4.何谓图像平滑？试述均值平滑与中值滤波的区别。
答：图像在获取和传输的过程中，由于传感器的误差及大气的影响，会在图像上产生一些亮点（“噪声”点）或者图像中出现亮度变化过大的区域，为了抑制噪声、改善图像质量或减少变化幅度，使亮度变化平缓所做的处理称为图像平滑。
均值平滑方法均等地对待邻域中的每个像元，对于每个像元在以它为中心的邻域内取平均值，作为该像元新的灰度值。中值滤波是对以每个像元为中心的M×N邻域内的所有像元按灰度值大小排序，取排序后位于中间那个像元的灰度值作为中心像元新的灰度值，因此它是一种非线性的图像平滑法。一般M×N取奇数（有中间像元），窗口运算与模板运算相同。
5.何谓图像锐化？图像锐化处理有几种方法？试述Laplace算法的特点。
答：图像锐化可使图像上边缘与线状目标的反差提高，即边缘增强。锐化的结果突出了边缘和轮廓、线状目标信息。图像锐化是通过微分算子使图像边缘突出，清晰。
图像锐化处理方法有：①梯度法。②Roberts梯度。③Prewitt和Sobel梯度。④Laplace算法。⑤定向检测等方法。
Laplace算法的特点是检测图像灰度变化率的变化率，是二阶微分，在图像上灰度均匀和变化均匀的部分，根据Laplace算子计算出的值为0。因此，它不检测均为的灰度变化，产生的图像更加突出灰度值突变的部分。
6.频率域锐化的基本思想是什么？常用的高通滤波器有哪些？有何特点？
答：频率域锐化的基本思想是：采用高通滤波器让高频成分通过，阻止削弱低频成分，达到图像锐化的目的，其结果是突出了图像的边缘和轮廓。高通滤波器有：①理想高通滤波器；②Butterworth高通滤波器；③指数高通滤波器；④梯形高通滤波器。以上4种高通滤波器各有优缺点。理想高通滤波器处理的图像中边缘有抖动的现象；Butterworth 锐化效果较好，边缘抖动现象不明显，但计算复杂；指数高通滤波器比Butterworth 效果差些，边缘抖动现象不明显；梯形高通滤波器会产生轻微抖动现象，但因计算简单经常被使用。
7.假彩色增强的基本原理是什么？最佳假彩色合成方案的原则是什么？
答：假彩色增强处理的对象是同一景物的多光谱图像。对于多波段遥感图像，选择其中的某三个波段，分别赋予红，绿，蓝三种原色，即可在屏幕上合成彩色图像。由于三个波段原色的选择是根据增强目的决定的，与原来波段的真实颜色不同，因此合成的彩色图像并不表示地物真实的颜色，这种合成称为假彩色合成。
最佳假彩色合成方案的原则是：合成后的图像应信息量最大而波段间的相关性最小。
8.试述彩色变换的原理，彩色变换的主要方法有哪些？
答：遥感数字图像处理系统中一是采用RGB色彩模型，是基于色光混合来再现颜色的，即图像中的每个像素是通过红（R）、绿（G）、蓝（B）三种色光按不同的比例组合来显示颜色的，由多光谱图像的三个波段组合的彩色图像实际上是显示在R、G、B空间中。二是采用IHS模型。亮度（intensity）、色度（hue）、饱和度（saturation）称为色彩的三要素，亮度（I）、色度（H）、饱和度（S）构成的HIS模型所表示的彩色与人眼看到的更为接近。RGB和HIS两种色彩模式可以相互转换，有些处理在某个彩色系统中可以更方便。以上所述即为彩色变换的原理。
把RGB系统变换为IHS系统称为HIS正变换，HIS系统变换为RGB系统称为HIS逆变换。彩色变换的主要方法有 1，球体变换 2，圆柱体变换。
5
9.什么是植被指数？常用的植被指数如何计算？ 答：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特征，提取植被类别或估算绿色生物量，通常把能够提取植被的算法称为植被指数（Vegetation Index，简称VI）。
常用的植被指数算法：
①比值植被指数（ratio vegetation index 即RVI） RVI=IR/R
IR 为遥感多波段图像中的近红外（infrared）波段的反射值； R 为红波段的反射值。
②归一化植被指数（normalized vegetation index 即NDVI） NDVI=(IR-R)/(IR+R)
③差值植被指数（difference vegetation index 即DVI） DVI＝IR-R
④正交植被指数（perpendicular vegetation index 即PVI）
PVI=1.6225(IR)-2.2978(R)+11.0656 (NOAA 的 AVHRR卫星资料) PVI=0.939(IR)-0.344(R)+0.09 (Landsat卫星资料)
10.以陆地卫星TM图像和SPOT的全色波段图像为例，说明TM图像和SPOT图像融合的优越性。
答：不同传感器获取的同一地区的图像，由于其波长范围不同，几何特点不同，分辨率不同等因素而具有不同的应用特点。例如：Landsat的TM有7个波段，有丰富的光谱信息，其空间分辨率为28.5m（重采样后为30m），SPOT的全色波段（0.51～0.73μm）是一个单波段图像，但它的空间分辨率大大提高，可达到10m。将这两种图像融合，产生的具有10m分辨率的7个波段的新图像具有以上两种图像的优点，既提高了图像的分辨率，又保留了TM丰富的光谱信息。因此，图像融合的方法可以综合不同传感器图像的优点，大大提高图像的应用精度。
11.什么是多光谱空间？主成分变换的应用意义是什么？
答：多光谱空间是一个n维坐标系，每一个坐标轴代表多波段图像的一个波段，坐标值代表该波段像元的灰度值，图像中的每个像元对应于坐标空间中的一个点。
主成分变换的应用意义是：①数据压缩②图像增强③分类前预处理
12.简述多光谱增强的方法和目的。
答：多光谱增强采用对多光谱图像进行线性变换的方法，减少各波段信息之间的冗余，达到保留主要信息，压缩数据量，增强和提取更具有目视解释效果的新波段数据的目的。
13.简述遥感多光谱图像的特点。
答：遥感多光谱图像的波段多，例如应用最为广泛的Landsat的TM 图像有7个波段；而高光谱图像则包含几十个甚至数百个很窄的波段，包含了大量的信息，但这些图像的数据量过大，运算时耗费大量机时和占据大量的磁盘空间。同时，多光谱图像的各波段之间具有一定的相关性，造成不同程度的信息重叠。
14.目前多光谱增强主要有哪2种变换？
答：①K-L(Karthunen-Loeve)变换，又称为主成分变换。
6
②K-T(Kauth-Thomas)变换，又称为缨帽变换。
第五部分
1.什么是监督分类？什么是非监督分类？ 答：监督分类是基于对遥感图像上样本区内的地物的类属已有先验的知识，即已经知道它所对应的地物类别，于是可以利用这些样本类别的特征作为依据来判断非样本区内数据的类别。非监督分类是遥感图像地物的属性不具有先验知识，纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”，事后再对已分出各类的地物属性进行确认的过程。
2.简述增强处理与分类处理的异同。
答：图像增强处理与图像分类处理都是为了增强和提取遥感图像中的目标信息。 图像增强处理主要是增强图像的视觉效果，提高图像的可解译性。给目视解释提供的信息是定性的。
图像分类处理则着眼于地物类别的区分，给目视解释提供定量信息。
3.什么是特征选择？
答：特征选择实际上就是确定分类的信息源。多光谱图像一般有波段多、数据量大等特点。在分类时，特别是用最大似然分类方法，要对每一类计算均差和协方差矩阵，以及判别式的比较，计算量是非常大的。实际上，并不是每一个波段都是分类时最好的波段，对分类精度影响不大。在分类时所使用的波段或波段组合称为特征，所以，这个选择过程称为特征选择。这种选择出来的、新的对于表示类别可分性更为有效的变更称为特征参数，n个特征参数组成n维特征空间。具体的分类就是在该空间中进行的。
4.简述计算机分类的基本原理。 答：遥感图像分类就是把图像中的每个像元或区域划归为若干类别中的一种，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实现分类。
5简述遥感图像计算机分类的一般流程。 答：①原始图像的预处理；
②训练区的选择；
③特征选择和特征提取； ④图像分类运算； ⑤检验结果； ⑥结果输出。
6.什么是距离判别函数？
答：距离判别函数的建立是以地物光谱特征在特征空间中是按集群方式分布为前提的。也就是说，假定不知道特征矢量的概率分布，但认为，同一类别的特征矢量在特征空间内完全聚集成团状（集群），每个团（集群）都有一个中心。这些团内点的数目越多，也即密度越大或点与中心的距离越近，就可以肯定，他们属于一个类别，所以点间的距离成为重要的判断参量。
7.比较绝对值距离、欧氏距离、马氏距离判别函数之间的异同点。
答：绝对值距离是计算两点之间的直角边距离，其特点是各特征参数以等权参与进来，
7
所以也称等混合距离。
欧氏距离是计算两点之间直线距离。欧氏距离中各特征参数也是等权的。 以上两种距离与特征参数的量纲有关。而且没有考虑特征参数间的相关性。 马氏距离是一种加权的欧氏距离，它是通过协方差矩阵来考虑变量的相关性
8、简要说明ISODATA法的基本内容。
答：ISODATA（iterative self-organizing data analysis techniques algorithm），称为“迭代自组织数据分析技术”。ISODATA法的实质是以初始类别为“种子”进行自动迭代聚类的过程，它可以自动地进行类别的“合并”和“分裂”，其各个参数也在不断地聚类调整中逐渐确定，并最终构建所需要的判别函数。因此，可以说基准类别参数的确定过程，也正是利用光谱特征本身的统计性质对判别函数的不断调整和“训练”过程。
9.简述计算分类的新方法。 答：①神经网络分类器；；
②基于小波神经网络遥感图像分类； ③模糊聚类法； ④树分类器；
⑤专家系统方法的应用。
第六部分
1.一般分析方法各有什么特点？参数的确定应考虑什么因素？ 答：遥感数字图像一般分析主要是对图像进行各种空间分析，进行像元之间或专题分类之间的空间关系处理，使处理后的图像能够更好地表达主要的专题信息。
①邻域分析(neighborhood)是针对分类专题图像，采用类似于卷积滤波的方法对图像分类值(class values)进行多种分析。其方法是每个像元的值都参与用户定义的邻域范围（definition neighborhood）和分析函数(function)所进行的分析，而邻域中心像元的值将被分析结果所取代。
②查找分析(search)是对输入的分类专题图像或矢量图形进行临近(proximity)分析，产生一个新的输出栅格文件，输出像元的属性值取决于其位置与用户选择专题类型像元的接近程度和用户定义的接近距离，输出文件中用户所选择专题类型的属性值重新编码为0，其它相邻区域属性值取决于它们所选择专题类型像元的欧氏距离。
③指标分析(Index)功能是将两个输入分类专题图像或矢量地图数据，按照用户定义的权重因子(Weighting Factor)进行相加，产生一个新的综合图像文件。
④叠加分析(overlay)是根据两个输入分类专题图像文件或矢量图形文件数据的最小值或最大值，产生一个新的综合图像文件，系统所提供的叠加选择项允许用户提前对数据进行处理，可以根据需要掩膜剔除一定数值。
⑤归纳分析（summary）功能可以根据两个输入分类专题图像产生一个双向统计表格，内容包括每个Zone类型区域内所有Class类型的像元数量及其面积、百分比等统计值，可用于一定区域内多种专题数据相互关系的栅格叠加统计分析。
⑥分类后分析（分类后处理），不管从专题图的角度，还是从实际应用的角度，对获得的监督分类或非监督分类结果，都需要进行一些处理工作，剔除一些小图斑，才能得到最终相对理想的分类结果。分类后处理是图像解译很重要的一部分，它的作用是为了准确提取遥感信息，获得理想的分类结果。监督分类或非监督分类后的分析处理有聚类统计（clump）、过滤分析（sieve）、去除分析（eliminate）和分类重编码（Recode）。
8
2.什么是分类后处理？处理的基本方法是什么？ 答：无论遥感图像是进行监督分类还是非监督分类，都是按照图像光谱特征进行聚类分析，都带有一定的盲目性，分类结果中都会产生一些面积很小的图斑。所以，不管是专题制图，还是实际应用，对获得的分类结果需要进行处理，剔除一些小图斑，才能得到最终相对理想的分类结果，这些处理操作通称为分类后处理（post-classification process）。
3.就遥感而言，地球表面很多地物存在什么现象？怎样提高分析精度？
答：地球表面很多地物存在着“同谱异物，同物异谱”的现象。而目前所有的图像自动解释，主要都是依赖地物光谱特征，使得分析结果存在较多的错分和漏分，精度不高。要提高分析精度，应提高图像处理软件对不同地物光谱的识别率，进一步完善专家系统。
随着遥感技术的迅猛发展，遥感数字图像处理就显得尤为重要。更多、更好的分析处理方法和相应的软件将会涌现，能弥补现在单凭遥感数字图像的光谱特征进行图像分析的缺点，从而更准确、更快速地提取地学信息。
9
相关推荐：
loading