遥感图像处理考试

第四，五章

1.遥感图像辐射畸变的原因：

1光学镜头的非均匀性○2光电转换误差及探测器增益的变化。 内部误差:○

1大气散射与吸收○2太阳位置○3地形起伏。 外部误差:○

2.系统辐射误差校正

1光学镜头的非均匀性引起的边缘减光现象的校正 ○

2坏线及条纹的修复 ○

3随机坏象元 ○

3..辐射定标的定义

是指传感器建立每个探测元所输出信号的数值量化值（DN）与该探测器对应视场内的实际地物辐亮度值（Li）之间的定量关系。 作用：遥感信息定量化的前提，遥感数据的可靠性及应用的深度和广度在很大程度上取决于遥感器的定标精度。 4辐射定标方法 1仪器实验室定标 ○

2机上或星上定标 ○

3场地定标：主要有3种方法，反射率基法，辐射量度法和辐照度基法 ，最常用的是反射○

率基法。 辐射校正场:

美国：白沙辐射校正场；

法国：马赛市Lacrau辐射校正场；

中国：青海省青海湖热红外辐射校正场，甘肃省郭煌戈壁可见光/近红外波段辐射校正场。 5.两个定标系数：

增益gain（斜率） 偏移offset/bias（截距） L=Gain*DN+bias 6.程辐射Lp：

大气对辐射散射后，有相当一部分散射光直接进入传感器，这部分辐射称为程辐射。 去掉程辐射的主要方法有：直方图最小值去除法和回归分析法。 7.大气校正定义

消除由于大气散射和大气吸收引起的辐射误差的处理过程称为大气校正 8.大气校正方法

统计学方法：内部平均法 平场域法 经验线性法 实测光谱回归法 辐射传递方程计算法

波段对比法：回归分析法 直方图法 9.常见辐射传输模型：

Lowtran系列-6或-7 ， Modtran系列 ， Hitran 5S6S系列 ， 6S ATCOR系列 ， FLAASH 其他

10.暗像元方法原理（暗目标法）： 基本思路：假设整幅图像的大气散射影响均一，并认为一幅图像中某种或某几种地物其反射率接近0，即“暗目标”，如纯净的水体等。“暗目标”在图像中对应位置的图像亮度值应为0，但实际上由于大气的影响，该像元的亮度值一般大于0，则认为这个值就是大气程辐射值。 方法：将每一波段中每个像元的亮度值都减去本波段的最小值，使图像亮度动态范围得到改善。对比度增强，从而提高了图像质量

11.地面辐射校正：

太阳辐射校正：公式法 波段比值法 地形辐射校正 12.太阳辐射校正

主要校正由太阳高度角导致的辐射误差，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。 13.地形辐射校正

地形校正就是通过各种变换，将所有象元的辐射亮度变换到某一参考平面上（通常取水平面），从而消除由于地形起伏引起的影像灰度值（或亮度值）变化，是影像更好的反映地物光谱特征。 14.预处理：

因为遥感数据的几何校正和辐射校正是在信息提取之前进行的操作，所以通常称为预处理。 内部误差：由传感器本身引起的误差。

外部误差：指传感器本身处在正常工作的条件下，由传感器以外的各因素引起的误差。 14.几何校正:

定量地确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标等）的对应关系（坐标变换式）。 15.几何粗校正：

是针对卫星运行和成像过程中引起的几何畸变进行的校正，即卫星姿态不稳、传感器内部变形等因素引起的变形。 16.几何精校正 定义：遥感图像的精校正是指消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像的过程。同时且要找到新图像中每一像元的亮度值。也就是利用地面控制点进行的几何校正，即通常所说的配准过程。 基本原理：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做是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。

几何精校正的步骤：

⑴相对几何校正：几何精校正以数据集作为参照。如果数据集是图像，该过程称为相对校正。即以一幅图像为基础，纠正其他图像。

⑵绝对几何校正：如果基准数据是标准的地图，则称为绝对纠正，即以地图作为参考，纠正图像。

① 选取地面控制点（GCP，Ground Control point）；一个在影像上可以分辨并能在地图上精确定位的地表位置（如：交叉路口）。

② 依据控制点对数据进行空间坐标变换，也就是在几何位置上校正畸变误差； ③ 取得变换后图像各像元的灰度值，即对图像进行重采样。17.重采样方法

最邻近内插法：将最邻近的像元的像元值赋予新像元。

双线性内插法：使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线 性内插。

三次卷积内插法：使用内插点周围的16个像元值，用三次卷积函数进行内插。 17.控制点评判

地面控制点选取时应注意如下几点：

（1）地面控制点在图像上有明显的、清晰的定位识别标志，如道路交叉点、河流叉口、建筑边界等；

（2）地面控制点的地物不随时间而变化，以保证两幅不同时段的图像或地图几何校正是，可以同时识别出来；

（3）尽可能满幅均匀选取，特征变化大的地区应多选些地面控制点。 控制点的最少数目为(n+1)(n+2)/2 18.两个坐标间的关系

20.当选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化等引起的线性变形。当选用二次项纠正时，则在改正一次项各种变形的基础上，还改正二次非线性变形。如选用三次项纠正则改正更高次的非线性变形。

第六章

21.图像增强的概念

特定目的，突出遥感图像中某些信息，削弱或除去某些不需要的信息，改善图像视觉效果，使图像更易判读，或为后续的计算机处理提供方便 22.光谱变换方法：

对比度增强 , 彩色增强 , 代数运算 , 多光谱变换,遥感图像融合。 23.对比度增强的定义

扩展原始的输入亮度值范围，使输出设备的整个动态范围或灵敏度得以利用，压缩不感兴趣的亮度值。

1地物本身的生物物理特征造成的低对比度；○2传感器的灵敏度 对比度增强的原因:○

全局线性拉伸：适合直方图高斯分布或接近高斯分布的遥感影像

线性拉伸

分段线性拉伸：适合双峰或三峰的直方图的遥感影像

指数变换 对数变换 非线性拉伸 平方根拉伸 高斯拉伸 直方图均衡化

直方图规定化（直方图匹配）

24.直方图规定化方法特点：

把直方图已知的图像变换为具有期望直方图图像的过程

直方图规定划原理：对两个直方图都作均衡化，变成归一化的均匀直方图。以此均匀直方图做中介，再对参考图像做均衡化的逆运算。 25.密度分割定义：

对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为一幅彩色图像。 26. 色彩的基本属性

色彩具有三个基本属性：色调、饱和度和亮度（明度）。 （1）明度——颜色在视觉上引起的亮暗程度。0—1

明度取决于人眼的视觉感受性、背景、对比度、记忆与经验等因素。

（2）色调——颜色的类别。0—360 色调是识别、区分物体的主要标志。

色调主要取决于：入射光源的光谱组成 物体对入射光的选择性吸收和反射特性 （3）饱和度——彩色的纯洁程度。0—1

饱和度取决于物体表面反射光谱辐射的选择 程度，光谱选择性越高，则饱和度越高。

26.彩色增强：对图像的色调进行调整，以达到改善视觉效果。 伪彩色增强：将单波段黑白图像的不同灰度级按线性或非线性映射函数变换成不同的彩色。 彩色合成：包括真彩色合成、假彩色合成、模拟真彩色合成（解决遥感器中没有蓝色波段的问题。） 27.彩色合成：

将多波段黑白图像采用红、绿、蓝三色合成，变为彩色图像的处理技术。

合成的彩色与三个通道灰度值的关系：

与三通道的能量贡献有关，谁的贡献大就呈现出谁的颜色。

28.标准价彩色合成：彩色合成时，把近红外波段的影响作为合成图像中的红色分量，把红色波段的影响作为合成图像中的绿色分量，把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。

真彩色：红光波段赋予红光通道，绿光波段赋予绿光通道，蓝光波段赋予蓝光通 道。

29.彩色变换：

在RGB系统中，经过对比度拉伸后，合成的彩色也往往缺乏饱和度，所以将RGB变换到HIS系统，并对饱和度分量进行对比度拉伸，以达到彩色增强的效果。

31. 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NDVI。

32.多光谱变换:通过对多波段特征空间中的坐标旋转，以达到压缩数据量、去除噪声或便于图像特征的提取的目的。 33.主成分分析（PCA）：也称主分量分析。它是研究如何把多个指标化为较少的几个综合指标的一种分析方法。综合后的新指标为原来指标的主成分或主分量。 作用：

1）去除波段间的相关性和图像增强

2）减少波段数，减少信息冗余。从几何角度看，就是缩小所在空间的维数。

34.缨帽变换（K-T变换）:1976年由Kauth-Tomas提出，其目的是提出绿色植被的成分，它是一种正交变换。但旋转后的坐标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。

主成分变换与缨帽变换的共同点是都是多光谱。 缨帽变化几个有意义的分量：亮度、绿度、湿度。

35.遥感图像的融合:把具有互补的多源数据，按一定算法进行处理，获

得比任何单一数据更精确、更丰富的信息，生成新的时、空、光谱特征的合成图像。 融合的原因：单个传感器：特定的时、空、光谱分辨率，工作波 段等，无法全面反映目标特征。

图像融合：信息的优化、整合，信息量则增加 图像增强：针对单一数据源，信息没有增加

36.融合的类型： 遥感数据与遥感数据：同一遥感器多波段、多时相；不同类型传感器。

遥感数据与非遥感数据：DEM、气象、水文、地球物理、地球化学等。 37.空间频率：

影像中任一特定部分单位距离内亮度值变化数量。如果在很短的距离内亮度值变化剧烈，则该区域称为高频区域，相反则称为低频区域。

空间频率增强或减弱的方法： 空间卷积滤波（空间域滤波） 低通滤波（平滑）

傅里叶变换（频率域滤波） 高通滤波（锐化） 38.平滑的作用：对图像的低频分量进行增强，同时削弱图像的高频分量，用于去除影像在获取和传输过程中受传感器和大气等因素导致的噪声。 39：图像锐化的作用：抑拟制图像中低频分量，突出地物边缘、轮廓或线状目标等高频分量。 锐化提高了边缘与周围像素间的反差，即边缘增强。 平滑则使图像边缘模糊。

40.各种算子

拉普拉斯算子——二阶微分

1理想高通滤波器○2Butterworth低通滤波器（特点：连续衰减，大大降低41.滤波器类型：○

3指图像边缘的模糊程度。），Butterworth高通滤波器（锐化效果较好，边缘抖动不明显）○

4梯形低通滤波器，梯形高通滤波器 数低通滤波器，指数高通滤波器○

42.同态滤波作用：是减少低频，增加高频。消除不均匀照度的影响而又不损失图象节。 43.图像分割：是指把图像分成各具特性的区域并提取感兴趣目标的技术和过程。

基本思想：基于图像灰度值的两个基本特征： 相似性（区域内部）和不连续性（区域之间） 相似性分割：将相似灰度级的像素聚集在一起，形成图像中的不同区域。通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。

非连续性分割：首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分以不同的区域。先找边，后确定区域。

两种方法是互补的。有时将它们地结合起来，以求得到更好的分割效果。 基本方法：① 基于边缘提取的分割法：先提取边界，再确定边界限定的区域；

② 区域分割：从图像出发，按属性一致原则，确定每个像元的归属区域； ③ 区域生长：从像元出发，按属性一致原则，将属性接近的连通像元聚集成

区域；

④ 分裂-合并分割：综合② ③，既存在图像划分，又有像元的合并。

44.边缘检测：基于边缘跟踪的图像分割方法的基本思路是先确定图像中的边缘像素，然后就可把它们连接在一起构成所需的边界。 (1) Roberts算子 (2) Sobel算子 (3) Prewitt算子

(4) 拉普拉斯二阶导数算子

44.边缘连接：将近邻的边缘点连接起来从而产生一条闭合的连通边界的过程。 过程：①提取可构成线特征的边缘； ②将边缘连成线。

原因： 由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。 45.监督分类：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。

46. 非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度的像元归为一类）的方法。 48.彩色变换模型：

49. 遥感分类的定义：

根据图像像元的光谱信息和空间信息特征的差异，将图像中的所有像元按其性质分为若干类别的过程。 分类方法：

1）根据是否需要分类人员事先提供抑制类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。

监督分类：事先已经知道类别的部分信息（先验知识），对未知类别的样本进行分类的方法。

非监督分类：事先没有类别的先验知识，对未知类别的样本进行分类的方法。 2）根据一个像素被分到一个类还是多个类，可将遥感图像分类方法分为硬分类和软分类。

硬分类：图像上的一个像素只能被分到一个类的分类方法。

软分类：图像上的每一个像素可以同时被分到两个或两个以上类的方法。 50. 相似性度量的几个指标：距离、相似性系数

常用的距离包括：绝对距离，欧式距离，马氏距离。

51. 分类的工作流程： 图像预处理 选择分类方法 特征选择和提取

选择合适的分类参数进行分类 分类后处理 精度评价

52. 监督分类与非监督分类的几种常见方法：

非监督分类：K-均值法，ISODATA方法

监督分类：平行管道法，最小距离法，马氏距离法，最大似然法，波谱角法 其他分类：决策树分类，神经网络。 53. 精度评价：

总体精度：分类图的分类结果与地面对应区域的实际类型相一致的概率。

用户精度：表示从分类结果图中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。他反映分类图中各类别的可信度，即这幅图的可靠性。

制图精度：表示参考图的任一个随机样本，与分类图上同一地点的分类结果相一致的条件概率。它反映用于产生这张分类图的方法的好坏。

漏分误差：是实际的某一类地物有多少被错误的分到其他类别。

错分误差：是图像中被划为某一类地物实际上有多少应该是别的类别。

54. 直方图均衡化的特点。

1）各灰度级中像素出现的频率近似相等；

2）原图像上像素出现频率小的灰度级被合并，实现压缩；出现频率高的灰度级被拉伸，突出细节信息

3）改变了灰度值与影像结构的关系，因此不宜从均衡处理后的影像提取纹理或生物物理信息。

前两章

1.图像的概念：

是以不同的形式和手段观测客观世界而获得的可以直接或间接作用于人眼，进而产生视觉的一种实体。（它是客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息）。 2.图像的分类

（1）人眼的视觉特点：可见图像、不可见图像。

（2）图像的明暗程度和空间坐标的连续划分：数字图像、模拟图像。 （3）波段的数量：单波段图像、多波段图像。

（4）时间特性：静态图像、动态图像。 3．数字图像

是指数字形式表达的遥感图像，最基本单元是像素，每个像素具有空间位置特征和属性特征。

4．模拟图像

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。 5.几种通用的遥感数字图像处理系统 ENVI、ERDAS、PCI、ERMAPPER。

1、遥感平台（了解）

地面、航空、航天； 气象、陆地、海洋。 2、影响获取（成像）方式： （1）摄影成像

（2）扫描成像：线性扫描仪、掸扫式扫描仪、推扫式扫描仪。 （3）雷达成像

3.常用平台

4、图像数字化的两个过程：采样和量化。

采样：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。 量化：将像素灰度值转换成整数灰度级的过程。 5、数字图像的存储方式（结构）： BSQ：像素按波段顺序依次排列的数据格式（即将每个波段的全部像元亮度值放在一个单独文件中）。

BIL：同一行不同波段的数据保存在数据块中。

BIP：一像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。

其它数据格式：HDF、TIFF、GeoTIFF 6. 单波段图像统计

影像的一元统计学描述：包括影像各波段最小值、最大值、值域、均值、标准差、偏度、峰度等。

影像的多元统计学描述：包括协方差和相关系数等。协方差是关于其均值的关联变化。 7. 纹理

纹理是由灰度分布在空间位置上反复交替变化而形成的，因而在图像空间中相隔某距离的两像素之间会存在一定的灰度关系，这种关系被称为是图像中灰度值的空间相关特性。 8.灰度共生矩阵

（GLCM，又称为灰度联合概率矩阵法）：是对图像上保持某距离的两像素分别具有某灰度值的状况进行统计得到的，它描述了成对像素的灰度值组合分布，它能够良好的表征图像表面灰度分布的周期规律。（书上P54 有详细介绍） 9.纹理参数： （1）角二阶矩

（2）熵

（3）对比度：

（4）均匀性

（5）相异性

（6）方差

（7）均值

10. 直方图的作用：

（1）根据直方图的形态可以大致推断图像的反差，然后可通过有目的地改变直方图形态来改善图像的对比度。

（2）通过直方图的形态还可以有助于解译图像。

本文来源：https://www.bwwdw.com/article/ux95.html