以得出变形图或高程产品。该过程中的每个步骤都设计为灵活、直观，并通过Geomatica Python API独立或按顺序运行，自动化由操作应用程序的元数据驱动。InSAR适合于DEM生成和任何陆地变形应用，并允许进行时间序列分析，以测量地表位移和速度，精度可达亚厘米级。
6、全息锐化。
全色锐化算法已添加到现有方法中，包括多分辨率分析(MRA)融合技术，该技术通过融合黑白全色(PAN)和多光谱(MS)彩色图像来创建高分辨率彩色图像。MRA融合技术的关键优势在于，它在保留原始图像光谱特性的同时产生类似到更好的锐化结果，从而可以在更高分辨率下进行分析。
7、全息锐化。
全色锐化算法已添加到现有方法中，包括多分辨率分析(MRA)融合技术，该技术通过融合黑白全色(PAN)和多光谱(MS)彩色图像来创建高分辨率彩色图像。MRA融合技术的关键优势在于，它在保留原始图像光谱特性的同时产生类似到更好的锐化结果，从而可以在更高分辨率下进行分析。
使用帮助
Geomatica的ObjectAnalyst提供了一个直观的工作流向导，用于执行图像分割，分类和特征提取。这种一体化界面旨在降低复杂性，并为用户提供开发高度准确，基于对象的主题分类图的机会。
1、加载和检查输入文件
在本节中，我们将简单地加载和检查将用作分段和基于对象的分类的输入的不同层。
从该软件工具栏中打开焦点，然后单击“打开”
导航到您下载的文件并打开inputs.pix。它将自动加载为真彩色复合材料（R：1，G：2，B：3）
单击Focus左侧图层和文件管理器中的“文件”选项卡
展开“栅格”分支以查看pix文件中包含的各个栅格
右键单击第4层（曲面模型），然后选择“视图”>“灰度”。标准化曲面模型将以灰度渲染。
右键单击第5层（GreenessIndex）并选择View>AsPseudocolor。显示伪彩色图像，其表示更绿色的区域与不太绿色的区域。红色区域表示大量绿色，而绿色区域表示绿色量低。
inputs.pix文件中的最后一层是GroundTruthPoint矢量文件。右键单击该段，然后单击“查看”。然后将加载这些点。此细分将用于培训网站编辑-导入地面真相点
在“地图”选项卡上，将像素RGB图层移动到顶部，以便在查看器中进行渲染。
2、对象分析师工作流程
您可以使用ObjectAnalyst（一种基于对象的图像分析（OBIA）模块）将图像分割为对象以进行分类和分析。它与传统的基于像素的方法不同，后者侧重于单个像素作为分析的来源。
对象分析器主要用于非常高分辨率（VHR）的图像;但是，您可以将ObjectAnalyst与任何符合必要条件的图像一起使用。也就是说，您可以使用较低分辨率，各种分辨率的图像，以及Focus支持的输入格式。
上面概述的对象分析工作流程包括以下步骤：
分割
属性计算
培训网站编辑
监督分类
无监督分类
基于规则的分类
后分类编辑
准确性评估
3、分割
本节提供了执行图像和后续图层分割所需的步骤（即要素高度图层，绿度索引图层）。
在ObjectAnalyst向导中，单击Operation下拉列表并选择Segmentation
在“源图像层”部分中，单击“选择...”
在文件下拉列表中，选择列表中的唯一文件（pix）
选择前4个通道（不是第5个通道）。此面板中选定的图层将用于分割图像
单击确定
虽然本教程不会使用感兴趣的区域，但在分段步骤中可以选择设置AOI。然后将分段约束到特定的AOI，这可以帮助加速分割过程。
要设置AOI，请打开包含要使用的多边形的PCIDSK文件（和图层）。
在“对象分析器”窗口中，选中“使用感兴趣区域”复选框，然后在“AOI图层”列表中，选择包含所需多边形的PCIDSK文件和图层。
在“参数”部分中，将“比例”设置为35
在“输出”部分中，单击“浏览...”
在“文件选择器”窗口中，将文件名设置为seg，然后单击“保存”
在“图层”下拉列表中，选择“新建图层”，然后将其重命名为tutorial_seg
单击“添加并运行”按钮
处理完毕后，您的分段图层应加载到Focus查看器中
4、属性计算
在ObjectAnalyst向导中，单击Operation下拉列表，然后选择AttributeCalculation
在“源渠道”部分中，单击“选择...”
检查通道1-4，但这次也检查通道5
将BandAlias名称更改为以下：B01>红色，B02>绿色，B03>蓝色，B04>高度，B05>绿色
单击确定
在“要计算的属性”部分中，展开“统计”部分并选中“均值”
展开几何图形部分并检查所有4（紧凑度，伸长率，圆度，矩形度）
单击“添加并运行”
在地图选项卡中，右键单击pix：2。tutorial_seg图层并在上下文菜单中选择AttributesManager...
在打开的属性管理器中，您将看到许多新列，其中包含您刚刚在步骤4中创建的标题（例如，Mean_red，Mean_green，Mean_blue，
Rectangularity等）
关闭属性管理器
5、培训网站集
本节将提供收集执行监督分类所需的培训地点所需的步骤。此外，您还将收集验证站点，这些站点将在您运行分类过程后用于执行定量准确性评估。
在对象分析师向导，改变操作以培训网站编辑
确保训练矢量图层为pix：2[VEC]：tutorial_seg您在本教程的“分段”部分中创建的文件
进入培训网站有两种可能的方法：
编辑-通过向类添加分段多边形来手动选择训练网站。
地面真相点-使用包含地面实况信息的点文件来指定分段多边形的训练类。
6、手动收集培训网站
单击编辑...按钮以打开“培训站点编辑”窗口
确保将“训练字段”设置为“培训”
单击“添加班级”按钮
将添加一个新行，该行读取ClassName列下的Class1
将名称更改为“建筑物”
单击颜色下拉列表以选择表示该类的颜色（例如深灰色）
重复步骤4-7，四（4）次，并按如下方式命名每个类
路面（将颜色设置为浅灰色）
土壤（颜色设置为橙色）
森林（将颜色设置为深绿色）
字段（设置为黄色）
草（设置颜色为亮绿色）
选择Buildings类，然后单击IndividualSelect工具
在焦点查看器中，按住CTRL键并选择与建筑物重叠的分割多边形（确保选择至少30个不同屋顶颜色和样式的建筑物）
选择了许多不同的建筑多边形后，单击“培训站点编辑”窗口上的“分配”按钮，将它们添加到“建筑”类的“培训计数”列中 再次使用“个人选择”工具选择至少20个建筑物
对其余四个类重复步骤9-14，确保为训练计数收集至少25个形状。尝试尽可能准确和多样化
您可以重复上述步骤手动收集准确计数的培训地点，或者您可以导入地面真相点，如下节所述。
7、导入地面真相点
在主要的“对象分析”窗口 - “培训站点编辑”操作中，单击“ 导入”按钮
在Import Ground-Truth Points窗口中，选择pix文件，Ground Truth Points图层和Class字段。这些要点将用于准确性评估然后，根据字段Class中的值，将包含地面实况点的分割层中的每个多边形添加到特定的精度评估类中。您可以打开Ground-Truth Point段的属性管理器以查看字段值。
将冲突解决规则更改为First
单击导入
导入点并显示报告弹出窗口。
然后，您可以打开“ 训练场地编辑”窗口，将“训练场”切换到班级，并查看由点导入产生的新精度评估多边形。
每个准确度评估课程至少需要15个培训点。根据手动收集培训网站的步骤9和10，为每个班级收集额外的准确度评估培训网站。
**在收集站点之前，确保将样本类型单选按钮切换到准确度评估。
8、监督分类
收集培训站点后，您可以运行受监督的分类。监督分类是通过分析已知类成员资格的数据集的属性来查找模型或函数的过程。然后，此函数用于预测目标人口的类成员资格。
在对象分析窗口，改变运行到监督分类
单击“矢量图层和字段”部分中的“选择...”按钮
在矢量层和字段选择器窗口中，确保了层字段填入tutorial_seg层和所有的领域有勾号旁边，除了为区，周长，PixelValue和Class_Count
单击确定
在“培训字段”下拉列表中，选择“培训”
在“输出类别”字段中，将名称更改为“监督”
将SVM内核保留为基于径向的函数，然后单击“添加并运行”
确保已选中“规范化数据”
流程运行完毕后，转到“地图”标签，取消选中“培训”图层以查看结果。
要更改分类多边形颜色，请在“地图”选项卡中右键单击“监督”图层，然后选择“表示编辑器”。然后，您可以双击多边形以在此窗口中更改其颜色。
9、无监督分类
监督分类的替代方案是无监督分类。使用无监督分类，不需要训练样本。对所选属性执行此分类以查找数据集群。ObjectAnalyst基于k-means聚类算法提供无监督分类。
在“对象分析器”窗口中，将“操作”更改为“无监督分类”
单击“选择”，然后选择分段文件和tutorial_seg图层。
检查除Area，Perimeter，PixelValue，Class_Count和Supervised_classlabel之外的所有框
将输出类字段更改为无监督
将Clusters值更改为7
单击“添加并运行”
无监督分类将加载到“地图”选项卡中。
您可以将监督分类结果重新加载到“地图”选项卡，以便比较这两个分类。
右键单击“文件”选项卡中的tutorial_seg图层，然后选择“查看”
在“地图”选项卡中，右键单击新的tutorial_seg图层>“表示编辑器”
在表示编辑器中，将“属性”选项更改为受监督的分类字段-监督
点击更多>>
确保该方法是独特价值选择
确保选中“生成新样式”选项，并选择要使用的样式。 单击“更新样式”
然后，您可以在面板的顶部更改每个类的颜色。
在无监督分类的情况下，您需要确定哪些无监督类最适合地面特征。如果单个无监督类中包含多个地面要素，则可以运行基于规则的分类以创建其他类并重新分类段。
10、准确性评估和精炼结果
本节将提供执行准确性评估所需的步骤。可以在使用基于规则的分类细化分类之前或之后运行此步骤。在基于规则的分类之前运行它将让我们知道哪些类需要改进。
在Object Analyst窗口中，单击Operation下拉列表并选择Accuracy Assessment
将分类字段更改为监督
将引用字段更改为类
单击“ 生成报告”
一个精度评估报告了两个有用的准确性措施打开：
错误（混淆）矩阵 - 提供有关哪些培训和准确性站点被分类到不同类别的详细信息
准确度统计 - 提供一系列有用的统计数据，以查看功能的分类情况
您将从我们的运行中注意到，除了Field之外，每个类的准确度结果都超过85％。有了这些信息，我们可以使用基于规则的分类来调整这个类。
11、基于规则的分类
除了受监督和无监督的分类算法之外，使用对象分析器还可以创建自定义规则以将类成员身份分配给段。通过创建自定义规则，作为分析人员，您可以根据您对域，数据或两者的理解来选择确定类中样本成员身份的条件。
您可以定义规则，以将类分配给满足规则要求的段，或从类中删除段。
12、属性可视化
在“属性可视化”窗口中，可以根据给定属性（字段）及其值范围（过滤器）在矢量图层中选择矢量对象（多边形线段）。
在监督分类中，阴影区域被归类为森林。在下面的图像中，您会注意到建筑物阴影是森林类的一部分（深绿色）。
我们将使用规则库分类将影子片段分配给新的Shadow类。
在“对象分析器”窗口中，将“操作”更改为“ 基于规则的分类”
确保选择tutorial_seg作为图层，并选择Assign作为类编辑。
将类字段更改为监督，将类筛选更改为林，将新类更改为阴影（您可以在此处键入）
选中“ 指定条件”并单击“ 属性可视化”
在“属性可视化”窗口中，将“类字段”更改为“ 监督”和“类筛选”
将范围字段更改为Mean_Greenness。在绿色通道中，阴影区域将比实际森林深得多。
调整滑块时，您会注意到选择了不同的段。
移动滑块直到选择了足够的阴影段。如果将“最大值”设置得太高，则会将太多的林重新分类为阴影。
单击确定
在对象分析器窗口中，将填充条件框：Mean_Greeness> = 126.6577835083，Mean_Greeness <= 129.5192260406
单击“ 添加并运行”
在“地图”选项卡中打开“监督”分类的“表示编辑器”。您会注意到现在有一个新课程。
为此类指定新颜色，例如黑色。
在表示编辑器上单击“确定”。影子类现在将包含在您的分类中
您可以按照相同的步骤重新分类其他类中的段。
