遥感图像处理复习资料Word下载.docx
《遥感图像处理复习资料Word下载.docx》由会员分享,可在线阅读,更多相关《遥感图像处理复习资料Word下载.docx(14页珍藏版)》请在冰豆网上搜索。
空间分辨率:
能够分辨出的最小单元尺寸或者说一个像元所代表的地面范围
时间分辨率:
时间分辨率指对同一地点进行采样的时间间隔,即采样的时间频率,也称重访周期
光谱分辨率:
传感器记录的电磁光谱中特定波长的范围和数量
辐射分辨率:
是指传感器接收波谱信号时,能分辨的最小辐射度差。
在遥感图像上常用像元的量化位数来表述
8,轨道周期,轨道高度,轨道倾角?
轨道周期:
指一颗行星(或其他天体)环绕轨道一周需要的时间。
环绕太阳运行的星体有很多种不同的轨道周期
轨道高度:
卫星在太空绕地球运行的轨道距地球表面的高度
轨道倾角:
简称倾角。
指航天器绕地球运行的轨道平面与地球赤道平面之间的夹角
9,哪些是传感器名称,哪些是卫星名称?
发射国家是?
大致的空间分辨率?
SPOT卫星及图像特征----系列有几颗卫星?
832公里
98度
一天绕地球:
14又5/26圈
101分钟
重复周期:
26天
LANDSAT卫星及图像特征----系列有几颗卫星?
Launchedby
Dateoflaunch
Dateoftermination
Altitude
Sensor
Recurrentperiod
LANDSAT-1
NASA
1972.7.23
1978.1.6
915km
RBV/MSS
18days
LANDSAT-2
1975.1.22
1982.2.25
LANDSAT-3
1978.3.5
1983.3.31
LANDSAT-4
1982.7.16
2001.6.15
705km
MSS/TM
16days
LANDSAT-5
1984.3.1
Operating*1
LANDSAT-6
1993.10.5
-
ETM
LANDSAT-7
1999.4.15
Operating*2
ETM+
LANDSAT7:
轨道周期:
98分钟
轨道高:
705千米
轨道倾角:
98.2度
轨道类型:
太阳同步
重访频率:
16天
IKONOS卫星及图像特征
681千米
98.1度
影像采集时间:
每日上午10:
30
1米分辨率为2.9天;
1.5米分辨率为1.5天
太阳同步
1米全色;
4米多光谱(4个波段)
QUICKBIRD卫星及图像特征
450千米
98度
0.61全色;
2.5米多光谱(4个波段)
MODIS及其图像特征----在哪颗卫星上?
有多少个波段?
Orbit:
705km,10:
30a.m.(Terra)or1:
30p.m.(Aqua),sun-synchronous,near-polar
Quantization:
12bits
SpatialResolution:
250m(bands1-2)
500m(bands3-7)
1000m(bands8-36)
DesignLife:
6years
ASTER及其图像特征----在哪颗卫星上?
Launched:
December1999
Expectedlifetime:
6+years
Numberofbands:
14
Numberoftelescopes:
3(VNIR,SWIR,TIR)
Pixelsize:
15m(VNIR)
30m(SWIR)
90m(TIR)
Stereo:
yes
Repeatfrequency:
1-16days
10,数据级别一般有几个?
Level0:
原始图像
Level1:
初步辐射校正
Level2:
几何粗校正
Level3:
几何精校正
11,元数据的概念?
12,通用遥感图像数据格式有哪3个?
BSQ/BIP/BIL
13,单波段图像的统计特征
设单波段图像为f(x,y),其大小为M行*N列
基本统计特征:
均值,中值,众数,方差,变差,反差
直方图
14,中值,众数,反差的定义?
15,多波段图像的统计特征
相关系数
协方差
16,相关系数的大小代表什么意义?
协方差作为描述X和Y相关程度的量,在同一物理量纲之下有一定的作用,但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。
为此引入如下概念:
定义:
ρXY=COV(X,Y)/√D(X)√D(Y),称为随机变量X和Y的相关系数。
17,窗口、邻域和卷积
18,卷积运算如何计算?
设窗口大小为m*n,(i,j)是中心像素图像坐标,f(x,y)是图像像素值,g(i,j)是运算结果,h(x,y)是窗口模板,则公式为:
19.
数字图像的显示。
人眼对彩色的分辨能力远远大于对黑白亮度值的分辨能力。
彩色的基本属性:
色调、明度和饱和度。
色调是色彩彼此相互区别的特性;
明度是人眼对光源或物体明亮程度的感觉;
饱和度是彩色纯洁的程度。
互补色:
当两种颜色混合产生白色或灰色时,这两种颜色称为互补色(例如:
红色与青色、绿色与品红色、蓝色与黄色)。
红、绿、蓝是加色法的三原色,黄、品红、青是减色法的三原色。
颜色立体:
将描述颜色属性的3个独立参数与空间中的三维坐标轴对应起来。
20.图像的彩色合成包括伪彩色合成、真彩色合成和假彩色合成。
真彩色合成:
根据彩色合成原理,可选择同一目标的单个多光谱数据合成一幅彩色图像,当合成图像的红绿蓝三色与三个多光谱段相吻合,这幅图像就再现了地物的彩色原理。
假彩色合成:
根据加色法或减色法,将多波段单色影像合成为假彩色影像的一种彩色增强技术。
合成彩色影像常与天然色彩不同,且可任意变换,故称假彩色影像。
合成方法主要有光学法、电子光学法、染印法等。
伪彩色合成:
是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色,得到一幅彩色图像的技术。
使原图像细节更易辨认,目标更容易识别。
合成方法主要有密度分割法、空间域灰度级彩色变换、频率域伪彩色增强等。
密度分割法:
将图像的亮度值变化范围按一定规则进行分割,划分成若干等级;
每个等级赋予一种颜色。
21.图像显示与拉伸。
直方图:
直方图是对影像每一亮度间隔内像元频数的统计,亮度间隔可人为确定,既可以是均匀的,也可以是不均匀的。
常用的直方图调整方法有直方图均衡化和直方图规定化。
累计直方图:
代表图像组成成分在灰度级的累计概率分布情况,每一个概率值代表小于等于此灰度值的概率。
直方图均衡
化又称直方图平坦化,是将一已知灰度概率密度分布的影像,经过某种变换,变成一幅具有均匀灰度概率密度分布的新影像,其结果是扩展了像元取值的动态范围。
例如:
对64×
64的灰度范围为0~7的一幅影像进行直方图均衡化。
其中,xb为图像变化后的值,N为总像元数,L为变化后的灰度级数。
原灰度xa
出现次数
出现概率
累计概率
新灰度xb
r0=0
790
0.19
0.19
1/7
1.33
1
r1=1
1023
0.25
0.44
3/7
3.08
3
r2=2
850
0.21
0.65
5/7
4.55
5
r3=3
656
0.16
0.81
6/7
5.67
6
r4=4
329
0.08
0.89
6.23
r5=5
245
0.06
0.95
6.65
7
r6=6
122
0.03
0.98
6.86
r7=7
81
0.02
1.00
应合并的集合:
{r0}、{r1}、{r2}、{r3,r4}、{r5,r6,r7};
合并后像素数:
790、1023、850、985、448。
直方图规定化是指将一幅图像变成具有特定形状直方图而对图像进行变化的增强方法。
通过一个灰度映像函数,将原灰度直方图改造成所希望的直方图。
线性拉伸分为全域线性拉伸、分段线性拉伸和灰度窗口切片。
g(x,y)
f(x,y)
g(x,y)=a*f(x,y)+b
d
c
d-c>
a-b,则亮度范围扩大,图像被拉伸;
d-c<
a-b,则亮度范围缩小,图像被压缩。
全域线性拉伸:
将所给图像依照以上公式全域线性拉伸到0~255范围。
分段线性拉伸:
①②③。
灰度窗口切片:
Mf
b
a
变换前变换后
→
22.傅里叶变换是一种正交变换,它广泛地应用于很多领域,并取得了良好的效果。
由于它可将傅里叶变换前的空间域中的复杂的卷积运算转化为傅里叶变换后的频率域的简单乘积运算,同时它还可以在频率域中简单而有效地实现增强处理和进行特征抽取,故而在影像处理中也得到了广泛的应用。
23.频率域图像中低频在什么位置?
图像经过二维傅里叶变换后,其变换系数矩阵表明:
若变换矩阵Fn原点设在中心,其频谱能量集中分布在变换系数矩阵的中心附近(图中阴影区);
若所用的二维傅里叶变换矩阵Fn的原点设在左上角,那么图像信号能量将集中在系数矩阵的四个角上。
这是由二维傅里叶变换本身性质决定的,同时也表明一幅图像的能量集中在低频区域。
变换后的频率域图像中,在原点平移之前四角是低频且最亮,平移之后中间部分是低频且最亮,亮度大说明低频的能量大(幅角比较大)。
24.K-L变换也叫主成分分析或主分量分析,是在统计特征基础上的多维正交线性变换,而且是当取Y的前p个主成分经反变换而恢复的影像X和原影像X在均方误差最小意义上的最佳正交变换。
K-L变换消除了各分量之间的相关性,减少描述量的冗余性,主要用于降维与压缩、构造参数模型、人脸识别、人脸图像合成、特征量分析与提取等。
25.K-T变换是通过分析陆地卫星MSS影像反映农作物和植被生长过程的数据结构后提出的一种经验性的多波段影像的正交线性变换,又称缨帽变换。
K-T变换主要用于植被和农作物的生长过程检测:
随着植冠的发育、茂盛、衰落和枯萎,其点群分布构成从土壤线开始又回到土壤线上的缨帽状,反映植被成长的“绿色”方向、植被枯萎的“黄色”方向和土壤线三者互相垂直,它们的光谱特征互不相关而相对独立,从而可以通过正交线性交换将它们变换到由这三个轴和另一个“其他”轴组成的新的特征空间中,而将它们分开来。
变换后的四个分量分别称为“亮度”、“绿色物”、“黄色物”和其他。
26.代数运算。
植被指数是指利用卫星不同波段探测数据组合而成的,能反映植物生长状况的指数。
NDVI是指归一化植被指数。
NDVI=(NIR-R)/(NIR+R),或两个波段反射率的计算。
-1<
=NDVI<
=1,负值表示地面覆盖为云、水、雪等,对可见光高反射;
NDVI=0表示有岩石或裸土等,NIR和R近似相等;
正值,表示有植被覆盖,且随覆盖度增大而增大。
27.彩色变换。
HIS颜色模型是从人的视觉系统出发,用色调(Hue)、亮度(Intensity)和饱和度(Saturation)来描述色彩。
HIS颜色模型可以用一个圆锥空间模型来描述。
28.RGB-HIS变换的主要作用:
可以进行不同分辨率遥感影像的合成显示;
可以使合成影像更加饱和;
可以通过对亮度的滤波增强影像;
便于多源数据的综合显示。
29.空间域滤波包括:
图像卷积运算、平滑(均值平滑、中值滤波)、锐化(罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测)。
均值平滑是将每个像元在以其为中心的区域内取平均值来代替该像元值,以达到去掉尖锐“噪声”和平滑图像的目的。
区域范围取作M×
N时,求均值公式为:
具体计算时常用3×
3的模板作卷积运算,其模板为:
或
中值滤波是将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值,以达到去尖锐“噪声”和平滑图像的目的。
取值时,将窗口内所有像元按亮度值的大小排列,取中间值作为中间像元的值。
罗伯特梯度的模板有两个,表示为:
相当于窗口2×
2大小,用模板t1作卷积计算后取绝对值加上模板t2计算后的绝对值。
计算出的梯度值放在左上角的像元f(i,j)的位置,成为r(i,j)。
索伯尔梯度的模板改进成为:
拉普拉斯算法的模板定义为:
即上下左右4个邻点的值相加再减去该像元值的4倍,作为这一像元的新值。
当有目的地检测某一方向的边、线或纹理特征时,可选择特定的模板卷积运算作定向检测。
常用的模板为:
检测垂直边界时:
检测水平边界时:
。
30.频率域滤波的主要步骤:
①计算需增强的图像的傅里叶变换,即
;
②将其与一个传递函数相乘,即
,式中:
G、H、F分别是g、h、f的傅里叶变换,
为传递函数;
③再将结果进行傅里叶逆变换可以得到增强的图像。
31.频率域滤波的算子包括:
低通滤波——理想滤波器、巴特沃斯滤波器、指数滤波器、梯形滤波器;
1
2
3
4
高通滤波——理想滤波器、巴特沃斯滤波器、指数滤波器、梯形滤波器;
带通滤波——高斯滤波器;
同态滤波流程框图:
f(x,y)→ln→FFT→频域滤波H(u,v)→FFT→exp→g(x,y)
(本资料素材和资料部分来自网络,仅供参考。
请预览后才下载,期待您的好评与关注!
)