遥感期末复习

计算：

1. 4邻域、8邻域标注
2. 卷积计算
3. 2位量化灰度化
4. 腐蚀、膨胀、开、闭运算
5. 混淆矩阵误差（运行误差、结果误差）精度（用户精度、生产者精度）计算

大题：

1. 什么情况下需要进行大气校正

• 大气透明度差而且不均一
• 大气中的水汽含量高
• 低海拔地区应该进行校正，3000米以上的地区可以不考虑
• 相对高差变化大的地形区域
• 不同时段图像的联合处理

2. 直方图的性质：

• 反映了图像中的灰度分布规律
• 任何图像都有唯一的直方图与之对应，但不同的图像可以有相同的直方图。
• 如果一幅图像仅包括两个不相连通的区域，并且每个区域的直方图己知，则整幅图像的直方图是这两个区域的直方图之和。
• 由于遥感图像数据的随机性，在图像像素数足够多且地物类型差异不是非常悬殊的情况下，遥感图像数据服从或接近于正态分布

3. 直方图均衡化改变了：

• ①图像的灰度级；
• ②原有灰度级中的像素比例。

4. 全域线性拉伸和直方图均衡化的区别：

• 灰度拉伸只是线性的拉宽对比度，对图像的整体影响不大。
• 而灰度直方图均衡化却对图像的整体效果有影响，对直方图的改变也比较大

5. 图像校正中辐射失真与几何畸变的原因？

• 辐射失真：
  遥感传感器本身特性、地物光照条件、大气作用、其他
• 几何畸变：
  传感器不稳定、遥感平台、地球

6. 辐射校正的目的是

• 尽可能消除传感器自身、大气、太阳及某些不可避免的噪声引起的传感器的测量值与目标物的光谱反射率或光谱辐亮度等物理量之间的差异，尽可能恢复图像的本来信息，为遥感图像分割、分类、解译等后续工作提供更好质量的图像。

7. 用户辐射校正的内容

• 传感器端的辐射校正-》大气校正-》地标辐射校正

8. 辐射传输过程中的干扰因素

• 大气分子及气溶胶的瑞利散射和米氏散射
• 地区表面因素的贡献：不理想朗伯体、邻近像素的反射
• 地形因素的贡献：目标的高度和坡向
• 太阳辐射光谱的影响：普朗克定律

9. 传感器接收的太阳辐射包括

• 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（程辐射，也称为路径辐射）

10. 在介质中的某特定点，当电磁波沿方向（θ,φ）越过距离dz时，强度I（z, θ,φ ）的变化包括：

• 由于气体及悬浮粒子吸收引起的衰减，对应电磁波的能量转换为热量，导致辐射强度损失。(-)
• 部分电磁波的能量被粒子散射，总能量不变，但沿（θ,φ）方向有强度损失。 (-)
• 由于介质热发热，能量增加到电磁波上。 (+)
• 由于其他方向入射波的散射，在（ θ,φ ）方向上能量增加（大气程辐射效应）。 (+)

11. 大气校正方式：

• 相对大气校正
• 基于模型的校正
• 绝对大气校正

12. 图像变换的目的

• 简化图像处理
• 构建图像特征
• 图像压缩
• 增强图像信息

13. 傅里叶变换具有的对称性，频率域图像往往以图像中心为坐标原点，左上一右下、右上一左下对称。图像中心为原始图像的平均亮度值，频率为0；从图像中心向外，频率增高，图像中的高亮度表明该处频率特征明显。此外，频率域图像中明显的频率变化方向与原始图像中的地物分布方向相垂直。也就是说，如果原始图像中有多种水平分布的地物，那么频率域图像中在垂直方向的频率变化比较明显。如果原始图像中地物左下一右上分布，那么频率域图像中在左上一右下方向频率变化比较明显，反之亦然。频率域图像中暗的越多，表明原图像中面越多；亮点或亮条带越多，则表明原图像中边比较多。
14. K-L变换的目的

• K-L变换的目的是去除图像中的噪声和干扰，进行数据压缩和信息增强。

15. K-L变换融合与彩色交换融合比较
    1）K-L变换融合先对图像进行K-L正变换，然后用高空间分辨率图像替换第一主成分，再进行图像逆变换即得到融合后的图像。优点是可以对多个波段进行融合增强，空间信息较好，缺点是被替换掉的第一主成分包含最大的信息，使得全色波段的信息被最大化，弱化了色彩信息。
    2）彩色变换融合是选择三个波段进行RGB合成，然后进行彩色变换为HSI，用高空间分辨率图像替换 I 成分，再进行彩色逆变换即得到融合后的图像。缺点是只能对三个波段进行融合增强，且容易导致色彩失真。在融合前可先对全色波段和 I 图像进行直方图匹配，对色调H和饱和度S进行必要的拉伸增强。
16. 什么是图像滤波
    图像滤波：基于像素的空间邻域关系使用卷积计算或频率解析的方法进行计算，以达到抑制图像噪声、增加图像对比度、增强图像边缘、提取图像特征的图像处理方法
17. 均值滤波的特点？

• 优点：算法简单、计算速度快
• 缺点：造成图像模糊、削弱了边缘和细节信息

18. 图像分割的目的

• 是将一幅图像分为几个区域，这几个区域之间具有不同的属性，而同一区域中各像素具有某些相同的性质。

19. 图像分割的原则：

• 依据像素灰度值的不连续性进行分割
• 依据同一区域内部像素的灰度值具有相似性进行分割

20. 如何选择最佳阈值：

• 基于直方图的谷
• 使用OTSU方法（最优阈值）
• 人工确定

21. 区域生长过程

22. 分水岭算法的原理
假定图像中目标的灰度值低，而背景的灰度值高。
23. 图像分类的流程

• 分类准备工作-》图像判读-》特征选取-》图像分类-》分类后处理-》分类结果评价-》结果输出

24. 在图像分类中，虽然可以笼统地说特征变量多、维数高，有利于分类精度的提高，但是，因为地表覆盖的可分离性不同，太多的变量和太高的维数，不仅增加了分类算法的复杂性与计算量，而且变量之间往往有较高的相关性，在分类判决过程中会造成更多的混淆与不确定性，反而会降低分类精度。所以在进行分类之前，既要考虑增加新的特征，又要从己经形成的多维特征变量中进行正确选择，选出一些有良好分类效果的特征变量，才能有效地提高分类精度。
25. 选择训练区时应注意

• （1）训练区必须具有典型性和代表性
• （2）使用的图件时间和空间上要保持一致性
• （3）训练区的选取方式有按坐标输入式和人机对话式两类
• （4）训练样本的数目 （至少需要K+1个样本，K是多光谱空间的维数或经过选择的特征数）

26. Kappa系数值的意义

知识点：

1. 遥感特点：大面积同步观测；时效性；数据的综合性和可比性；经济性；局限性；多波段性；多时相性。
2. 电磁波常见波段：可见光（0.4-0.7）、蓝（0.4-0.5）、绿（0.5-0.6）、红（0.6-0.7）、远红外（8-15）【微米】
3. 遥感工作的一个重要内容是通过选择波段或建立波段组合将特定的地物与其他地物分离开来。
4. 热红外能够用来测量表面温度，而且能在夜间获取数据。微波数据（有源和无源）与某些水文变量。
5. 谱分辨力：能谱、波谱、光谱。
6. 波长范围越窄，波段数越多，谱分辨力越高。
7. 时间分辨力：重复周期（卫星不经过侧摆再次拍摄同一地点所经过的时间）、重访周期。
8. 量化级数越大，量化后的图像越接近于“真实”，但图像占用的存储空间也越大
9. 量化影响着图像细节的可分辨程度，量化位数越高，细节的可分辨程度越高；保持图像大小不变，降低量化位数减少了灰度级会导致假的轮廓。
10. 元数据是关于数据的数据；重要的信息源；元数据与图像数据同时分发，或者嵌入到图像文件中，或者是单独的文件。
11. 多源图像：多波段图像、多时相图像、多极化图像。
12. 图像的确定性表示：矩阵表示、向量表示。
13. 反映像素值变化信息的统计参数：方差、变差、反差、对比度。
14. 协方差和相关系数是两个基本的统计量，表明了两个波段图像之间的关系。
15. 传统的纹理特征描述方法则主要包括统计方法（灰度共生矩阵）和结构方法两类。
16. GLCM是性能很好的方法，不但适用于纹理识别，而且用于图像分割时的效果也很好。
17. 特征提取与特征选择：光谱特征、几何特征、结构特征。
18. 图像彩色合成增加了图像的可视化程度；
19. 图像拉伸突出了地物之间的差异，进一步增强显示感兴趣的地物信息。
20. 常用的颜色空间：RGB、HSI、LAB和CMYK。
21. 最常用的色彩模型是RGB、HSI模型。
22. 彩色合成包括伪彩色合成（密度分割）、真彩色合成、假彩色合成和模拟真彩色合成四种方法。
23. 假彩色合成用于突出不同的地物信息，植被为红色、水体为黑色或蓝色、城镇为深色。
24. 在遥感图像处理软件中，常用2％拉伸方法来增强图像的显示效果。
25. 直方图均衡化对于背景和前景都太亮或者太暗的图像非常有用。
26. 直方图均衡化改变了：①图像的灰度级；②原有灰度级中的像素比例。
27. 现实的遥感图像特点：存在畸变，无法不歪曲地反映地物的辐射能量分布和几何特征。
28. 图像校正包括两部分内容：图像像素位置的校正和图像像素值的校正。
29. 辐射校正包括系统辐射校正和用户实施的辐射校正。
30. 由于空气分子和悬浮颗粒的散射，可见光在大气中传输时会被削弱。传感器接收的由大气散射产生的电磁波称为程辐射。
31. 影响大气透射的物质包括以下两种。①大气分子：二氧化碳、臭氧、水蒸气等气体分子。这些成分导致的散射称为瑞利散射。②气溶胶：雾霭、水滴、烟尘等粒径较大的悬浮颗粒。这些成分导致的散射称为米氏散射。
32. 在进行辐射校正的各因素中，首先要考虑大气的影响。
33. 散射作用所增加的亮度值不含有任何地面信息，但却降低了图像的反差，反差降低则降低了图像的分辨率，因此必须进行校正。
34. 低空间分辨率图像由于所覆盖的空间范围大，散射在图像中的分布是不均匀的，图像中各像素的大气散射程度不同，往往需要进行分区校正。
35. 地面辐射校正包括：太阳辐射校正和地形校正。
36. K-T变换的前3个分量：亮度、绿度、湿度
37. 图像融合的目的是用来增强图像的空间分辨率或光谱分辨率。
38. 遥感图像中常见的噪声：随机噪声（高斯噪声、脉冲噪声）和周期噪声
39. 卷积的关键点：邻域定义、邻域大小、卷积核价值
40. 图像平滑目的：抑制噪声、改善图像质量、突出图像主体、增强面的信息
41. 对于椒盐噪声，中值滤波效果比均值滤波效果好。
42. 对于高斯噪声，均值滤波效果比均值滤波效果好。
43. 原始图像减去低通图像：梯度图像=原始图像-均值滤波的图像
44. 在Prewitt和模板中，h1突出水平方向的地物，h2突出垂直方向的地物。在图像分割中，经常使用sobel模板。
45. 卷积运算常用模板：检测垂直线、检测水平线、检测对角线
46. 使用波段运算产生锐化图像基本规则：锐化图像=原图像（或平滑后图像(如果有噪声)）+/-(由梯度的计算方式决定)梯度图像
47. 滤波的关键是正确选择了滤波器并且确定了合适的通或阻的频率。
48. 分水岭算法对于分布在背景中的点状地物，总能得到良好的分割效果。
49. 遥感图像和普通图像的相同：都是图像;不同：包含的信息不同（空间位置，几何属性，严格的坐标）。

参考

1. NULL ↩