《遥感数字图像处理》课后习题详解

#遥感数字图像处理第一部分1什么是图像？并说明遥感图像与遥感数字图像的区别。答：图像（image）是对客观对象的一种相似性的描述或写真。图像包含了这个客观对 象的信息。是人们最主要的信息源。按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像， 它属于可见图像。数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。2. 怎样获取遥感图像？根据传感器基本构造答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。和成像原理不同。大致可分为摄影成像、扫描成像和雷达成像三类。3. 说明遥感模拟图像数字化的过程。灰度等级一般都取 2m（ m是正整数），说明m = 8时的灰度情况。答：遥感模拟图像数字化包括采样和量化两个过程。 采样：将空间上连续的图像变换成离散点的操作称为采样。空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有 N个像元、每列有 M个像元的数字图像。 量化：遥感模拟图像经离散采样后，可得到有MX N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。应进一步离散、归并到各个区间，分别用 有限个整数来表示，称为量化。当m=8时，则得256个灰度级。若一幅遥感数字图像的量化灰度级数g=256级，则灰度级别有256个。用0 255的整数表示。这里 0表示黑，255表示白，其他值居中渐变。 由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。彩色图像可采用24bit量化,分别给红，绿，蓝三原色 8bit，每个颜色层面数据为 0255级。4什么是遥感数字图像处理？它包括那些内容？答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。其内容有： 图像转换。包括模数（A/D）转换和数模（D/A）转换。图像转换的另一种含义是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作，如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换和小波变换等。 数字图像校正。主要包括辐射校正和几何校正两种。 数字图像增强。采用一系列技术改善图像的视觉效果，提高图像的清晰度、 对比度,突出所需信息的工作称为图像增强。图像增强处理不是以图像保真度为原则，而是设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 多源信息复合（融合）。 遥感数字图像计算机解译处理。5. 说明遥感数字图像处理与其它学科之间的关系。答：应具备的基础理论知识有：数学、地学、信息论、计算机、GIS、现代物理学。6. 说明全数字摄影测量系统的任务和主要功能。目前，比较著名的全数字摄影测量系 统有哪些？答：全数字摄影测量系统的任务是利用数字影像完成摄影测量作业。主要功能有： 数字影像处理、 单像量测、 多像量测、 摄影测量解算、 等值线自动绘制、 生成数字高程模型 （ DEM） 与正射影像图、机助量测与解译、交互编辑等。目前， 比较著名的全数字摄影测量系统有四维公司的JX-4 、适普公司的 VirtuoZo 、 莱卡公司经销的 Helava 全数字摄影测量系统等。第二部分1. 说明遥感图像几何变形误差的主要类型。静态误差是指在成像 动态误差主要是由于答：遥感图像的几何变形误差可分为静态误差和动态误差两大类。 过程中， 传感器相对于地球表面呈静止状态时所具有的各种变形误差； 在成像过程中地球的旋转所造成的图像变形误差。2. 简述遥感数字图像几何纠正的一般过程。 答：准备工作。 输入原始数字图像。 建立纠正变换函数。 确定输出影像范围。 像元几何位置变换。 像元的等灰度重采样。 输出纠正图像。3. 试述中心投影的航空像片、多光谱扫描仪图像、推扫式成像仪图像和真实孔径侧视 雷达图像各自的几何特征。答： 航空像片几何特征：a. 地物点通过摄影中心与其成像点共一条直线。b. 投影中心到像平面的距离为物镜主距f。c. 地面起伏使得各处影像比例尺不同。d. 地物由于成像平面倾斜其成像会发生变形。e. 具有高差的物体成像在像片上有投影差。 多光谱扫描仪图像几何特征： 多光谱扫描仪使用点扫描方式， 对地面景物靠扫描镜与卫星轨道相垂直方向的摆动或旋 转依次向下扫描，航向扫描则以飞行器的运行实现。几何特征有：a. 点中心投影， 瞬间成像一个点。 垂直于飞行方向的扫描影像为圆弧， 圆弧扫描线沿飞 行方向累加形成的圆柱面，构像方程在几何上等效于全景投影。b. 在每个瞬间获得的不是一条缝隙影像，而是相应于地面方形地区（如79mx 79m）的一个像元。c. 在形成构像方程式时， 应取每个像元的瞬间位置为该片坐标原点， 因此像点坐标 x=0， y=0。d. 对于每条圆弧扫描线，其几何关系等效于框幅摄影机以中心线（y=0）为基准沿旁向倾斜一个扫描角0后的情况，此时x =0, y = f tgr。 真实孔径侧视雷达图像的几何特征真实孔径侧视雷达是斜距投影，其图像的几何特征有：a. 当波束照射到传感器一侧的物方斜面时，其波束到达斜面顶部的斜距之差R比地距之差（即水平距离之差） X要小，即 R小于 X时，在图像上斜面应有的投影长度被缩 短了，这种现象称为透视收缩。b. 透视收缩进一步发展，使得波束到达顶部的斜距比到达底部的斜距更短时，其顶部和底部是颠倒显示的，这种现象称为顶底位移。c. 雷达阴影是由波束照射到有起伏的地形时，在斜面的背后往往存在微波不能到达的部分，称雷达阴影（注意雷达阴影不是太阳光阴影，二者概念截然不同）。雷达阴影的斜距长度可以由地形斜面的高度 h求出，它等于h cost。4. 为什么说中心投影构像是遥感影像构像的基础。答：遥感影像中，框幅式影像属于纯中心投影构像，全景影像属于多中心等焦距圆柱投影，多光谱影像属于多中心扫描投影，HRV影像属于多中心推扫扫描投影，合成孔径侧视雷达属于多中心斜距投影。由此可见，中心投影构像是遥感影像构像的基础。5什么是内、外方位元素？答：内方位元素：确定投影中心S与像片坐标系之间关系的数据f , xo, yo称内方位元素。外方位元素：确定投影中心S与像片在地面坐标系中的位置的数据用，YS, Zs,，称为外方位元素。6什么是像空间辅助坐标系？答：像空间辅助坐标系是一种过渡坐标系，它以摄站点（也就是投影中心）S为坐标原点。在航空摄影测量中，其一，通常以铅垂方向（或设定的某一竖直方向）为Z轴，并取航线方向为X轴，这样有利于改正沿航线方向积累的系统误差。其二，以每条航线内第一张像片的像空间坐标系作为像空间辅助坐标系。其三，以每个立体像对的左片摄影中心 S为坐标原点，摄影基线方向为 X轴，以摄影基线及左片主光轴构成的面（左主核面）作为XZ平面,构成右手坐标系。7. 试述转角系统的转角关系。答:以摄影中心S为原点，建立像空间辅助坐标系 S-XYZ，与地面摄影测量坐标系 D-XYZ 轴相互平行，其中表示航向倾角，它是指主光轴So在XZ平面的投影与Z轴的夹角；，表 示旁向倾角，它是指主光轴与其在XZ平面上的投影之间的夹角；表示像片旋角，它是指YSo平面在像片上的交线与像平面坐标系的y轴之间的夹角。8. 遥感图像几何纠正的目的是什么？答：解决遥感图像的几何变形问题。9. 试述多项式纠正法纠正卫星图像的原理和步骤。答：原理：遥感图像多项式纠正法的基本思想是回避成像的空间几何过程，而直接对影 像变形的本身进行数字模拟，认为图像变形规律可以看作是平移、缩放、旋转、仿射、偏扭 和弯曲以及更高次的基本变形的综合作用结果。该方法适用于各种传感器影像的纠正。步骤：选择控制点（控制点数量大于多项式系数的个数）。按最小二乘法平差解求系数。 将各像元的坐标代入已知系数的多项式进行计算， 求得纠正后的坐标。 灰度重采 样。第三部分1. 什么是辐射误差？辐射误差产生的主要原因是什么？答：辐射误差： 传感器探测目标的反射或辐射能量时， 所得到的测量值与目标的光谱反 射率或光谱辐射亮度等物理量之间的差值称为辐射误差。辐射误差造成了遥感图像的失真， 影响人们对遥感图像的判读、解译，因此必须进行消除或减弱。辐射误差产生的主要原因： 因传感器的响应特性引起的辐射误差。 因大气影响引起 的辐射误差。2. 因大气和太阳辐射引起的辐射误差，其相应的校正方法有哪些？ 答：大气引起的辐射误差校正方法有： 野外波谱测试回归分析法。 辐射传递方程计算法。波段对比法。太阳引起的辐射误差校正方法有：公式法。波段比值法3. 简述SAR辐射校正的技术？答:在SAR数据流中的不同位置插入一系列已知的信号以获取必要的校正信息，再在数据流通过信号处理器之前或之后测试系统的响应，再加以校正。4. 简述遥感卫星辐射校正场的含义。答：利用地球表面大面积均匀的地物为目标， 当卫星过顶时实施同步地面观测， 以实现 对在轨道上运行的卫星传感器做辐射校正。第四部分1. 图像增强的主要目的是什么？它包含的主要内容有哪些？答：主要目的有：改变图像的灰度等级、提高图像对比度；消除边缘和噪声，平滑 图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要 信息等。主要内容有：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强2. 直方图均衡化的基本思想和采用何种变换函数？答：直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。采用“累积直方图曲线”作为直方图均衡化的基本变换函数。3. 方图规定化的基本原理是什么？ 答：直方图规定化的原理是对两个直方图都做均衡化， 变成相同的归一化的均匀直方图。以此均匀直方图起到媒介作用，再对参考图像做均衡化的逆运算即可。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MX 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MX 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： 梯度法。Roberts梯度。Prewitt和Sobel梯度。Laplace 算法。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： 理想高通滤波 器；Butterworth 高通滤波器；指数高通滤波器；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。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： 比值植被指数(ratio vegetation index即 RVI)RVI=IR/RIR 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。 归一化植被指数(normalized vegetation index即 NDVI)NDVI=(IR-R)/(IR+R) 差值植被指数(differenee vegetation index即 DVI)DVI= IR-R 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勺全色波段图像为例，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30n) SPOT的全色波段(0.510.73卩m)是一个单波 段图像，但它的空间分辨率大大提高，可达到10mo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：数据压缩图像增强分类前预处理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：K-L(Karthunen-Loeve)变换，又称为主成分变换。 K-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：原始图像的预处理； 训练区的选择； 特征选择和特征提取； 图像分类运算； 检验结果； 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， 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：神经网络分类器； 基于小波神经网络遥感图像分类； 模糊聚类法； 树分类器； 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。 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。 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。 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。 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。 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。 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)。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。10