1、遥感与数字图像处理复习题一、名词解释：数字影像：物体光辐射能量的数字记录形式或像片影像经采样量化后的二维数字灰度序列 图像采样 ：将空间上连续的图像变换成离散点的操作称为采样灰度量化： 将像素灰度转换成离散的整数值的过程叫量化像素：将地面信息离散化而形成的格网单元辐射误差：传感器接受到的电磁波能量与目标本身辐射的能量是不一致的 辐射校正：消除图像数据中依附在图亮度中的各种失真的过程灰度直方图: 以每个像元为单位，表示 线性拉伸:采用线性或分段线性的函数改善图像对比度 平滑：为抑制噪声，改善图像质量所做的处理 锐化：通过微分使图像中的地物边缘，轮廓或线状目标突出 滤波：将信号中特定波段频率部分滤
2、除的操作，是抑制和防止干扰的一项重要措施 高通滤波：保留图像的高频部分而消弱低频部分的处理 低通滤波：保留图像的低频部分而抑制高频部分的处理 植被指数：根据地物光谱反射率的差异作比值可以突出图像中植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数伪彩色合成：将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。真彩色合成：根据彩色合成原理，可选择同一目标的单个多光谱数据合成一幅彩色图像，当合成图像的红绿蓝三色与三个多光谱段相吻合，这幅图像就再现了地物的彩色原理，就称为真彩色合成。 假彩色合成：根据加色法
3、或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。密度分割法:对单波段黑白遥感图像按灰度分层，对每层赋予不同的色彩，使之变为一幅彩色图像 直方图均衡化：将原图像的直方图通过变换函数变为各亮度级均匀分布的直方图，然后按均匀直方图像修改原图像的像元亮度值，从而获得一幅亮度分布均匀的新图像。监督分类: 事先已经知道类别先验知识，对未知类别的样本进行分类的方法 非监督分类：在事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法 特征空间：以各波段图像的亮度分布为坐标轴组成的空间 训练区：在监督分类中,从图像上选取的已知其地物属性或物体特性的图像区域或
4、像元,用于进行分类的学习和训练,以建立分类模型或分类函数（即感兴趣区）。二、填空题：1、光学图像是一个连续的光密度 函数。2、数字图像是一个 离散的光密度 函数。3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：采样和量化。4、一般来说，采样间距越大，图像数据量小，质量差；反之亦然。5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是0255的整数。设该数字图像为600行600列，则图像所需要的存储空间为_360000字节。6、设有图像文件为
5、200行，200列，8位量化，共7个波段，则该图像文件的大小为280000bit。7、通常把电磁波通过大气层时较少被反射、吸收或散射的，通过率较高的波段称为大气窗口。8、辐射校正包括三部分的内容：传感器端的辐射校正、大气校正和地表辐射校正。9、传感器所能接收的太阳光包括太阳光直射到地表后地表的反射辐射、被大气散射辐射的太阳光在地表的反射辐射、大气的上行散射辐射三部分。10、大气散射校正主要有三种方法：（1）统计学方法（2）辐射传递方程计算法（3）波段对比法。11、在可见光波段，大气的影响主要表现为气溶胶引起的散射；在近红外，大气的影响主要表现为水蒸汽的吸收。12、大气的散射与辐射光波长有密切的
6、关系，对短波长的散射比长波长的散射要强得多。13、为了尽量减少太阳高度角和方位角引起的辐射误差，遥感卫星大多设计在同一个地方时间通过当地上空，但由于季节的变化和地理经纬度的变化，两者的变化是不可避免的。14、控制点数目的最小值按未知系数的多少来确定。k阶多项式控制点的最少数目为(k1)(k2)/2。15、多项式拟合法纠正中控制点的数量要求，一次项最少需要4个控制点，二次项最少项需要7个控制点，三次项最少需要11个控制点。16、低通滤波是使 高频 受到抑制而让 低频 顺利通过，从而实现图像平滑。17、高通滤波是使 低频 受到抑制而让 高频 顺利通过，从而实现边缘增强。18、空间滤波是以重点突出图
7、像上的某些特征为目地的采用空间域中的邻域处理方法，主要包括 平滑_和 锐化_。采用的计算方法是 代数_运算。19、平滑的作用是，图像中某些亮度变化过大的区域，或出现不该有的亮点（“噪声”），采用平滑的方法减小变化，使亮度平缓或去掉不必要的“噪声”点。具体方法有 均值平滑 和 中值滤波。20、在IHS色彩空间中，颜色的性质由 色调 、 饱和度 、 强度 来描述。21、HIS中的H指 色调（hue），I指 强度（intensity），S指 饱和度（saturation）。22、伪彩色合成是把_单波段_灰度图像中的 不同灰度级 按特定的 函数关系 变换成彩色，然后进行彩色图像显示的方法，主要通过 密
8、度分割 方法来实现23、假彩色合成与伪彩色不同之处在于，假彩色合成使用的数据是 多波段图像 。24、密度分割法是对单波段遥感图像按 灰度 分级，对每级赋予 不同色彩 ，使之变为一幅彩色图像。25、图像拉伸处理主要包括_灰度拉伸、_图像均衡化_和直方图规定化_26、拉伸是最基本的图像处理方法，主要用来_改善图像显示的对比度_27、如果拉伸函数是非线性的，即为非线性拉伸。常用的非线性函数有指数函数、对数函数_、平方根_、高斯函数等。28、下图a为一幅原始图像，图b为该图像的离散傅立叶频谱。在图b中可以看到图像的低频能量都集中在中心部分，而高频能量集中在四周，这样就便于以后对频谱进行各种处理（如滤波
9、、降噪等）。（a） 原始图像 （b）离散傅立叶频谱29、在空间域图像中，线性的地物为高频成份，大块面状的地物为低频成分。30、傅立叶变换的基本流程： 正向FFT定义滤波器-逆向FFT。31、常用的滤波器有低通、高通、带通、带阻、用户定义几种。32、缨帽变换旋转坐标空间，但旋转后的坐标轴不是指到主成分的方向，而是指到另外的方向，这些方向与地物有密切的关系，特别是与植物生长过程和土壤有关。33、在对MSS遥感数据进行研究时，采用K-T变换后提取的前三个分量是：亮度分量、绿色物质分量和黄色物质分量。在TM数据的研究中，第三分量可定义为湿度。34、根据地物光谱反射率的差异作比值运算可以突出图像中植被的
10、特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数。35、归一化植被指数中用到的是近红外波段和红光波段，公式为NDVI=(NIR-R)/(NIR+R)。36、遥感图像处理系统中还经常会采用HIS模型，色调、强度、饱和度 称为色彩的三要素。37、常用的植被指数有：RVI比值植被指数、NDVI归一化植被指数 、DVI差值植被指数、PVI正交植被指数 。38、根据是否需要分类人员事先提供已知类别及其训练样本，遥感图像的计算机分类方法包括_监督_分类和_非监督_分类。39、非监督分类有多种方法，其中， Cluster分类 方法和 ISODATA分类 方法是效果较好、使用最多的两种方法。
11、40、监督分类的基本过程是：首先根据已知的样本类别和类别的先验知识确定判别标准，计算判别函数 ，然后将未知类别的样本值代入判别函数，依据判别准则对该样本所属的类别进行判定。41、最大似然分类方法是基于贝叶斯准则的分类错误概率最小的一种非线性分类，是应用比较广泛、比较成熟的一种监督分类方法。三、不定项选择题：(单项或多项选择)1、数字图像的_。空间坐标是离散的，灰度是连续的 灰度是离散的，空间坐标是连续的两者都是连续的 两者都是离散的2、采样是对图像_。取地类的样本 空间坐标离散化 灰度离散化3、量化是对图像_。空间坐标离散化 灰度离散化 以上两者。4、图像灰度量化用6比特编码时，量化等级为_。
12、32个 64个 128个 256个5、数字图像的优点包括_。便于计算机处理与分析 不会因为保存、运输而造成图像信息的损失空间坐标和灰度是连续的6、BSQ是数字图像的_。连续记录格式 行、波段交叉记录格式 像元、波段交叉记录格式。7、通过多项式进行几何校正时，需要在待校正图像与参考图像之间选择同名控制点，其选取原则包括_。易于识别并且不随时间变化的点，如道路交叉点、河流拐弯处、水域的边界、机场等特征变化大的地区应多选些图像边缘部分要选取控制点，以避免外推同名控制点要在图像上均匀分布8、多项式纠正用一次项时必须有 。1个控制点 2个控制点 3个控制点 4个控制点9、多项式纠正用二次项时必须有 。3
13、个控制点 4个控制点 5个控制点 6个控制点10、多项式纠正用一次项可以改正图像的 。线性变形误差 非线性变形误差 前两者11、以下属于局部处理的操作的是_。灰度线性变换 二值化 傅里叶变换 中值滤波12、图像与灰度直方图间的对应关系是_。一一对应 多对一 一对多 都不对13、以下不属于图像运算的有_。差值运算 比值运算 植被指数 密度分割14、假定像元亮度随机分布时，直方图应是正态分布的。以下情况均是图像对比度较小，图像质量较差的反映。（1）峰值偏向亮度坐标轴左侧，则图像_。（2）峰值偏向坐标轴右侧，则图像 。（3）峰值提升过陡、过窄，则图像的 。 偏暗 偏亮 亮度值过于集中15、为了突出图
14、像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。锐化后的图像已不再具有原遥感图像的特征而成为边缘图像。几种常用的锐化算子包括。罗伯特梯度 Sobel梯度 Laplacian算子 Prewitt梯度16、计算植被指数（如NDVI）主要使用以下哪些波段 。紫外波段 绿光波段 红光波段 近红外波段17、图像增强的目的 _。消除图像中存在的失真 改善目视判读效果 18、同类地物在特征空间聚在_。同一点上 同一个区域 不同区域。四、问答题：1、怎样才能将光学影像变成数字影像？答：把一幅模拟图像经过采样和量化，以二维的数字阵列记录其能量分布。2、模数变换的两个过程：采样和量化，分别是什么含义？
15、 采样：将空间上连续的图像变换成离散点的操作称为采样 量化：将像素灰度转换成离散的整数值的过程叫量化3、什么是空间分辨率、光谱（波谱）分辨率、时间分辨率？空间分辨率：影像能够详细区分的最小单元（像素）能代表的地面尺寸的大小光谱分辨率：指传感器的所记录的电磁光谱特定的波长范围和数量时间分辨率：指传感器对同一目标进行重复探测时，相邻两次探测的时间间隔4、通用的遥感数据存储格式有哪三种？BSQ、BIL、BIP 5、辐射误差产生的主要原因有哪些?误差来源：1、传感器本身的性能引起的辐射误差2、大气的散射和吸收引起的辐射误差 3地形影响和光照条件的变化引起的辐射误差6、因大气辐射引起的辐射误差，其相应的
16、校正方法有哪些?答：1基于辐射传输方程的大气校正 2、基于地面场地数据或辅助数据进行辐射校正3、利用特殊波段进行大气校正7、太阳高度和地形校正的目的是什么？ 答：遥感图像在获取时，由于地形起伏以及太阳斜射地面等因素的影响，造成在不同的地形的辐射量有很大的不同， 图像上形成亮度差异，太阳高度和地形校正的目的是消除这两种因素引起的辐射误差8、说明遥感图像几何变形误差的主要来源。答：1传感器成像方式引起的图像变形2传感器外方位元素变化的影响3地形起伏引起的像点位移4地球曲率引起的图像变形5大气折射引起的图像变形6地球自转的影响 9、试述多项式纠正法纠正卫星图像的原理和步骤。原理：1回避成像的空间几何
17、过程，直接对图像变形的本身进行数学模拟2把遥感图像的总体变形看作是平移、缩放、旋转、骗扭、弯曲以及更高次的基本变形的综合作用结果3把原始图像变形看成是某种曲面，输出图像作为规则平面。从理论上讲，任何曲面都能以适当高次多项式拟合，用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系步骤：1确定纠正的多项式模型2选择若干个控制点，利用有限个地面控制点的已知坐 标，解求多项式的系数3将各像元的坐标代入多项式进行计算，便可求得纠正后的坐标4位置进行变换，变换的同时进行灰度重采样5对结果进行精度评定10、几何校正中常用的灰度重采样方法有哪三种？答：最近邻法 双线性内插法 三次卷积内插法11、图像增强
18、的主要目的是什么？包含的主要内容有哪些？答：目的：提高图像质量和突出所需要信息，有利于分析判断或作进一步的处理。 内容：对比度变换、图像滤波、彩色变换、图像运算12、图像锐化处理有几种方法？ 答：线性锐化滤波器、梯度法、罗伯特梯度、Prewitt和Sobel梯度、Laplacian算子13、图像平滑处理有几种方法？答：均值滤波、中值滤波、高斯低通滤波、梯度倒数加权法14、常用的低通和高通滤波器有哪些？答：理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器 理想高通滤波器、Butterworth高通滤波器、指数高通滤波器、梯形高通滤波器15、伪彩色增强与假彩色增强有
19、何区别？答：伪彩色增强合成使用的数据是单色波段图像 假彩色增强合成使用的数据是多波段图像16、请举出2种常用的植被指数，并说明如何计算?答：比值植被指数：RVI=NIR/R归一化植被指数：NDVI=(NIR-R)/(NIR+R)差值植被指数：DVI=NIR-R17、设计一个线性变换函数，使得亮度值015图像拉伸为030，写出灰度变换方程。 B=2*b18、设计一个线性变换函数，使得线性变换前图像亮度范围xa为a1a2，变换后图像亮度范围xb为b1b2，变换关系是直线，写出灰度变换方程。19、下图为一个3*3的图像窗口，1）试问经过中值滤波后，该窗口中心像元的值，并写出计算过程。2）采用均值滤波
20、后，该窗口中心像元的值，请写出滤波模板与计算过程。20、下图为数字图像，请用梯度法计算边缘增强后得到的新数字图像，采用的模板为，。为了能对图像的最后一行和最后一列也进行正常处理，可以通过复制最后一行一列的办法，先将图像扩展为6*6的图像再进行梯度计算。115551151010115101011551011551021、设一幅图像由10行和10列（100个像元）组成，8个亮度级（如下表）。通过直方图均衡化操作对图像进行灰度拉伸，请给出原始灰度级与直方图均衡化后灰度级之间的变换关系，以及直方图均衡化后的图像直方图。原亮度级k 频数nk 频率=nk/n 0 10 0.11 20 0.22 0 03
21、0 04 5 0.055 25 0.256 400.47 0 0*没找到答案，不过找到一个计算的过程，按理应该能算出来。（I）直方图均衡化的过程：1）列出原始图像和变换后图像的灰度级（L是灰度级的个数）；2）统计员图像中各灰度级的像素个数；3）计算原始图像直方图P(i)=Ni/N；4）计算累计直方图P(j)=P(1) + P(2) + P(3) + P(i)；5）利用灰度值变换函数计算变换后的灰度值，兵四舍五入取整；j=INT(L-1)Pj+0.56）确定灰度变换关系ij，据此将原图像的灰度值f（m,n）=i修正为g（m，n）=j；7）统计变换后个灰度级的像素个数Nj；8）计算变换后图像的直方
22、图Pj=Nj/N22、主要的监督分类算法有哪些？监督分类的几种方法及特点如下：（1）平行管道法：这种方法的优点是分类标准简单，计算速度快。主要问题是按照各个波段的均值和标准差划分的平行多面体与实际地物类的点群形态不一致。（2）最小距离方法：容易产生错误，但该方法简单、实用性强、计算速度快。（3）最大似然方法：基于贝叶斯准则的分类错误概率最小的一种非线性分类，是应用比较广泛、比较成熟的一种监督分类方法。（4）光谱角方法：是一种光谱匹配技术，它通过估计像素光谱与样本光谱或是混合像素中端元成分(end member)光谱的相似性来分类。23、主要的非监督分类算法有哪些？ K-均值方法，ISODATA
23、方法。（详情请参阅书P217-P224）24、ISODATA法的中文全称？它同K-means方法的主要区别在哪里？第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在把所有样本都调整完毕之后才重新计算，前者称为逐个样本修正法，后者称为成批样本修正法；第二，ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别“合并”和“分裂”，从而得到类数比较合理的聚类结果。25、选择训练区有哪三个原则？（1）训练区必须具有典型性和代表性，即所含类型应与研究地域所要区分的类别一致。训练区的样本应在面积较大的地物中心部分选择，而不应在地物混交地区和类别的边缘选取
24、，以保证特征具有典型性，从而能进行准确的分类。（2）使用的图件时间和空间上要保持一致性，以便于确定数字图像与地形图（或土地利用图、地质图、航片等）的对应关系。即使不一致，也要尽量找时间上相近的图件，同时，图件在空间上应能很好的匹配。（3）训练区的选取方式有按坐标输入式和人机对话式两类。按坐标输入式是预先把实地调查确定的各类地物分布区转绘到地图上去，量测其在选定坐标系中的位置，再把量测数据输入计算机并映射到遥感图像上。这种方式用于不带图像显示装置的计算机系统。人机对话式则用于带有图像显示装置的数字图像处理系统，它通过鼠标在图像上勾画出地物所在的范围或转入实地调查的地图矢量数据作为训练区。训练区确
25、定后可通过直方图来分析样本的分布规律和可分性。一般要求单个类训练区的直方图是单峰，近似于正态分布的曲线。如果是双峰，即类似二个正态分布曲线重叠，则可能是混合类别，需要重做。（4）训练样本的数目。训练样本数据用来计算类均值和协方差矩阵。根据概率统计，协方差矩阵的导出至少需要K+ 1个样本（K是多光谱空间的分量数或经过选择的特征数），这个数是理论上的最小值。实际上，为了保证参数估计结果比较合理，样本数应适当增多。在具体分类时，要根据对工作地区的了解程度和图像本身的情况来确定样本数量。26、图像分类后处理包括哪些工作？图像分类后处理包括以下方面：（1）碎斑处理：去掉分类图中过于孤立的那些类的像素，或
26、把它们归并到包围相邻的较连续分布的那些类。（2）类别合并：非监督分类前不知道实际有多少地物类，在策略上总是先分出较多的类，然后对照实地情况或根据已有知识，确定最后需要的类别，因此，需要将某些光谱上不同的类（光谱类）合并为一个地物类。（3）分类结果统计：分类结果统计是图像分类报告中必须包含的内容，包括各类在各波段的平均值、标准差、最低值、最高值、协方差矩阵、相关系数矩阵、特征值、各类的像素数和占总像素数的百分比、精度检验等（4）类间可分离性分析：可分离性可用各类之间的距离矩阵来表示。由于距离是类间相似性的一个重要量度，因而通过该矩阵可确定最为相似的类。如果某类的地物性质比较模糊，可借助与它最相似
27、的已知地物类来进一步明确。27、监督分类和非监督分类是最常用的遥感图像分类方法，请通过填写下表比较这两种分类方法。监督分类非监督分类是否需要训练区人工选取训练样本仅需极少的人工输入主要步骤1、选择特征波段 2、选择训练区3、选择合适的监督分类算法4、计算机自动分类5、分类精度评价1.选定初始集群中心；2.用一判据准则进行分类；3.循环式的检查和修改；4.输出分类结果优点1、 可充分利用分类地区的先验知识，预先确定分类的类别；2、 可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度，避免分类中的严重错误3、避免了非监督分类中对光谱集群组的重新归类。1、无需对分类区有较多的了解，仅需一
28、定的知识来解释分类出现的集群组；2、人为误差减少，需输入的初始参数较少；3、可形成范围很小但有独特光谱特征的集群，所分的类别比监督分类的类别更均质；4、独特的覆盖量小的类别均能够被识别缺点1、人为主观因素较强；2、训练样本的选取和评估需花费较多的人力时间；3、只能识别训练样本中所定义的类别，从而影响分类结果。1、 对其结果需进行大量分析及后处理，才能得到可靠分类结果；2、 存在同物异谱及异物同谱现象，使集群组与类别的匹配难度大；3、 不同图像间的光谱集群组无法保持其连续性，难以对比。适用范围有先验知识，已知训练场地的类别(实地抽样调查，人工目视判读)没有类别先验知识具体分类方法平行算法，最小距离法，马氏距离分类，Parallelpipe，神经元网络分类，模糊分类，判别分类，最大似然法，波谱角分类法基于最邻近规则的试探法Kmeans均值算法迭代自组织的数据分析法(ISODATA)注：上述方法为个人整理的，可能不是很详尽，有出入的地方还请见谅。
