遥感原理与应用考试复习题精选文档.docx
《遥感原理与应用考试复习题精选文档.docx》由会员分享，可在线阅读，更多相关《遥感原理与应用考试复习题精选文档.docx（16页珍藏版）》请在冰豆网上搜索。
遥感原理与应用考试复习题精选文档
TTMSsystemofficeroom【TTMS16H-TTMS2A-TTMS8Q8-TTMSHHJ8】
遥感原理与应用考试复习题精选文档
2014——2015年度《遥感原理与应用》考试复习题
（命题：
2011级土管系）
第一章绪论
主要内容：
①遥感信息科学的研究对象、研究内容、应用领域
②电磁波及遥感的物理基础
③遥感平台和传感器
第2章遥感图像处理的基础知识
主要内容：
1.图像的表示形式
2.遥感数字图像的存储
3.数字图像处理的数据
4.数字图像处理的系统
考题：
第一二章（A卷）
1.电磁波谱中（A）能够监测油污扩散情况，（D）可以穿透云层、冰层。
（2分）
A．紫外电磁波（）
B．可见光红外电磁波0μm）
C．微波电磁波（1mm-1m）
2.遥感按遥感平台可分为地面遥感、航空遥感、航天遥感。
（2分）
3.遥感数字图像的存储格式包括BS、BIL、GeoTIFF。
（1分）
4.遥感传感器由收集器、探测器、处理器、输出器几部分组成。
（2分）
5.地图数据有哪些类型（3分）
答：
DEM数字高程模型
DOM数字正射影像图
DLG数字线划图
DRG数字栅格图
6.何谓遥感遥感具有哪些特点（5分）
7.
答：
遥感，即遥远的感知，是在不直接接触的情况下，使用传感器，接收记录物体或现象反射或发射的电磁波信息，并对信息进行传输加工处理及分析与解译，对物体现象的性质及其变化进行探测和识别的理论与技术。
特点：
①感测范围大，具有综合、宏观的特点②信息量大，具有手段多，技术先进的特点③获取信息快，更新周期短，具有动态监测的特点④其他特点：
用途广，效益高，资料性、全天候、全方位等.
B卷
1.绿色植物在光谱反应曲线可见光部分中的反射峰值波长是（B）。
（1分）
AμmBμmCμmDμm
2.遥感数字图像处理的数据源包括多光谱数据源、高光谱数据源、全色波段数据源和SAR数据源。
（3分）
3.数字化影像的最小单元是像元，它具有位置和灰度两个属性。
（2分）
4.函数I=f（x，y，z，λ，t）表示的是一幅三维彩色动态图。
（1分）
5.遥感在实际中的应用有哪些方面（4分）
答：
资源调查应用
环境监测评价
区域分析及建设规划
全球性宏观研究。
6.简述遥感探测的特点有哪些（
7.4分）
8.
答：
1）宏观观测，大范围获取数据资料。
2）动态监测，快速更新监控范围数据。
3）技术手段多样，可获取海量信息。
4）应用领域广泛，经济效益高。
第三章
主要内容：
1.遥感图像的辐射处理
2.遥感数字图像增强
3.图像平滑
4.图像锐化
5.多光谱图像四则运算
6.图像融合
考题：
第三章（A卷）
一、填空题
1、图像融合可分为若干层次，一般认为可分为像素级，（特征级）和（决策级）。
（2分）
2、HIS变换可以可以把图像的亮度、色调和饱和度分开，图像融合只是在（亮度）通道上进行。
（1分）
3、Sobel算子对一4×4矩阵进行处理得到梯度值为2×2矩阵则其=（60）。
（2分）
二、辨析题
1.在真彩色合成影像中植被呈现绿色。
（5分）
答：
正确。
植物在绿光波段（）有一个反射峰值，两侧μm（蓝）和μm（红）则有两个吸收带，TM3、2、1按照红绿蓝顺序合成刚好符合植物的反射特性，并且TM1、TM2、TM3波段的波谱范围大致与自然界中的蓝、绿、红相仿，故植物在真彩色合成影像中呈现绿色。
三、简答题
1.为了使图像直方图匹配获得更好的结果，两幅影像应具有哪些相似的特征（5分）
答：
（1）图像直方图总体形状应类似；
（2）图像中黑与亮特征应相同；
（3）对某些应用，图像的空间分辨率应相同；
（4）图像上地物分布应相同，尤其是不同地区的图像匹配；
（5）如果一幅图像里有云，而另一幅没有云，那么在直方图匹配前，应将其中一幅里的云去掉。
2.伪彩色增强有哪几种方法？
答：
伪彩色增强的方法有：
（1）假彩色合成:
将一幅自然彩色图像或者是同一景物的多光谱图像通过影射函数变换成新的三基色分量进行彩色合成，使增强图像中各目标呈现出与原图像中不同的彩色的技术称为假彩色增强技术。
（2）真彩色合成：
指从多多波段图像中选择其中三幅影像在显示屏上合成一幅影像，该三幅影像的波段范围与自然界中的红绿蓝光的波长范围大致相同。
（3）伪彩色变换：
由输入的单波段影像，通过3个独立的数学变换，产生R、G、B，3个分量影像，然后合成为伪彩色影像。
彩色的含量由变换函数的形状决定。
3.简述多光谱四则运算的作用
（1）减法运算：
当为两个不同波段的图像时，通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差。
当为两个不同时相同一波段图像相减时，可以提取波段间的变化信息。
（2）加法运算：
通过加法运算可以加宽波段，如绿色波段和红色波段图像相加可以得到近似全色图像；而绿色波段、红色波段和近红外波段图像相加可以得到全色红外图像。
（3）乘法运算：
乘法运算和加法运算结果类似。
（4）除法运算：
通过比值运算能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响。
也可以增强某些地物之间的反差。
如植物、土壤、水在红色波段和红外波段反射率是不同的，通过比值运算可以加以区分。
四、计算题
1.对下图分别作3*3的中值滤波和3*3的邻域平均。
1
7
0
2
1
3
5
1
3
2
1
5
5
1
2
1
1
5
2
3
1
1
8
5
1
1
5
1
2
1
1
1
2
2
3
1
1
1
6
5
5
1
4
8
8
2
3
1
2
8
1
5
5
8
2
2
2
4
4
2
1
2
3
1
解：
包含中心像元，因此其邻域像元数为9，排序后取第五个像元的灰度值作为中心像素的灰度值，则3*3的中值滤波结果如下：
1
7
1
2
1
3
5
1
3
2
3
3
3
3
2
1
1
2
3
2
1
1
1
5
1
2
3
2
1
1
5
5
2
2
2
3
1
2
2
5
5
2
3
5
5
3
2
1
2
5
5
5
5
3
2
2
2
5
5
2
1
2
3
1
平滑后的灰度值为邻域中（包含中心像元）各像元灰度值的均值，结果取整数，则3*3的邻域平均结果如下：
1
7
1
2
1
3
5
1
3
2
3
3
2
3
3
1
1
3
3
3
2
2
2
5
1
3
3
2
1
2
2
5
2
2
3
3
2
2
2
5
5
3
3
4
4
4
3
1
2
3
4
4
4
3
2
2
2
5
5
2
1
2
3
1
第三章（B卷）
一、填空题（1题2分，2、3题一空一分）
1、给出一幅3×3的图像，其中
。
若对其进行2×2的中值滤波，得到一幅2×2的结果影像，其结果影像
4
2、图像锐化就是增强图像的边缘，使图像轮廓分明，从而改善图像质量。
图像的锐化可以在空间域和频率域中进行。
3、IHS变换将图像处理常用的RGB彩色空间变换到IHS空间。
IHS空间用（Intensity）亮度、（Hue）色调、和（Saturation）饱和度表示。
二、辨析题（共2题，每题5分）
1、在做中值滤波时，键入的ImageAddBack值越大，输出的影像结果与原始影像结果越接近。
请举例说明。
答：
该题是正确的，例子如下。
10
30
20
中值滤波
1*3
20
ImageAddBack
20%
10
22
20
30
50
20
30
30
34
20
20
40
30
30
20
32
30
10
30
20
中值滤波
1*3
20
ImageAddBack
70%
10
27
20
30
50
20
30
30
44
20
20
40
30
30
20
37
30
对比ImageAddBack值为20%和70%的输出结果，或发现当ImageAddBack值为70%时，其结果更接近原始数据。
2、5and7=12。
答：
该题是错误的。
该题中的“and”属于位运算，所以在计算式应先将5和7分别换算成二进制数101和111，然后再进行位运算，其结果为5。
三、问答题（共2题，每题5分）
1、辐射误差的内容是什么？
答：
（1）传感器本身的性能英气的辐射误差；
（2）地形影响和光照条件的变化引起的辐射误差；
（3）大气的散射和吸收引起的辐射误差。
2、图像融合的效果评价指标有哪些（
答对五个即给满分）
答：
（1）平均梯度。
平均梯度反映了图像中微小细节反差和纹理变化的特征，表达图像的清晰度。
（2）熵。
熵是描述图像信息量的一个指标，其值越大则图像包含的信息越丰富。
（3）相关系数。
相关系数描述了两图像的相似程度，气质越大，两图像越接近，光谱保持性能越好。
（4）标准差。
标准差反映了融合图像细节变化情况，其值越大则灰度级越分散，图像反差越大，包括的信息越多。
（5）偏差。
偏差反映了两图像的偏离程度。
（6）均值。
（7）特征值。
（8）信噪比等。
四、计算题（8分）
1.常用的梯度锐化法算子有Roberts算子、Sobel算子和Prewitt算子，请用Sobel算子对下图进行梯度锐化并生成具有与原始大小相同的影像。
1
2
1
1
6
1
1
3
5
1
7
1
1
1
9
1
答案：
有两种结果分别如下两个图
10
10
14
14
10
10
14
14
10
10
16
16
10
10
16
16
1
2
1
1
6
10
14
3
5
10
16
1
1
1
9
1
第4章遥感图像的几何处理
主要内容：
1.几何校正
几何畸变的含义及产生的原因
几何校正及其重要性
几何精校正的原理及处理过程框图
几何纠正后边界范围的确定
几何纠正方案（直接法和间接法）
数字图像亮度值重采样的3种方法
2.数字镶嵌
数字镶嵌的定义
数字镶嵌的工作流程
数字镶嵌中提高精度的方法
考题：
第四章（A卷）
1、填空题（7分：
每空1分）
1.在数字镶嵌实验中，对于影像中拼接缝明显的情况下，常用直方图匹配或修改羽化值等方法消除拼接缝。
（2分）
2.在遥感图像的纠正变换中，几何纠正的两种方案：
直接法纠正方案（亮度重配置）、间接法纠正方案（亮度重采样）。
（2分）
3.三种常用重采样算法：
最近邻像元法、双线性内插法、双三次卷积法。
（3分）
2、简答题（13分）
1.三种重采样方法的比较（3分）
最近邻像元法：
最简单，计算速度快且能不破坏几何影像的灰度信息，但其几何精度较差。
（1分）
双线性内插法：
破坏了原来的数据，计算时间较长，但是具有平均化的滤波效果，几何精度较好。
（1分）
双三次卷积法：
破坏了原来的数据，计算时间更长，但是具有影像均衡化和清晰化效果，几何精度较好。
（1分）
2.数字镶嵌的工作流程（6分）
（1）准备工作（1分）
（2）预处理工作（1分）
（3）实施方案确定（1分）
（4）重叠区确定（1分）
（5）色调调整（1分）
（6）
影像镶嵌（1分）
3.数字镶嵌中提高精度的方法（4分）
（1）如果镶嵌后需要某种投影变换，最好依据该地图投影方式先分幅，然后再镶嵌，精度会提高一些.。
（2分）
（2）航空像片扫描进计算机也可以进行数字镶嵌，但是由于中心投影（特别是大比例尺航片）带来的边缘变形，导致镶嵌很难满足精度要求，此时可考虑先进行正射投影再进行镶嵌。
（2分）
3、辨析题（4分）
1.在数字镶嵌实验中，基于地理坐标镶嵌时设置FeatheringDistance为0，输出镶嵌后图像的拼接缝不明显。
错。
（1分）
FeatheringDistance表示羽化值，羽化就是使选定范围的图像边缘达到朦胧的效果。
（1分）羽化值越大，图像的边缘越平滑。
（1分）所以在数字镶嵌实验中，FeatheringDistance设置的值越大，则镶嵌后图像的拼接缝越不明显。
（1分）
4、计算题（12分）
若f（5,1）=4，f（5,2）=5，f（6,1）=6，f（6,2）=7，设有一点A，该点的坐标（,）。
（6分）
（1）请按照最近邻元插值法确定A点的灰度值。
（5分）
（2）请按照双线性插值法确定A点的灰度值。
（7分）
解：
（1）Xn=INT（Xp+=INT+=5（2分）
Yn=INT（Yp+=INT+=1（2分）
Ip=In=f（5,1）=4（1分）
（2）x=Xp-INT（xp）==（1分）
y=Yp-INT（yp）==（1分）
Wx=[1-xx]=[,]（1分）
Wy=[1-yy]=[,]（1分）
I=
（1分）
Ip=Wx*I*Wy=[,]
4（2分）
第四章（B卷）
一、填空题（共8分）
1.几何畸变是由于传感器方面的原因、遥感平台方面的原因以及地球本身的原因而造成影像在几何位置上的失真。
（1分）
2.几何校正中，针对引起畸变的原因而进行的校正是几何粗校正，（1分）多用控制点进行校正的是几何精校正。
（1分）
3.几何精校正后输出图像边界的范围确定的原则是既包括纠正后的图像的全部又使空白图像空间尽可能少。
（1分）
4.遥感影像数字镶嵌工作主要是基于相邻影像的重叠区。
（1分）
5.航空相片扫描进计算机也可以进行数字镶嵌，但由于中心投影特别是大比例尺航片带来的边缘变形，导致镶嵌的精度很难满足，此时可以考虑先进行正射投影再进行镶嵌。
（1分）
6.在数字镶嵌实验中若使用ColorBlancing如何操作在Entry对话框中将选为参照的影像设置为Fixed，另外一幅影像设置为Adjust。
（1分）
7.在数字镶嵌实验中将“Xsize”设置为614，“Ysize”设置为1024的目的是：
（1分）
2、辨析题
1.在像素亮度重采样的三种方法中选择双线性内插法较宜。
（5分）
2.若f（6,4）=2,f（6,6）=5,f（8,4）=3,f（8,6）=4,设有一点P，其坐标为,,用最近邻元插值法得到P点的灰度值为3。
错（1分），xn=int（xp+=8（1分）
yn=int（yp+=6（1分）
Ip=If（8,6）=4（1分）
3、简答题（10分）
4.论述几何精校正的处理过程（可框图表示）。
5.在几何精校正过程中选择控制点的原则。
①选择易分辨、易定位的特征点如道路的交叉口、水库坝址、河流弯曲点等。
（1分）
②特征变化大的地区应选多一些。
（1分）
③尽可能满幅均匀选取，一般一幅遥感图像一般选择16—20控制点。
（1分）
4、计算题（12分）
若f（1,1）=8,f（1,2）=6,f（2,1）=5,f（2,2）=4,f（3,1）=7设有一点坐标P，其坐标为,.
3.请按照最邻近像元采样法确定P点的灰度值；
4.请按照双线性内插法确定P点的灰度值；
5.请比较这两种方法；
解答：
（1）xn=int（xp+=2（1分）
yn=int（yp+=2（1分）
所以，Ip=W（xc，yc）*IN=f（2,2）=4（1分）
（2）
x=xp-int（xp）==,（1分）y=yp-int（yp）==;（1分）
Wx=[1-x，x]=[，],（1分）Wy=[1-y，y]=[，];（1分）
Ip=Wx*I*WyT=[，]*
*
≈5（2分）
第5章遥感数字影像分类
主要内容：
1.基础知识
2.特征变换及特征选择
3.监督分类
4.非监督分类
5.监督分类与非监督分类的综合
6.分类后处理与误差分析
考题：
第五章（A卷）
填空
1．遥感图像的自动识别分类主要依据地物的光谱特性。
2．特征选择的两个测度包括距离测度和散步矩阵测度。
3．最大似然法和最小距离法分类都属于监督分类
简答
1．简述特征变换的作用
答：
一方面减少特征之间的相关性，使得用尽可能少的特征来最大限度地包含所有原始数据的信息；另一方面使得待分类别之间的差异在变换后的特征更明显，从而改善分类效果。
计算题
设某一局部图像类1和类2的先验概率为P（w1）=，P（w2）=，似然概率为p（X/w1）=,p（X/w2）=
1）.请用最大似然概率判决该像素X属于哪一类。
2）.据上题，若假定损失函数L11=0,L12=1,L21=5,L22=0.用最小风险Bayer判决图像归属。
解：
1）.由贝叶斯公式，可得：
P（wi/X）=P（X/wi）*P（wi）/P（X）
则：
P（w1/X）=*（*+*）=2/3
P（w2/X）=*（*+*）=1/3
由于P（w1/X）>P（w2/X）
故像素X属于类1。
2）.由公式：
rj=∑P（wi/X）*Lij=∑P（X/wi）*P（wi）*Lij
则：
r1=P（w1/X）*L11+P（w2/X）*L21=**0+**5=
r2=P（w1/X）*L12+P（w2/X）*L22=**1+**0=
由于r1>r2
故像素X属于类2。
辨析题
通常情况下的遥感图像外部误差都是由于传感器成像方式与大气折射引起的。
答：
不正确，外部变形误差是在传感器本身处在正常工作的条件下，由传感器以外的各种因素所造成的误差，如传感器的外方位元素变化、某些传感器特殊的成像方式（全景投影变形、斜距投影变形）、传播介质不均匀、地球曲率、地形起伏以及地球旋转等因素引起的变形误差。
第五章（B卷）
一、填空题（5分）
1.监督分类与非监督分类的根本区别在于是否利用训练区来获取先验的类别知识。
分类实验操作中，MaximumStedevFormMean的含义为最大均值标准差，MaximumDistanceError的含义为最大距离误差。
3.监督分类中常用的两种判别函数和判别规则分别是概率判别函数和贝叶斯判别规则、距离判别函数和判别规则。
二、辨析题（10分）
1.在特征变换中，主分量变换的第一主分量集中的信息最少。
（5分）
答:
错误。
由于特征向量的方向指向特征空间中集群分布的结构轴方向，所以主分量的几何意义是把原始特征空间的特征轴旋转到平行于混合集群结构轴的方向上取，使得第一主分量方差分布最广，集中最多信息，第二分量次之。
2.在使用ISODATA算法聚类分析后，我们可以知道分类后的每一个类别相对应的属性。
（5分）
答：
错。
ISODATA算法也称为迭代自组织数据分析算法，通过调整样本所属类别完成样本的聚类分析，自动地进行类别的“合并”和“分裂”。
属于非监督分类，无需任何先验知识，仅凭遥感影像地物的光谱特征的分布规律进行分类，分类结果只是区分不同类，并不能确定类别的属性。
三、简答题（10分）
监督分类与非监督分类的优缺点对比。
（10分）
答：
1.
（1）监督分类的优点：
1）根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；
2）可以控制训练样本的选择；
3）可以通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误；
4）避免了非监督分类中对光谱集群的重新归类。
（2）缺点：
1）主观性；
2）由于图像类别的光谱差异，使得训练样本没有很好的代表性；
3）训练样本的获取和评估较多的人力时间；
4）只能识别训练中定义的类别。
2.
（1）非监督分类优点：
1）不需要预先对所分类别的区域有广泛的了解，需要用一定的知识来解释得到的集群组；
2）人力误差的机会小；
3）量小的类别能被区分。
（2）缺点：
1）得到的集群但类别不一定对应分析者想要的类别；
2）难对产生的类别进行控制；
3）不同图像间的对比困难。
四、计算题（10分）
设某一局部图像那个类1和类2的先验概率为P（w1）=，P（w2）=，似然概率为P（X/w1）=,P（X/w2）=
（1）请用最大似然概率判决该像素X属于哪一类。
（2）据上题，若假定损失函数L11=0,L12=2,L21=5,L22=0，用最小风险Bayes判决图像归属。
解：
（1）若P（w1/X）>P（w2/X），则X∈w1；反之，则X∈w2。
P（wi/X）=P（X/wi）P（wi）/P（X）
P（X）=P（X/w1）P（w1）+P（X/w2）P（w2）=*+*=
P（w1/X）=*=
P（w2/X）=*=
因为P（w1/X）（2）若r1rj=∑P（wi/X）*Lij
r1=P（w1/X）L11+P（w2/X）L21=*0+*5=
r2=P（w1/X）L12+P（w2/X）L22=*2+*0=
因为r1>r2，则X∈w2。
升级会员 