发布时间 : 星期一 文章(完整word版)遥感数字图像处理考试知识点整理更新完毕开始阅读
其中核心步骤3个为：建立纠正函数、选择地面控制点以及图像重采样（包括几何位置变换和灰度重采样两步）。
第五章
20 图像增强的主要目的是什么?包含的主要内容有哪些? 点运算和邻域运算(空间域增强的两大种方式)
图像增强的主要目的：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 主要内容：图像拉伸 ——对比度增强
图像变换：
代数运算 彩色空间变换 多光谱变换 图像空间变换 图像空间滤波增强
空间域增强：点运算和邻域运算(空间域增强的两大种方式)
21 图像拉伸的方式主要有？
直接：对灰度 线性1）全域线性拉伸 2）分段线性变换 3 ） 灰度窗口切片 非线性：1. 指数变换 2. 对数变换 多波段拉伸
间接：对直方图1. 直方图均衡化 （计算书P82）直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，使图像的直方图分布改变成“均匀”分布直方图分布；最终达到增强图像显示的效果。
2. 直方图规定化 （计算书P84）：依据直方图均衡化，先对目标直方图和
参考直方图均作均衡化，使二者都变成归一化均匀的直方图，再以此为中介，在对参考图像作均衡化逆运算即可。 （1）做出原图像的直方图。
（2）做出原图像的累积直方图Zb=T（xa），对原图像进行均衡化变换。 （3）做出参考图像的直方图或确定参考直方图。
（4）做出参考累积直方图Zb=G（yc），进行均衡化变换。
（5）对于原图像中的每一灰度级xa的累积值Zb，在参考累积直方图中找到对应的累积值G
（yc）；如果G为数学公式可直接计算求值，则得到对应的新灰度值yc。 （6）以新值yc替代原灰度值xa，形成均衡化后的新图像。
（7）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图，实现规定化。 （8）按照新的规定化后的直方图进行图像显示。 22 直方图均衡化，具体计算过程。书82页
（1）统计原图像每一灰度级的像元数和累积像元数。
（2）根据变换函数式计算每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度级xb。
（3）以新值替代原灰度值，形成均衡化后的新图像。
（4）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图。 23 直方图规定化的基本原理是什么? 依据直方图均衡化，先对目标直方图和参考直方图均作均衡化，使二者都变成归一化均匀的直方图，再以此为中介，在对参考图像作均衡化逆运算即可。 24 图像代数运算方法主要有？
根据地物本身在不同波段的灰度差异，通过不同波段之间的某种简单数学运算，产生新的“波段”灰度值，从而体现某些自己感兴趣的信息，压抑不感兴趣的信息。是提取地物的主要方法
加法运算；乘法运算 ；比值运算；植被指数
25 植被指数，常用的植被指数有？包括运算公式。正交的植被指数公式不用记。常用的传感器进行计算植被指数时选择使用的波段。
（1）定义：植被指数是根据地物光谱反射率的差异进行比值运算，以此突出图像中的植被特征信息、有助于提取植被类别或估算绿色生物量的识别绿色植被的信息特殊运算方法。 常见的植被指数主要有：
比值植被指数（RVI）、归一化植被指数（NDVI, ）、差值植被指数（DVI）、正交植被指数（PVI）等。
RVI=IR/R DVI=IR*R NDVI=(IR-R)/(IR+R) （2）波段： 传感器 LANDSAT TM LANDSAT MSS SPOT XS NOAA AVHRR IR波段（近红外） R波段（红外） 4 7 3 2 3 5 2 1 1 TERRA / AQUA 2 MODIS 一景TM影像，求植被信息:比值：RVI=IR/R=TM4/TM3
26 彩色三基属性；彩色空间变换流程。 彩色三个基本属性：色调(Hue)、明度(强度, Intensity )和饱和度（色度, Saturation ）。 模型:IHS
工作流程为五大步骤：
选择波段进行RGB合成显示——>进行彩色变换（RGB-IHS）——>进行其他图像处理——>进
行彩色逆变换（HIS-RGB）——>RGB重新合成显示。 RGB -> IHS 称为: IHS正变换 IHS -> RGB 称为: IHS逆变换
RGB-HIS之间的变换方法主要有：球体变换和圆柱体变换两大类。
27 多光谱空间（名词）；多光谱变换的本质；多光谱变换的常用方法：PCA，和K-T。 (1)多光谱空间是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为该波段的亮度值，坐标系内的每一个点代表一个像元。这种空间只表示各波段光谱之间的关系， 仅含光谱空间维数信息，而无任何空间意义
(2)多光谱变换的本质是对遥感图像实行数学上的线性变换，使多光谱空间的坐标系按一定得规律进行旋转，以此得到变换后的新波段，新波段涵括了变换前图像的主要信息，达到了我们变换的目的（保留主要信息，分离噪声，增强或提取有用信息，降低数据量）。 PCA ：1） K-L变换原理
Y=AX X为变换前多光谱空间的像元矢量 Y为变换后多光谱空间的像元矢量 A为一个n×n的线性变换矩阵
流程：主成分正变换——主成分逆变换 2） K-L交换分析 （1）数据压缩 （2）图像增强
（3）分类前预处理
K-T变换：Y=BX其中，X为变换前多光谱空间的像元矢量，Y为变换后的新坐标空间的像元矢量，B为变换矩阵。
K-T变换同样是旋转坐标空间，但旋转后的坐标轴不同于PCA中的指向主成分的方向，而是指向另外的方向。这些方向和地面目标物十分相关，尤其是植被和土壤信息。经研究，缨帽变换后获得的n个新分量（对TM数据来说，n=7）我们常常仅取前三个分量。
其关系为：y1为亮度，反映出图像总体的反射值；y2为绿度，反映了绿色生物量的特征；y3为湿度，对土壤湿度和植被湿度最为敏感
K-T变换可以对植被、土壤等地面景物作出更精细的、更准确的分析，同时，仅用这3分量也实现了信息压缩。此方法常应用在农业监测和农作物估产方面。 28 什么是主成分变换？主成分变换的应用意义是什么?
K-L变换又称为主成分变换（principal component analysis）。它的原理如下：对某一n个波段的多光谱图像实行一个线性变换，即对该多光谱图像组成的光谱空间X乘以一个线性变换矩阵A，产生一个新的光谱空间Y，即产生一幅新的n个波段的多光谱图像。其表达式为
Y=AX
式中：X为变换前多光谱空间的像元矢量；Y为变换后多光谱空间的像元矢量；A为一个n×n的线性变换矩阵。
根据以上的分析可将K-L变换的应用归纳如下。
（1）数据压缩。经过主成分变换，多光谱图像变成了新的主成分图像，像元的亮度值不再表示地物原来的光谱值。但变换后的前几个主分量包含了绝大部分的地物信息，在一些情况下几乎是100%，因此可以只取前几个主分量，既获得了绝大部分的地物信息，又减少了数据量，如TM图像，经主成分变换后可只取前3个主分量，波段数由7个减少到3个，数据量减少到43%，实现了数据压缩。
（2）图像增强。主成分变换的前几个主分量包含了主要的地物信息，噪声相对较少；而随着信息量的逐渐减少，最后的主分量几乎全部是噪声信息（如MSS数据中的条纹）。因此，主成分变换突出了主要信息，抑制了噪声，达到了图像的目的。
（3）分类前预处理。多波段图像的每个波段并不都是分类最好的信息源，因而分类前的一项重要工作就是特征选择，即减少分类的波段数并提高分类效果。主成变换即是特征选择最常用的方法。
29 图像空间滤波的处理计算（平滑【主要是均值滤波、中值滤波】、锐化【梯度法（多种梯度算子）】）。特别注意，图像的空间域增强的方式有两种：一种是针对像元的点运算；一种是针对像元和周边相邻像元关系之间的邻域运算。154页和161页 30 图像锐化处理有几种方法?试述Laplace算法的特点。 图象锐化处理的方法：
1 梯度法 2 Roberts梯度 3 Prewitt和Sobel梯度 4 Laplace算法 5 定向检测 Laplace算法的特点
Laplace算子检测的是变化率的变化率，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?f(x,y)为0。因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。 第六章
31 遥感图像计算机分类（名词）；遥感图像分类的主要依据；
（1）名词解释：是针对原始遥感影像或各种变换处理之后的图像，在计算机技术的协助下，采用决策理论或统计方法等对变量特征空间进行地物属性的识别和划分等达到图像分类的目的。
（2）遥感图像分类的主要依据就是地物的光谱特征的相似程度。
遥感图像分类以每个像素的光谱数据为基础进行的。 （3）相似性度量
32 什么是监督分类，什么是非监督分类？简述监督分类和非监督分类的异同。
答： 1)监督分类是基于对于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数据的类别。
2)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。
（也可以从两方法的基本原理出发来解释也可以。）
3)异:
a. 监督分类对于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;非监督分类对于遥感图像地物的属性不具有先验知识。 b. 监督分类以样本类别的特征作为依据可直接判断判断非样本数据的类别；非监督分类仅凭据遥感影像地物的光谱特征的分布规律，随其自然地进行盲目的分类，并不确定类别的属性，其属性是通过事后对各类的光谱响应曲线进行分析，以及与实地调查相比较后确定的。
4)同: 都是依据地物的光谱特性的点独立原则来分类的，且都采用的是统计方法。 33 简述遥感图像计算机分类的一般流程。 1. 原始图像的预处理
2. 选择分类方法（训练区的选择）
2