遥感数字图像处理复习题

第一章
1、数字图像：指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数
学原理表达的图像，
2、模拟图像：又称光学图像，指空间坐标和明暗程度连续变化的、计算机无法直接处理的
图像，属于可见图像。

3、数字图像和模拟图像的区别：模拟图像连续可见，不便于用计算机处理，也不便于图像
的储存、传输；数字图像不连续可见。

4、遥感数字图像处理的主要内容：（详细见P2-P3）
（1）图像增强
（2）图像校正
（3）信息提取
5、遥感数字图像处理系统的典型功能
（1）由不同传感器获得的不同图像数据的存取和转换
（2）几何校正
（3）辐射校正
（4）图像增强处理
（5）统计分析
（6）特征提取
（7）图像分类和分类后处理
（8）专题制图
（9）专业工具
第二章
1、遥感系统的主要构成：遥感试验、信息获取（传感器、遥感平台）、信息传输、信息处理、
信息应用等5个部分。

2、什么是图像的采样和量化？量化级别有什么意义？
将空间上连续的图像变换成离散点（即像素）的操作称为采样。

采样时，连续的图像空间被划分为网格，并对各个网格内的辐射值进行测量。

通过采样，才能将连续的图像转换为离散的图像，供计算机进行数字图像处理。

采样后图像被分割成空间上离散的像素，但其灰度值没有改变。

量化是将像素灰度值转换成整数灰度级的过程。

采样影响着图像细节的再现程度，间隔越大，细节损失越多，图像的棋盘化效果越明显。

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。

3、当前常用的传感器有哪些？P12
当前常用的传感器有：资源卫星的专题制图仪TM、增强型专题制图仪ETM+、高分辨率几何成像仪HGR、高分辨率立体成像系统HRS、植被传感器VEGETATION、高级空间热辐射热反射探测器、中等高分辨率成像光谱辐射仪MODIS、甚高分辨率辐射仪AVHRR、艾克诺斯IKONOS2、快鸟QuickBird、海岸带影色扫描仪CZCS、海洋宽视场观测传感器SeaWIFS。

4、如何理解传感器的辐射分辨率、光谱分辨率、空间分辨率和时间分辨率？
（1）辐射分辨率是传感器区分反射或发射的电磁波辐射强度差异的能力
（2）光谱分辨率是传感器记录的电磁光谱中特定波长的范围和数量
（3）空间分辨率是指遥感图像上能够详细区分的最小单元的尺寸或大小，即传感器能把两个目标物作为清晰的实体记录下来的两个目标物之间最小的距离。

它是表征图像
分辨率地面目标细节能力的指标。

（4）时间分辨率：对同一目标进行重复探测时，相邻两次探测的时间间隔
5、遥感数字图像产品有哪些数据级别？
（1）0级产品：未经过任何校正的原始图像数据
（2）1级产品：经过了初步辐射校正的图像数据
（3）2级产品：经过了系统级的几何校正，即数据卫星的轨道和姿态等参数以及地面系统中的有关参数对原始数据进行几何校正。

（4）3级产品：经过了几何精校正，即利用地面控制点对图像进行了校正，使之具有了更精确的地理坐标信息。

产品的几何精度要求在亚像素量级上。

6、什么是遥感图像的元数据？包括哪些主要的参数？
元数据是关于图像数据特征的表述，是关于数据的数据。

元数据描述了与图像获取有关的参数和获取后进行的处理。

参数包括：图像获取的日期和时间、投影参数、几何校正精度、图像分辨率、辐射校正参数等。

7、怎么计算图像文件的大小？
图像文件大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数，其中辅助参数一般为1，一些系统如ERDAS，在图像文件中加入了图像金字塔索引等信息，该值为1.4。

每个像素的字节数与存储有关，8位数为1个字节。

以8位量化产生的图像，每个像素值为0－255，占用一个字节。

16位数占用两个字节，以此类推。

第三章
1、图像直方图有什么作用？可以通过直方图计算哪些图像参数（书上45页—46页）
作用：（1）直方图反映了图像灰度的分布规律。

它描述了每个灰度级具有的像素个数，但不包括这些像素在图像中的位置信息。

在遥感数字图像处理中，可通过修改图
像的直方图来改变图像的反差。

（2）任何一幅特定的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。

（3）如果一幅图像仅包括两个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和。

（4）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特殊的情况下，遥感图像数据与自然界的其它现象一样，服从或接近于正态分布
2、什么是滤波？
狭义地说滤波是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制，甚至全部滤波除某些频率分量的过程。

广义地说滤波是吧某种信号处理成为另一种信号的过程。

3、什么是纹理？包括哪些基本类型？
纹理通常被定义为图像的某种局部性质, 或是对局部区域中像素之间关系的一种度量。

通常认为，纹理是由纹理基元按某种确定性的规律或只是按某种统计规律重复排列组成的。

类型：人工纹理：是由自然背景上的符号排列组成的，这些符号可以是线条、点、字母、数字等。

往往是有规则的。

自然纹理是具有重复排列现象的自然景物，往往不是规则的。

第四章
1、常用的颜色模型有哪些？各有什么特点？
（1）RGB模型，这种模型用在彩色监视器和彩色摄像机等领域，当彩色图像中的部分地物隐藏在阴影中时不适用；
（2）CMY模型，用在彩色打印机上；
（3）YIQ模型，用于彩色电视广播。

其中，Y相当于亮度，而I和Q是被称为正交的两个颜色分量。

主要优点是去掉了亮度（Y）和颜色信息（I和Q）间的紧密联系。

（4）HIS模型，用于图像的显示和处理，其中I是强度。

强度成份（Ｉ）在图像中与颜色信息无关；色调和饱和度成份与人们获得颜色的方式密切相关。

这些特征使HIS模型成为
一个理想的研究图像处理运算法则的工具，是面向彩色图像处理的最常用的颜色模型。

2、为什么要进行彩色合成？有哪些主要的合成方法？
人眼对黑白密度的分辨能力有限，大致只有10个灰度级，而对彩色图像的分辨能力则要高得多。

如果以平均分辨率的计算，人眼可察觉出数百种颜色差别。

这还仅仅是色调一个要素，如果加上颜色的其他两个要素：饱和度和亮度，人眼能够辨别彩色差异的级数要远远大于黑白差异的级数。

为了充分利用色彩在遥感图像判读中的优势，常常首先对多波段图像进行彩色合成得到彩色图像，然后再进行其他的处理。

彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成四种方法。

合成方法有：伪彩色合成、真彩色合成、假彩色合成、模拟真彩色合成
3、假彩色合成与伪彩色合成的差异是什么？
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，主要通过密度分割方法来实现。

假彩色合成使用的数据是多波段图像。

区别：
伪彩色处理主要解决的是如何把灰度图变成伪彩色图的问题,最简单的办法是选择对应于某一灰度值设一彩色值来替代,可称之为调色板替代法.另外一种比较好的伪彩色处理方法是设定三个独立的函数 ,给出一个灰度值,便由计算机估算出一个相应的RGB值.
假彩色(false color)处理是把真实的自然彩色图像或遥感多光谱图象处理成假彩色图像.假彩色处理的主要用途是:
(1)景物映射成奇异彩色,比本色更引人注目.
(2)适应人眼对颜色的灵敏度,提高鉴别能力.可把细节丰富的物体映射成深浅与亮度不一的颜色.
(3)遥感多光谱图象处理成假彩色,可以获得更多信息.
4、图像拉伸有哪些方法？优点是什么？
包括灰度拉伸、图像均衡化、直方图规定化。

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。

如果对比度比较低，那么就无法清楚的表现出图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。

拉伸按照波段进行，它通过处理波段中单个像素值来实现增强的效果。

第五章
1、辐射校正的主要内容是什么？
在太阳——大气——目标——大气——传感器的辐射传输过程中存在有许多干扰因素，使得接收的信号不能准确的反映地表物理特征（光谱反射率、光谱辐射亮度等）。

这些因素归结为以下四个方面：
（1）大气分子及气溶胶的Rayleigh散射与Mie散射；分子及气溶胶的吸收、散射以及散射吸收的耦合作用；
（2）表面因素的贡献。

在一般的遥感应用中，认为地球表面为朗伯体，反射与方向无关，这个假设是一种近似，事实上任何表面在物理特性与物质结构上都不是理想朗伯体，因此认为地面是朗伯体会带来误差。

另外一个因素是，由于大气散射的存在，邻近像元的反射也会进入目标视场从而影响辐射量，这部分贡献被称为交叉辐射；
（3）地形因素的贡献，目标高度与坡向也会对辐射造成影响。

（4）太阳辐射光谱的影响。

因而，为了正确反映目标物的反射和辐射特性，必须消除图像记录值中的各种干扰项，这就是辐射校正的主要内容。

2、辐射误差产生的主要原因有哪些？
辐射误差产生的原因有两种：传感器的响应特性和外界环境（包括大气和太阳辐射）
传感器的响应特性：光学摄影机引起的辐射误差，由光学镜头中心和边缘的透射强度不一致造成的。

光电扫描仪引起的辐射误差，光电转换误差和探测器增益变化引起的误差。

外界：大气和太阳辐射：太阳位置、地形起伏
其他误差：遥感图像中有时因各检测器特性的差别、干扰、故障等原因引起不正常的条纹和斑点，它们不但造成直接错误信息，而且在统计分析中也会引起不好的效果，应该予以消除。

3、地面辐射校正的主要内容是什么？
地面辐射校正主要包括太阳辐射校正和地形校正。

太阳辐射校正，主要校正由太阳高度角（sunElevation）导致的辐射误差，即将太阳光线倾斜照射时获取的图像校正为太阳光线垂直照射时获取的图像。

如果地形不平坦，受坡度和坡向的影响，传感器获得的能量也会变化。

一个区域所获得的能量会因阴影而有所减少。

由地形或云投射的阴影影响着成片的连续的像素。

树、作物行、岩石露头或其他小物体也能产生阴影，但仅影响单独的像素。

这两种类型的阴影会降低各个波长的亮度值。

地表反射到传感器的太阳辐亮度和地表坡度有关。

对由此产生的辐射误差，可以利用地表法线向量与太阳入射向量之间的夹角来校正。

对于多个波段图像，利用波段比值也可以消除地表坡度的影响。

4、遥感图像几何精纠正的目的和原理是什么？
目的：几何精纠正又称为几何配准（registration），是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。

遥感图像的几何精纠正解决遥感图像与地图投影的匹配问题，其重要性主要体现在以下三个方面：第一，只有在进行纠正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类遥感专题图；第二，在同一地域，应用不同传感器、不同光谱范围以及不同成像时间的各种图像数据进行计算机自动分类、地物特征的变化监测或其它应用处理时，必须进行图像间的空间配准，保证不同图像间的几何一致性；第三，利用遥感图像进行地形图测图或更新要求遥感图像具有较高的地理坐标精度。

基本原理：几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的综合作用的结果。

因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。

5、怎么从图像中有效地选择地面控制点？
在图像上，控制点应该在容易分辨、相对稳定、特征明显的位置，如道路交叉、河流弯曲活分叉处、海岸线弯曲处、湖泊边缘、飞机场跑道等。

在变化不明显的大面积区域（如沙漠），控制点可以少一些。

在特征变化大且对精度要求高的区域，应该多布点。

但是，要尽可能避免控制点之间构成直线关系，避免控制点仅分布在狭长的范围里。

6、什么是图像的重采样？常用的重采样方法有哪些？各有什么特点？
内插计算像素值的过程称为数字图像的重采样。

方法：最近邻方法、双线性内插方法、三次卷积内插方法
最近邻重采样：算法简单，最大优点是保持像素值不变，但是，纠正后的图像可能具有不连续性，会影响制图效果。

当相邻像素的灰度值差异较大时，可能会产生较大的误差。

双线性内插重采样：简单具有一定的精度，一般能得到满意的插值效果。

缺点是此方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。

三次卷积内插重采样：产生的图像比较平滑，缺点是计算量很大。

待纠正的数字图像本身属于规则的离散采样，非采样点上的灰度值需要通过采样点(已知像素)内插来获取，即重采样。

常用的重采样方法有最近邻方法、双线性内插方法和三次卷积内插方法。

最近邻重采样算法简单，最大的优点是保持像素值不变。

但是，纠正后的图像可能具有不连续性，会影响制图效果。

当相邻像素的灰度值差异较大时，可能会产生较大的误差。

双线性内插方法简单且具有一定的精度，一般能得到满意的插值效果。

缺点是方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。

三次卷积内插方法产生的图像比较平滑，缺点是计算量很大。

7、怎么进行多源图像的几何配准？
多图像几何配准是指多图像的同名图像通过几何变换实现重叠，通常称作相对配准；将相对配准后的多图像纳入某一地图坐标系统，称作绝对配准。

多项式和共线方程都可以实现多图像的几何配准，例如，采用多项式纠正法，一旦在多图像上选择分布均匀、足够数量的一些同名图像作为相互匹配的控制点，就可根据控制点计算多项式系数，实现一幅图像对另一幅图像的几何纠正，从而达到多图像的几何配准。

但在许多情况下，很难找到准确可靠的控制点，所以多图像的几何配准，通常采用相关函数进行自动配准。

多图像自动配准的基本假设是相同的地物具有相似的光谱特征。

通过对两个图像做相对移动，找出其相似性量度值最大或差别最小的位置作为图像配准的位置。

第六章
1、主成分变换算法的性质有哪些？工作流程是什么？怎么确定主成分的个数，（书上133页）怎么解释主成分？∑性质：（1）总方差不变性。

变换前后总方差保持不变，变换只是把原有的方差在新的主成分上重新进行分配。

（2）正交性。

变换后得到的主成分之间不相关。

（3）从主成分向量Y i中删除后面的（n-p）个成分只保留前p（p<=n）个成分时产生的误差符合平方误差最小的准则。

换句话说，前面的p个主成分包含了总方差的大部分。

工作流程：主成分正变换——主成分逆变换
主成分正变换通过对图像进行统计分析，在波段协方差矩阵或相关的基础上计算特征值，构造主成分。

根据主成分-特征值的关系，选择少数的主成分作为输出结果。

主成分逆变换：如果在正变换中选择的主成分数目与波段/变量数目相同，那么逆变换的结果将完全等同于原始图像。

如果选择的主成分数目少于波段数，逆变换的结果相当与压抑了图像中的噪声，但此时逆变换结果图像的各个“波段”与原始图像的波段不再具有对应性，不再具有原始图像波段的物理意义。

主成分：设有向量集（X=Xi，i=1,2，…，n）Rn（n为变量个数），E（X）为X的数学期望，X的协方差矩阵为C，U是C的特征向量，按其特征值的由大到小的顺序排列为主成分。

2、缨帽变换的基本原理是什么？有什么优缺点？缨帽变换的结果怎么解释？（书上135页—139页）
优缺点：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。

缨帽变换既可以实现信息压缩，又可以帮助解译分析农作物特征，因此有很大的实际应用意义。

K-T变换只能用于MSS数据和LANDSAT4、5的TM图像、LANDSAT7的ETM图像，这是该方法的一个限制。

3、什么是植被指数？有哪些基本的表达方式？
植被指数：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，能够提取植被的算法称为植被指数。

（VI，Vegetation Index）。

植被指数是代数运算增强的典型应用
表达方式：比值植被指数
归一化植被指数
差值植被指数
正交植被指数或PVI=0.939(IR)—0.344（R）+0.09 4、在图像处理中常用的彩色模型有哪些？
常用的彩色模型有RGB模型和HIS模型。

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能更方便。

RGB系统从物理的角度出发描述颜色，HIS系统从人眼的主观感觉出发描述颜色。

RGB系统比较简单而常用，但是，当彩色合成图像的各个波段之间的相关性很高时，会使得合成图像的饱和度偏低，色调变化不大，图像的视觉效果差。

第七章
1、图像噪声有哪些主要类型？主要特点是什么？
图像噪声按其产生的原因可分为外部噪声和内部噪声。

外部噪声是指图像处理系统外部产生的噪声，如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。

内部噪声是指系统内部产生的噪声。

从统计理论观点可分为平稳和非平稳噪声。

凡是统计特征不随时间变化的噪声称为平稳噪声；统计特征随时间变化的噪声称为非平稳噪声。

从噪声幅度分布形态可分为高斯型、瑞利型噪声。

还有按频谱分布形状进行分类的，如均匀分布的噪声称为白噪声。

按产生过程进行分类噪声可分为量化噪声和椒盐噪声等。

2.什么是图像平滑？试叙述均值滤波与中值滤波的区别？（P152，P154-P156）
图像平滑：图像在获取和传输的过程中，受传感器和大气等的因素的影响会存在噪声。

在图像上表现为一些亮点或亮度过大的区域，为了抑制噪声、改善图像质量所做的处理成为图像平滑。

区别：（1）均值滤波是最常用的线性低通滤波器。

它均等地对待邻域中的每个像素。

对于每个像素，取邻域像素值的平均作为像素的新值。

均值滤波对高斯噪声比较有效。

均值滤波算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，特别是对图像的边缘和细节消弱很多。

随着邻域范围的扩大，去噪能力增强的同时模糊程度越加严重。

（2）中值滤波是一种最常用的非线性平滑滤波器，它将窗口内的所有像素值按大小排序后，取中值作为中心像素的新值。

窗口的行列数一般取奇数。

由于用中值替代了平均值，中值滤波在抑制噪声的同时能够有效地保留边缘，减少模糊。

中值滤波的不变性，对于一维的某些特定的输入信号，中值滤波的输出保持输入信号值不变。

对于二维信号，中值滤波不变性要复杂得多，不仅与输入信号有关，还与窗口的形状有关。

中值滤波的去噪性能：中值滤波可用来减弱随机干扰和脉冲干扰，由于中值滤波是非线性的，因此对随机输入信号的数学分析比较复杂。

中值滤波的输出与输入噪声的概率密度分布有关，而均值滤波的输出则与之无关。

中值滤波对于随机噪声的抑制比均值滤波差一些，但对于脉冲噪声干扰的椒盐噪声，中值滤波是非常有效的
3.什么是图像锐化？图像锐化有那种方法？（p161）
图像锐化：为了突出图像中的地物边缘，轮廓或线状目标，可以采用锐化方法，锐化提高了边缘与周围像素之间的方差，也成为边缘增强。

图像锐化方法：图像锐化方法：梯度法、罗伯特梯度、Prewitt和Sobel梯度、Laplacian 算子、定向检测
第九章
1、遥感图像分类的基本原理是什么？（P208）
同类地物在相同的条件下（光照，地形等）应该具有相同的或相似的光谱信息和空间信息特征。

不同类的地物之间具有差异。

根据这种差异，将图像中的所有像素按其性质分为若干类别的过程，成为图像的分类。

2、试述遥感图像分类流程
（1）预处理：包括确定工作范围、多源图像的几何配准、噪声处理、辐射校正、几何精校正、多图像融合等。

（2）特征选取：包括特征选择和特征提取。

特征选择是从众多特征中挑选出可以参加分类运算的若干个特征；特征提取是在特征选择以后，利用特征提取算法（如主成分分析算法）从原始特征中求出最能反映地物类别性质的一组新特征。

（3）分类：根据特征与分类对象的实际情况选择适当的分类方法。

（4）分类后处理：由于分类过程是按像素逐个进行的，分类结果图像中成片的地物类别分布区往往会出现零星的异类像素，其中许多是不合理的。

因此，要根据分类的要求进行后处理工作。

（5）结果检验: 对分类的精度与可靠性进行评价。

（6）结果输出: 对于达到精度要求的分类图像，根据需要和用途，设置投影、比例尺、图例等制作专题图，或将数据转换为向量格式，供其它系统使用。

3、什么叫非监督分类？有哪几种主要方法？
非监督分类是指人们事先对分类过程不加入任何的先验知识，而仅凭遥感图像中地物的光谱特征，即自然聚类的特性进行的分类。

非监督分类有很多种方法，其中，K-均值方法和ISODATA方法是效果最好，使用最多的两种，4、简述监督分类与非监督分类的区别？（P225，P216）
非监督分类是指人们事先对分类过程不加入任何的先验知识，而仅凭遥感图像中地物的光谱特征，即自然聚类的特征进行的分类。

监督分类是利用已知地物的信息对未知地物进行分类的方法。

5、什么是训练区？选择训练区应该注意哪些问题？
训练区用来确定图像中已知类别像素的特征。

这些特征对于监督分类来说是必不可少的。

训练区在遥感处理系统中被称为“感兴趣区”。

在ENVI系统中，该区域称为ROI，在ERDAS系统中称为AOI。

（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，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。