武汉大学遥感原理及应用试题答案

武汉大学遥感原理及应用试题答案

A

：指能够全部吸收而没有反射电磁波的理想物体。

：大气对电磁波有影响，有些波段的电磁波通过大气后衰减较小，透过率较高的波段。

：由于单一传感器获取的图像信息量有限，难以满足应用需要，而不同传感器的数据又

具有不同的时间、空间和光谱分辨率以及不同的极化方式，因此，需将这些多源遥感图像按照一定

的算法，在规定的地理坐标系，生成新的图像，这个过程即图像融合。

：指测视雷达在发射脉冲方向上能分辨地物最小距离的能力。它与脉冲宽度有关，而

与距离无关。

：指从原有的m个测量值集合中，按某一规则选择出n个特征，以减少参加分类的特征图像的数目，从而从原始信息中抽取能更好的进行分类的特征图像。即使用最少的影像数据最好

的进行分类。

二、简答题（45）

由于植物进行光合作用，所以各类绿色植物具有相似的反射波谱特性，以区分植被与其他地物。

（1）由于叶绿素对蓝光和红光吸收作用强，而对绿色反射作用强，因而在可见光的绿波段有波

峰，而在蓝、红波段则有吸收带；

（2）在近红外波段（0.8-1.1微米）有一个反射的陡坡，形成了植被的独有特征；

（3）在近红外波段（1.3-2.5微米）受绿色植物含水量的影响，吸收率大增，反射率大大下降；但是，由于植被中又分有很多的子类，以及受到季节、病虫害、含水量、波谱段不同等影响使得植

物波谱间依然存在细部差别。

波谱特性的重要性：

由于不同地物在不同波段有着不同的反射率这一特性，使得地物的波谱特性成为研究遥感成像

机理，选择遥感波谱段、设计遥感仪器的依据；在外业测量中，它是选择合适的飞行时间和飞行方

向的基础资料；有效地进行遥感图像数字处理的前提之一；用户判读、识别、分析遥感影像的基础；

定量遥感的基础。

1）图像文件管理——包括各种格式的遥感图像或其他格式的输入、输出、存储以及文件管理等； 2）图像处理——包括影像增强、图像滤波及空间域滤波，纹理分析及目标检测等； 3）图像校正——包括辐射校正与几何校正；

4）多图像处理——包括图像运算、图像变换以及信息融合；

5）图像信息获取——包括直方图统计、协方差矩阵、特征值和特征向量的计算等； 6）图像分类——非监督分类和监督分类方法等；

7）遥感专题图制作——如黑白、彩色正射影像图，真实感三维景观图等地图产品； 8）三维虚拟显示——建立虚拟世界；

9）GIS系统的接口——实现GIS数据的输入与输出等。

地物的景物特征：光谱特征、空间特征和时间特征。

影响因素包括：地物本身复杂性，传感器的性能以及目视能力。迭代自组织数据分析算法

步骤：

1）初始化；2）选择初始中心；3）按一定规则(如距离最小)对所有像元划分； 4）重新计算每个集群的均值和方差；按初始化的参数进行分裂和合并； 5）结束，迭代次数或者两次迭代之间类别均值变化小于阈值； 6）否则，重复3-5；7）确认类别，精度评定。

, 成像方式不同；

, 地形起伏的影响不同；

, 分辨率不同；

, 光源：TM是利用多光谱成像，SAR利用微波成像；

, 抗干扰能力：由于SAR使用微波段，使其抗干扰能力强，具有全天候的工作能力； , 应用目的不同。

MODIS即中等分辨力成像光谱仪，其特点是：

波段不连续,数量少（36个），地面分辨率较低（星下点离间分辨率为250M，500M，1000M），每1-2天可覆盖全球一遍，主要用于大气、海洋和陆地探测。

《微波遥感原理》《遥感原理、方法和应用》《摄影测量与遥感概论》；

《遥感学报》《测绘学报》《武汉大学学报信息版》；

应用领域：地质调查、农作物估产、土壤解译、臭氧层检测。 1）共线方程模型：适用于所有参数已知的传感器；

2）通用模型：适用于地形起伏较小的图像；

3）PFM模型：适用于高分辨力的传感器。

遥感技术发展目前的存在问题有以下几个：

1）遥感的时效性：实时检测与处理能力不足； 2）遥感的定量反演：精度不能达到实用要求。

产生以上问题的原因有如下两条：

1）遥感技术本身的局限性； 2）人们认识上的局限性。

ΔΔ

由于在遥感图像获取信息的过程中存在着各种几何变形和辐射变形，在图象变换、特征选择过

程以及信息提取等方面也存在误差，使得ΔR的出现不可避免。但是通过分析误差成因，我们可以

尽可能的减少这些误差，使得ΔR=R—R′=min。

几何变形主要来源于以下：

（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）大气折射所引起的图像变形（6）地球自转的影响

对于几何变形，可通过几何处理来进行误差纠正，包括粗纠正和精纠正。

辐射变形是指传感器接收到的地磁波能量与目标本身辐射的能量不一致，可通过辐射校正来校

正或消除其影响。

特征变换有利于区分感兴趣的地物，而特征选择在于选择最佳的有利于分类的特征而不影响分

类精度。

信息提取有目视判读和计算机分类，由于各种因素的影响，分类结果还存在一定误差。

通过提高图像预处理的精度以及改进分类算法来提高信息提取的精度。

在事先知道样本区类别的信息的情况下对非样本数据进行分类的方法即监督法分类。其基本思

想如下：首先，利用已知的样本类别和类别的先验知识（可通过对分类地区的目视判读、实地勘测

或结合ＧＩＳ信息获得），确定判别函数和相应的判别准则，这一利用一定数量的已知类别的样本的

观测值求解待定参数的过程称之为学习或训练；其次，将未知类别的样本的观测值代入判别函数；

最后，根据判别准则对该样本的所属类别做出判定。流程图如下：

确定感兴趣的类别数

特征变换和特征选择

选择训练样区

确定判别函数和判别规则

依据判别函数和判别规则对非训练样区进行分类

人工干预，分类后处理

精度评价

如上图所示,监督法分类可分为七个主要步骤，具体功能如下：

1．确定感兴趣的类别数——用于确定要分类的地物，以建立这些地物的先验知识。

2．特征变换和特征选择——通过该项处理，即能减少参加分类的影像数，加快分类速度，

又能满足分类需要，提高分类精度。