2014-2015年度遥感原理与应用考试复习题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
二、辨析题
1.在真彩色合成影像中植被呈现绿色。(5分)
答:正确。
植物在绿光波段(0.52-0.6μm)有一个反射峰值,两侧0.45μm(蓝)和0.67μm (红)则有两个吸收带,TM3、2、1按照红绿蓝顺序合成刚好符合植物的反射特性,并且TM1、TM2、TM3波段的波谱范围大致与自然界中的蓝、绿、红相仿,故植物在真彩色合成影像中呈现绿色。
三、简答题
1.为了使图像直方图匹配获得更好的结果,两幅影像应具有哪些相似的特征?(5分)
答:(1) 图像直方图总体形状应类似;
(2) 图像中黑与亮特征应相同;
(3) 对某些应用,图像的空间分辨率应相同;
(4) 图像上地物分布应相同,尤其是不同地区的图像匹配;
(5) 如果一幅图像里有云,而另一幅没有云,那么在直方图匹配前,应将其中一幅
里的云去掉。
2.伪彩色增强有哪几种方法?
答:伪彩色增强的方法有:
(1)假彩色合成:将一幅自然彩色图像或者是同一景物的多光谱图像通过影射函数变换成新的三基色分量进行彩色合成,使增强图像中各目标呈现出与原图像中不同的彩色的技术称为假彩色增强技术。
(2)真彩色合成:指从多多波段图像中选择其中三幅影像在显示屏上合成一幅影像,该三幅影像的波段范围与自然界中的红绿蓝光的波长范围大致相同。
(3)伪彩色变换:由输入的单波段影像,通过3个独立的数学变换,产生R、G、B,3个分量影像,然后合成为伪彩色影像。彩色的含量由变换函数的形状决定。
3.简述多光谱四则运算的作用
(1)减法运算:当为两个不同波段的图像时,通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差。当为两个不同时相同一波段图像相减时,可以提取波段间的变化信息。
(2)加法运算:通过加法运算可以加宽波段,如绿色波段和红色波段图像相加可以得到近似全色图像;而绿色波段、红色波段和近红外波段图像相加可以得到全色红外图像。
(3)乘法运算:乘法运算和加法运算结果类似。
(4)除法运算:通过比值运算能压抑因地形坡度和方向引起的辐射量变化,消除地形起伏的影响。也可以增强某些地物之间的反差。如植物、土壤、水在红色波段和红外波段反射率是不同的,通过比值运算可以加以区分。
四、计算题
方差分布最广,集中最多信息,第二分量次之。
2.在使用ISODATA算法聚类分析后,我们可以知道分类后的每一个类别相对应的属性。(5分)
答:错。ISODATA算法也称为迭代自组织数据分析算法,通过调整样本所属类别完成样本的聚类分析,自动地进行类别的“合并”和“分裂”。属于非监督分类,无需任何先验知识,仅凭遥感影像地物的光谱特征的分布规律进行分类,分类结果只是区分不同类,并不能确定类别的属性。
三、简答题(10分)
监督分类与非监督分类的优缺点对比。(10分)
答:
1.(1)监督分类的优点:
1)根据应用目的和区域,有选择的决定分类类别,避免出现一些不必要的类别;
2)可以控制训练样本的选择;
3)可以通过检查训练样本来决定训练样本是否被精确分类,从而避免分类中的严重错误;
4)避免了非监督分类中对光谱集群的重新归类。
(2)缺点:
1)主观性;
2)由于图像类别的光谱差异,使得训练样本没有很好的代表性;
3)训练样本的获取和评估较多的人力时间;
4)只能识别训练中定义的类别。
2.(1)非监督分类优点:
1)不需要预先对所分类别的区域有广泛的了解,需要用一定的知识来解释得到的集群
组;
2)人力误差的机会小;
3)量小的类别能被区分。
(2)缺点:
1)得到的集群但类别不一定对应分析者想要的类别;
2)难对产生的类别进行控制;
3)不同图像间的对比困难。
四、计算题(10分)
设某一局部图像那个类1和类2的先验概率为P(w1)=0.8,P(w2)=0.2,似然概率为P(X/w1)=0.1, P(X/w2)=0.5
(1)请用最大似然概率判决该像素X属于哪一类。
(2)据上题,若假定损失函数L11=0, L12=2, L21=5, L22=0,用最小风险Bayes判决图像归
属。
解:
(1)若P(w1/X)>P(w2/X),则X∈w1;反之,则X∈w2。
P(wi/X)=P(X/wi)P(wi)/P(X)
P(X)= P(X/w1)P(w1)+ P(X/w2)P(w2)=0.1*0.8+0.5*0.2=0.18 P(w1/X)=0.1*0.8/0.18=0.44
P(w2/X)=0.5*0.2/0.18=0.56
因为P(w1/X)
(2)若r1 rj=∑P(wi/X)*Lij r1= P(w1/X)L11+P(w2/X)L21=0.44*0+0.56*5=2.8 r2= P(w1/X)L12+P(w2/X)L22=0.44*2+0.56*0=0.88 因为r1>r2,则X∈w2。