遙感數(shù)字圖像處理復(fù)習(xí)題二

1、.遙感數(shù)字圖像處理復(fù)習(xí)題二第七章一、名詞解釋1.模板2.圖像平滑3.椒鹽噪聲4.中值濾波5.同態(tài)濾波二、簡答題(10)1.圖像濾波的主要目的是什么?主要方法有哪些?2.圖像噪聲有哪些主要類型，主要特點是什么?3.如何理解中值濾波的不變性?4.什么是梯度倒數(shù)加權(quán)法平滑?5.什么是Laplacian算子?它有哪些特征?6.羅伯特梯度與Sobel梯度有什么區(qū)別?7.根據(jù)像素的梯度值生成不同的梯度圖像的方法有哪些?8.定向檢測的模板有哪些?9.頻率域濾波的主要濾波器有哪些?各有什么特點?10.同態(tài)濾波的基本操作有哪些?三、填空題(20)1.圖像濾波的方法：()和()。2.圖像濾波操作是()操作，通過圖

2、像的()實現(xiàn)。3.空間域圖像濾波稱為()和()處理，強調(diào)像素與其周圍相鄰像素的關(guān)系，常用的方法是()，但是隨著采用的模板窗口的()，運算量會越來越()。4.在頻率域濾波中，保留圖像的低頻部分抑制高頻部分的處理稱為()，起到()作用。保留圖像的高頻部分而削弱低頻部分的處理稱為()，起到()作用。低通濾波、平滑、高通濾波、銳化5.圖像噪聲按其產(chǎn)生的原因可分為()和()。從統(tǒng)計理論觀點可分為()和()噪聲。6.按噪聲對圖像的影響可分為()噪聲模型和()噪聲模型兩大類。加性噪聲通常表現(xiàn)為()噪聲或()噪聲。7.遙感圖像中常見的噪聲有：()()()8.圖像平滑濾波有：()()()()()9.均值濾波是最

3、常用的()濾波器，它()地對待鄰域中的每個像素。對于每個像素，取鄰域像素值的()作為該像素的新值。10.中值濾波與均值濾波的目的都是為了去除圖像上的尖銳"()"，()圖像。11.中值濾波可用來減弱()干擾和()干擾。12.圖像銳化濾波有：()()()()。13.窗口()影響著銳化的結(jié)果。窗口()，越突出主要地物的邊緣。14.定向檢測的模板有()、()、()三類。15.按照信號處理理論，根據(jù)濾除的頻率的特征，濾波有三種：()、()、()。16.按照濾波的方式，濾波有"()"和"()"兩種。17.濾波的關(guān)鍵是正確的選擇了()并且確定了合適

4、的()。18.常用的濾波器有5種：()、()、()、()、()。19.常用的低通和高通濾波器有以下幾種：()、()、()、()、()。20.如果圖像中的光照可以認為是均勻的，那么，進行同態(tài)濾波產(chǎn)生的效果()。但是，如果光照明顯是不均勻的，那么同態(tài)濾波有助于表現(xiàn)出()。答案一、名詞解釋圖像濾波不僅考慮當(dāng)前像素的值，而且還考慮了當(dāng)前像素與相鄰域像素之間的關(guān)系。與當(dāng)前像素相鄰的像素為鄰域像素，通過指定窗口的大小確定鄰域的范圍。相鄰像素對當(dāng)前像素的影響表現(xiàn)為權(quán)重矩陣(也稱為模板或卷積核)。圖像在獲取和傳輸?shù)倪^程中，受傳感器和大氣等因素的影響會存在噪聲。在圖像上，這些噪聲表現(xiàn)為一些亮點、或亮度過大的區(qū)域

5、。為了抑制噪聲、改善圖像質(zhì)量所做的處理稱為圖像平滑。椒鹽噪聲又稱脈沖噪聲，它隨機改變一些像素值，在二值圖像上表現(xiàn)為使一些像素點變白(用b表示)，一些像素點變黑(用a表示)。4、值作為中心像素的新值。窗口的行列數(shù)一般取奇數(shù)。由于用中值替代了平均值，中值濾波在抑制噪聲的同時能夠有效地保留邊緣，減少模糊。同態(tài)濾波是減少低頻增加高頻，從而減少光照變化并銳化邊緣或細節(jié)的圖像濾波方法。二、簡答題(10)1.圖像濾波可以從圖像中提取空間尺度信息，突出圖像的空間信息，壓抑其它無關(guān)的信息，或者去除圖像的某些信息，恢復(fù)其它的信息。因此，圖像濾波也是一種圖像增強方法。圖像濾波可分為空間域濾波和頻率域濾波兩種方法?？?/p>

6、間域濾波通過窗口或卷積核進行，它參照相鄰像素來單個像素的灰度值，這是當(dāng)前主要的濾波方法。頻率域濾波是對圖像進行傅立葉變換，然后對變換后的頻率域圖像中的頻譜進行濾波。2.圖像噪聲按其產(chǎn)生的原因可分為外部噪聲和內(nèi)部噪聲。外部噪聲是指圖像處理系統(tǒng)外部產(chǎn)生的噪聲，如天體放電干擾、電磁波從電源線竄入系統(tǒng)等產(chǎn)生的噪聲。內(nèi)部噪聲是指系統(tǒng)內(nèi)部產(chǎn)生的噪聲。從統(tǒng)計理論觀點可分為平穩(wěn)和非平穩(wěn)噪聲。凡是統(tǒng)計特征不隨時間變化的噪聲稱為平穩(wěn)噪聲；統(tǒng)計特征隨時間變化的噪聲稱為非平穩(wěn)噪聲。從噪聲幅度分布形態(tài)可分為高斯型、瑞利型噪聲。還有按頻譜分布形狀進行分類的，如均勻分布的噪聲稱為白噪聲。按產(chǎn)生過程進行分類噪聲可分為量化噪聲

7、和椒鹽噪聲等。3.對于一維的某些特定的輸入信號，中值濾波的輸出保持輸入信號值不變。例如輸入信號為在2n+1內(nèi)單調(diào)增加或單調(diào)減少的序列。對于二維信號，中值濾波不變性要復(fù)雜得多，不僅與輸入信號有關(guān)，還與窗口的形狀有關(guān)。圖7.7列出了幾種二維中值濾波窗口及與之對應(yīng)的最小尺寸的不變輸入圖形。一般地，與窗口對角線垂直的邊緣經(jīng)濾波后將保持不變。利用這個特點，可以使中值濾波既能去除圖像中的噪聲，又能保持圖像中一些邊緣信息。從經(jīng)驗來看，方形或圓形的窗口適宜于地物輪廓較長的圖像，十字窗口適宜于有尖角物體的圖像。一維的周期性二值序列，如xn=，+1，+1，-1，-1，+1，+1，-1，-1，當(dāng)濾波窗口長度為9時，

8、經(jīng)過中值濾波此序列將保持不變。對于一個二維序列，這一類不變性更為復(fù)雜，但它們一般也是二值的周期性結(jié)構(gòu)，即周期性網(wǎng)格結(jié)構(gòu)的圖像。4.梯度倒數(shù)加權(quán)法平滑源于這樣的考慮：在離散圖像內(nèi)部相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化，在同一區(qū)域中中間像素的變化小于邊沿像素的變化。梯度值正比于鄰近像素灰度級差值，即在圖像變化緩慢區(qū)域，梯度值小，反之則大。取梯度倒數(shù)，該倒數(shù)之大小正好與梯度相反，以梯度倒數(shù)作權(quán)重因子，則區(qū)域內(nèi)部的鄰點權(quán)重就大于邊沿或區(qū)域外的鄰點。也就是說，這種平滑其貢獻重要來自區(qū)域內(nèi)部的像素，平滑后的圖像邊沿和細節(jié)不會受到明顯損害。5.Laplacian算子是線性二階微分算子，即取某像素的上下左右四個相

9、鄰像素的值相加的和減去該像素的四倍，作為該像素新的灰度值。梯度運算檢測了圖像的空間灰度變化率，因此，圖像上只要有灰度變化就有變化率。Laplacian算子檢測的是變化率的變化率，是二階微分。在圖像上灰度均勻和變化均勻的部分，根據(jù)Laplacian算子計算出的值0。因此，它不檢測均勻的灰度變化，產(chǎn)生的圖像更加突出灰度值突變的部分。與梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯銳化效果容易受圖像中的噪聲的影響。因此，在實際應(yīng)用中，經(jīng)常先進行平滑濾波，然后才進行拉普拉斯銳化?？紤]到各向同性的性質(zhì)和平滑的特點，常選擇高斯函數(shù)作為平滑濾波核(即先進行高斯低通濾波)。6.(1)羅伯特(Roberts)

10、梯度采用交叉差分的方法。用模板表示為：Roberts梯度相當(dāng)于在圖像上開一個2×2的窗口，用模板h1計算后取絕對值再加上模板h2計算后取絕對值。將計算值作為中心像素(x，y)的梯度值，如下所示。這種算法的意義在于用交叉的方法檢測出像素與其在上下之間或左右之間或斜方向之間的差異。采用Roberts梯度對圖像中的每一個像素計算其梯度值，最終產(chǎn)生一個梯度圖像，達到突出邊緣的目的。(2)Sobel梯度是在Prewitt算法的基礎(chǔ)上，對4-鄰域采用加權(quán)方法進行差分，因而對邊緣的檢測更加精確，常用的模板如下：在上面的Prewitt和Sobel模板中，h1主要對水平方向的地物進行銳化，h2則主要對

11、垂直方向的地物進行銳化。在應(yīng)用中要注意的是，模板對于含有大量噪聲的圖像是不適用的。與Roberts梯度相比，Sobel算法較多地考慮了鄰域點的關(guān)系，擴大了模板，從2×2擴大到3×3來進行差分7.(1)以各像素點的梯度值代替其原灰度值，用此方法得到的圖像完全失去了原圖像的面目而成為一幅邊緣圖像，梯度值大的邊緣輪廓被突出顯示，而灰度變化比較平緩或均勻的區(qū)域則幾乎是黑色。由于圖像包含大量信息，像素的灰度值差異普遍存在，為了在突出主要邊緣信息的同時保留圖像背景，設(shè)定一個非負閾值T進行處理。(2)適當(dāng)選取T，使梯度值T的各點的灰度等于該點的梯度值，其它則保留原灰度值，形成背景，(3)

12、根據(jù)需要指定一個灰度級LG，例如，令LG=255。以LG表示邊緣，其它保留原背景值，(4)指定一個灰度級LB表示背景，例如，令LB=0，形成黑背景，保留邊緣梯度變化。(5)將邊緣與灰度圖像分別以灰度級LG和LB表示，例如，255表示邊緣，0表示背景，形成二值圖像8.(1)檢測垂直線(2)檢測水平線(3)檢測對角線9.(1)理想濾波器包括理想低通濾波器、理想高通濾波器，用理想低通濾波器處理后會導(dǎo)致邊緣損失、圖像邊緣模糊。理想高通濾波器處理的圖像中邊緣有抖動現(xiàn)象。(2)Butterworth濾波器包括Butterworth低通濾波器、Butterworth高通濾波器，Butterworth低通濾波

13、器的特點是連續(xù)衰減，不像理想低通濾波器那樣具有明顯的不連續(xù)性。因此，用此濾波器處理后圖像邊緣的模糊程度大大降低。Butterworth銳化效果較好，邊緣抖動現(xiàn)象不明顯，但計算比較復(fù)雜。(3)指數(shù)濾波器包括指數(shù)低通濾波器、指數(shù)高通濾波器，指數(shù)低通濾波器在抑制噪聲的同時，圖像中邊緣的模糊程度比Butterworth濾波器大。指數(shù)高通濾波器比Butterworth效果差些，邊緣抖動現(xiàn)象不明顯。(4)梯形濾波器包括梯形低通濾波器、梯形高通濾波器，梯形低通濾波器介于理想低通濾波器和指數(shù)低通濾波器之間，處理后的圖像有一定的模糊。梯形高通濾波器會產(chǎn)生輕微抖動現(xiàn)象，但因計算簡單而經(jīng)常被使用。(5)高斯濾波器包

14、括高斯低通濾波器、高斯高通濾波器。10.(1)取對數(shù)這使圖像運算從乘法變?yōu)榧臃?，分開照射分量和反射分量。然后，可以在頻率域進行圖像的處理。(2)對(1)的結(jié)果進行傅立葉變換(3)選取濾波器函數(shù)對進行濾波處理在這里，稱為同態(tài)濾波函數(shù)，它可以分別作用于照射分量和反射分量上。同態(tài)濾波函數(shù)的類型和參數(shù)的選擇對濾波的結(jié)果影響很大。(4)應(yīng)用傅立葉逆變換將圖像轉(zhuǎn)換到空間域(5)再對上式進行指數(shù)變換三、填空題(20)1.空間域濾波、頻率域濾波2.鄰域、卷積運算3.平滑銳化卷積運算擴大大4.低通濾波、平滑、高通濾波、銳化5.外部噪聲內(nèi)部噪聲平穩(wěn)非平穩(wěn)6.加性乘性高斯脈沖7.高斯噪聲、脈沖噪聲、周期噪聲8.均值

15、濾波中值濾波高斯低通濾波梯度倒數(shù)加權(quán)法選擇式掩模平滑9.線性低通、均等、平均10.噪聲平滑11.隨機、脈沖12.線性銳化濾波梯度法Laplacian算子定向檢測13.大小、越大14.檢測垂直線、檢測水平線、檢測對角線15.低通濾波、高通濾波、帶通濾波16.通、阻17.濾波器、通或阻的頻率18.低通濾波器、高通濾波器、帶通濾波器、帶阻濾波器、自定義濾波器。19.理想濾波器、Butterworth濾波器、指數(shù)濾波器、梯形濾波器、高斯濾波器20.不大、圖像中暗處的細節(jié)第八章一、名詞解釋1.圖像分割2.區(qū)域分割3.開運算4.閉運算5.距離變換二、簡答1.圖像分割的原則是什么?2.圖像分割可以采用的三種

16、方法?3.如何用自適應(yīng)閾值方法來實現(xiàn)自適應(yīng)分割?4.舉例說明分水嶺算法的實現(xiàn)過程?5.圖像經(jīng)過梯度運算后采用哪幾種常用的方法來突出圖像的輪廓?6.邊緣檢測的基本思想是什么?7.區(qū)域生長方法的基本思想是什么?8.簡單區(qū)域擴張法的基本步驟是什么?9.數(shù)學(xué)形態(tài)學(xué)的基本運算有哪四種?10.腐蝕可分為一個兩步過程，以免分裂目標(biāo)。請問是哪兩個過程?三、填空1.為了對感興趣的目標(biāo)進行識別和分析，需要將其分離出來，然后提取所具有的特征，進而進行識別分類。()是模式識別的首要工作之一。從地物識別角度來看，()更適用于處理高空間分辨率的圖像。2.圖像分割中可供選擇的連通性準(zhǔn)則有兩種：()和()。3.圖像分割時，如

17、果感興趣的目標(biāo)在其內(nèi)部具有均勻一致的灰度值并分布在具有另一個灰度值的均勻背景上，使用()效果就很好。4.根據(jù)分割對象與背景之間的差異，產(chǎn)生了不同的確定閾值的方法。當(dāng)前，主要應(yīng)用的方法有()和()兩種。5.使用灰度閾值進行圖像分割時，選擇最佳的閾值有三種常用的方法：()、()和()。6.應(yīng)用不同的銳化算法可進行邊緣檢測。常用的算法有()、()和()等。7.()就是一個將鄰近的邊緣點連接起來從而產(chǎn)生一條閉合的連通邊界的過程。8.邊界跟蹤中，噪聲的影響可以通過跟蹤前對梯度圖像進行平滑或采用()的方法來降低。9.()是基于相似性準(zhǔn)則建立的一種圖像分割方法。10.數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和使用的語言是()。

18、11.()是消除目標(biāo)所有邊界點的一種過程，其結(jié)果是目標(biāo)沿其周邊比原目標(biāo)小一個像素的面積。12.()是將與目標(biāo)接觸的所有背景點合并到該目標(biāo)中的過程。過程的結(jié)果是使目標(biāo)的面積增大了相應(yīng)數(shù)量的點。13.膨脹和腐蝕具有()性。14.當(dāng)腐蝕以一種不觸及單像素目標(biāo)的方式執(zhí)行時，這個過程稱為()。當(dāng)目標(biāo)總數(shù)必須保持不變時，這種方法很有用。15.腐蝕和膨脹的變種有一下五種：()、()、()、()和()。16.開運算對于()地物的分割效果較好，而閉運算對于()地物的分割效果較好。17.()是將一個曲線形目標(biāo)細化為一條單像素寬的線，從而圖形化地顯示出其拓撲性質(zhì)。18.通常，細化和抽骨架過程會在所生成的圖中留下毛刺

19、?？赏ㄟ^一系列的消除端點的3×3運算除去，然后再重建那些留下的分支，這個過程就叫()。19.一些分割技術(shù)通常孤立目標(biāo)的最佳邊界太緊貼而不利于后續(xù)測量。()可在不合并彼此分離的目標(biāo)的前提下擴大邊界，從而修正了這種不足。20.一個目標(biāo)的邊界的曲率在凸起處取()值，而在凹陷處取()值。答案一、名詞解釋圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過程。從數(shù)學(xué)角度來看，圖像分割是將數(shù)字圖像劃分成互不相交的區(qū)域的過程。圖像分割的過程也是一個標(biāo)記過程，即將屬于同一區(qū)域的像素賦予相同編號的過程。對于特征不連續(xù)性的邊緣檢測，把圖像分割成特征相同的互相不重疊連接區(qū)域的處理被稱為區(qū)域分

20、割。使用同一個結(jié)構(gòu)元素對圖像先進行腐蝕然后再進行膨脹的運算稱為開運算(Open)，它具有消除細小目標(biāo)、在纖細點處分離目標(biāo)、平滑較大目標(biāo)的邊界時不明顯改變其面積的作用。先膨脹后腐蝕的過程稱為閉運算(Close)，它具有填充目標(biāo)內(nèi)細小空洞、連接鄰近目標(biāo)、在不明顯改變目標(biāo)面積的情況下平滑其邊界的作用。距離變換是一種可用于二值圖像的運算，運算結(jié)果不是另一幅二值圖像，而是一個灰度級圖像。每個像素的灰度級是該像素與距其最近的背景像素間的距離。二、簡答1.由于圖像的復(fù)雜性和應(yīng)用的多樣性，圖像分割并沒有一個統(tǒng)一的標(biāo)準(zhǔn)和方法，一般可以依據(jù)以下兩個原則對圖像進行分割。(1)依據(jù)像素灰度值的不連續(xù)性進行分割假定不同

21、區(qū)域的像素的灰度值具有不連續(xù)性，因而可以對其進行分割。(2)依據(jù)同一區(qū)域內(nèi)部像素的灰度值具有相似性進行分割這種方法一般從一個點(種子)出發(fā)，將其鄰域中滿足相似性測量準(zhǔn)則的像素進行合并從而達到分割的目的。依據(jù)像素的不連續(xù)性進行分割的方法主要是區(qū)域增長法。2.圖像分割可以采用三種不同的方法來實現(xiàn)：在利用區(qū)域的方法時，把各像素劃歸到各個目標(biāo)或區(qū)域中。在邊界方法中，只需確定存在于區(qū)域間的邊界。在邊緣方法中，則先確定邊緣像素并把它們連接在一起以構(gòu)成所需的邊界。這三種方法在解決問題時都是有用的。3.自適應(yīng)分割可用二次圖像處理實現(xiàn)。在第一次處理前，先根據(jù)目標(biāo)的大小將圖像劃分成大小固定的塊(例如，每個塊的大小

22、為100 x100)。根據(jù)各個塊的灰度直方圖，閾值被確定為背景峰值與數(shù)據(jù)峰值的中點。直方圖是單峰的塊則不予考慮。在第一次處理時，每塊中目標(biāo)的邊界用各自固定的閾值確定，但各塊間閾值不同。如此做的目的并不是要把目標(biāo)從圖像中抽取出來，而是計算每個目標(biāo)內(nèi)部的平均灰度值。在第二次處理時，每個目標(biāo)使用各自的閾值，該值由內(nèi)部灰度值和它的主塊的背景灰度值的中間值來定義。4.分水嶺算法是與自適應(yīng)閾值化有關(guān)的一個算法，假定圖像中目標(biāo)的灰度值低，而背景的灰度值高。圖像最初在一個低灰度值上閾值化。該灰度值把圖像分割成正確數(shù)目的目標(biāo)，但它們的邊界偏向目標(biāo)內(nèi)部。隨后閾值逐漸增加，每一次增加一個灰度級。目標(biāo)的邊界將隨著閾值

23、增加而擴展，直到邊界相互接觸。這些初次接觸的點構(gòu)成了相鄰目標(biāo)間的最終邊界。該過程在閾值達到背景的灰度級之前終止。分水嶺算法不是簡單地將圖像在最佳灰度級進行閾值處理，而是從一個偏低但仍然能正確分割各個目標(biāo)的閾值開始。然后隨著閾值逐漸上升到最佳值，使各個目標(biāo)不會被合并。這個方法可以解決那些由于目標(biāo)靠得太近而不能用全局閾值解決的問題。當(dāng)且僅當(dāng)所采用最初的閾值進行分割的結(jié)果是正確的，那么，最后的分割也是正確的(也就是說，圖像中每個實際目標(biāo)都有相應(yīng)的邊界)。必須細心地選擇最初和最終的閾值灰度級。如果初始的閾值太低，那么低對比度的目標(biāo)開始時會被丟失，然后隨著閾值的增加就會和相鄰的目標(biāo)合并。如果初始閾值太高

24、，目標(biāo)一開始便會被合并。最終的閾值決定了最后的邊界與實際目標(biāo)的吻合程度。5.圖像經(jīng)過梯度運算后采用一下四種常用的方法來突出圖像的輪廓：(1)梯度圖像直接輸出(2)加閾值的梯度輸出(3)給邊緣規(guī)定一個特定的灰度級(4)將背景設(shè)為特定的灰度級6.邊緣檢測的基本思想是通過檢測每個像素和其鄰域的狀態(tài)，以決定該像素是否位于一個目標(biāo)的邊界上。如果一個像素位于一個目標(biāo)的邊界上，則其鄰域像素灰度值的變化就比較大。假如可以應(yīng)用某種算法檢測出這種變化并進行量化表示，那么就可以確定目標(biāo)的邊界。邊緣檢測算子可以通過檢查每個像素的鄰域并對其灰度變化進行量化達到邊界提取的目的，而且大部分的檢測算子還可以確定變化(邊界)的

25、方向。7.區(qū)域生成的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。首先對每個需要分割的目標(biāo)區(qū)域找一個種子像素作為生長的起點，然后將種子像素周圍鄰域中與種子像素性質(zhì)相同或相似的像素(根據(jù)某種事先確定的生長或相似準(zhǔn)則來判定)合并到種子像素所在的區(qū)域中。再將這些像素當(dāng)作新的種子像素繼續(xù)進行上述過程，直到再沒有能滿足條件的像素可被包括進來，這樣一個區(qū)域就長成了。8.簡單區(qū)域擴張法一般從單個像素開始進行，其步驟如下：(1)對圖像進行掃描，求出不屬于任何區(qū)域的像素；(2)把該像素的灰度與其周圍的4鄰域或8鄰域內(nèi)不屬于任何一個區(qū)域的像素灰度相比較，如果其差值在某一閾值以下，就把它作為同一區(qū)域加以合并；(3

26、)對于那些新合并的像素反復(fù)進行2)的操作；(4)反復(fù)進行2)、3)步，直至區(qū)域不能擴張為上；(5)返回到1)，尋找能成為新區(qū)域出發(fā)點的像素。9.數(shù)學(xué)形態(tài)學(xué)的基本運算有四種：腐蝕、膨脹、開啟和閉合，10.腐蝕可分為一個兩步過程，以免分裂目標(biāo)。第一步是一個正常的腐蝕，但它是有條件的，也就是說，那些被標(biāo)為可除去的像素點并不立即消去。在第二步中，只將那些消除后并不破壞連通性的點消除，否則保留。以上每一步都是一個3×3鄰域運算，可用查表運算實現(xiàn)。三、填空1.圖像分割、圖像分割2.4連通、8連通3.閾值方法4.全局閾值法、自適應(yīng)閾值法5.直方圖方法、自適應(yīng)閾值方法、分水嶺算法6.羅伯特算子、Pr

27、ewitt邊緣算子、拉普拉斯算子7.邊緣連接8.跟蹤蟲9.區(qū)域生長法10.集合論11.腐蝕12.膨脹13.對偶14.收縮15.收縮、細化、抽骨架、剪枝、粗化16.圓形、封閉矩形17.細化18.剪枝19.粗化20.正、負第九章一、名詞解釋1.圖像的分類2.非監(jiān)督分類3.SAM 4.訓(xùn)練區(qū)5.神經(jīng)網(wǎng)絡(luò)二、簡答1.絕對距離和歐氏距離使用時需要注意哪些問題?2.簡述遙感圖像分類流程。3.ISODATA算法與K-均值算法有什么不同4.遙感圖像的硬分類與軟分類的區(qū)別是什么?5.選擇訓(xùn)練區(qū)應(yīng)該注意哪些問題?6.監(jiān)督分類的主要方法有哪些，各有什么特點?7.神經(jīng)網(wǎng)絡(luò)用于遙感圖像分類有何優(yōu)缺點?8.圖像分類后處理

28、包括哪些工作?9.遙感專題制圖中需要注意哪些問題?10.提高遙感圖像分類的主要對策有哪些?三、填空1.遙感圖像分類的對象是原始遙感圖像及各種變換之后的圖像，采用()或()對變量特征空間進行劃分來達到分類的目的。2.根據(jù)是否需要分類人員事先提供已知類別及其訓(xùn)練樣本，對分類器進行()和()，可將遙感圖像分類方法劃分為()和()。3.根據(jù)分類使用的統(tǒng)計數(shù)學(xué)方法可以分為()方法和()方法分類。前者以()理論為基礎(chǔ)，包括K-均值分類、最大相似性分類等。后者以()理論為基礎(chǔ)，主要是模糊分類。4.常用的距離度量有()、()、()、()。5.良好的特征應(yīng)具有()、()、()、()等4個特點6.非監(jiān)督分類有多種

29、方法，其中，()方法和()方法是效果較好、使用最多的兩種方法。7.在非監(jiān)督分類中，初始類別參數(shù)的選擇方法有()、()、()、()8.8.監(jiān)督分類的基本過程是：首先根據(jù)已知的樣本類別和類別的先驗知識確定()，計算()，然后將未知類別的樣本值代入()，依據(jù)()對該樣本所屬的類別進行判定。9.ROI有()、()、()三種。10.()又稱盒式分類器，有時又叫等級分割分類器，或者叫平行六面體分類器。11.最小距離是一種相對簡化了的分類方法。前提是假定圖像中各類地物波譜信息呈()分布，每一個類在K維特征空間中形成一個()狀的點群，依據(jù)像素距各類中心距離的遠近決定其歸屬。12.最大似然分類方法是基于()的分

30、類錯誤概率最小的一種非線性分類，是應(yīng)用比較廣泛、比較成熟的一種監(jiān)督分類方法。13.光譜角分類考慮的是光譜向量的()而非光譜向量的()，使用()距離作為地物類的相似性測度。14.進行模糊分類，關(guān)鍵在于()的確定和計算。15.神經(jīng)網(wǎng)絡(luò)按照網(wǎng)絡(luò)的連接結(jié)構(gòu)劃分，包括()、反饋網(wǎng)絡(luò)、()。16.樹分類分為()和()兩步，首先利用訓(xùn)練樣本對分類樹進行訓(xùn)練，構(gòu)造分類樹結(jié)構(gòu)，然后用訓(xùn)練好的分類樹對像素的進行逐級判定，最終確定其類別歸屬。17.遙感圖像解譯專家系統(tǒng)的組成主要包括()、知識獲取系統(tǒng)、()三大部分18.()是圖像分類報告中必須包含的內(nèi)容，包括各類在各波段的平均值、標(biāo)準(zhǔn)差、最低值、最高值、協(xié)方差矩陣、

31、相關(guān)系數(shù)矩陣、特征值、各類的像素數(shù)和占總像素數(shù)的百分比、精度檢驗等。19.()將分類的類別與其所在的空間位置進行統(tǒng)一檢查。目前普遍采用混淆矩陣的方法，即以()系數(shù)評價整個分類圖的精度，以條件()系數(shù)評價單一類別的精度。20.紋理特征輔助光譜數(shù)據(jù)參與分類的方案，類似于高程信息參與分類的方案，主要有()、間接參與方案、()三種。答案一、名詞解釋同類地物在相同的條件下(光照、地形等)應(yīng)該具有相同或相似的光譜信息和空間信息特征。不同類的地物之間具有差異。根據(jù)這種差異，將圖像中的所有像素按其性質(zhì)分為若干個類別(Class)的過程，稱為圖像的分類。非監(jiān)督分類是指人們事先對分類過程不加入任何的先驗知識，而僅

32、憑遙感圖像中地物的光譜特征，即自然聚類的特性進行的分類。光譜角分類方法(Spectral Angle Mapper：SAM)是一種光譜匹配技術(shù)，它通過估計像素光譜與樣本光譜或是混合像素中端元成分(end member)光譜的相似性來分類。訓(xùn)練區(qū)又叫樣本區(qū)，是用來確定圖像中已知類別像素的特征，它在在遙感處理系統(tǒng)中被稱為"感興趣區(qū)"。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是由大量處理單元(神經(jīng)元)相互連接的網(wǎng)絡(luò)結(jié)構(gòu)，是人腦的某種抽象、簡化和模擬。二、簡答1.在使用絕對距離和歐氏距離時，需注意以下兩點：(1)特征參數(shù)的量綱具有不同量綱的特征參數(shù)

33、常常是無意義的。例如，特征參數(shù)為某個波段亮度值和某種波段亮度比值時，波段的亮度值通常是整數(shù)，而比值常為小于1的小數(shù)，將這樣數(shù)量級相差較大的數(shù)以同等的權(quán)組合起來，只能突出絕對值大的特征參數(shù)的作用而降低絕對值小的特征參數(shù)的作用。解決的辦法是在進行分類前對數(shù)據(jù)進行標(biāo)準(zhǔn)化。(2)特征參數(shù)間的相關(guān)性特征參數(shù)間通常(未經(jīng)正交變換)是相關(guān)的。相關(guān)意味著特征參數(shù)在表征地物特征方面有共性。若特征參數(shù)中的大部分相關(guān)性較強，而個別的相關(guān)性不大，則一般來說相關(guān)的參數(shù)和不相關(guān)的參數(shù)在距離中的權(quán)應(yīng)是不一致的，但在上述公式中權(quán)是相同的，這也是個缺點。下面的馬氏距離解決了這個問題。2.遙感圖像分類流程如下：(1)預(yù)處理：包括

34、確定工作范圍、多源圖像的幾何配準(zhǔn)、噪聲處理、輻射校正、幾何精校正、多圖像融合等。(2)特征選取：包括特征選擇和特征提取。特征選擇是從眾多特征中挑選出可以參加分類運算的若干個特征；特征提取是在特征選擇以后，利用特征提取算法(如主成分分析算法)從原始特征中求出最能反映地物類別性質(zhì)的一組新特征。(3)分類：根據(jù)特征與分類對象的實際情況選擇適當(dāng)?shù)姆诸惙椒ā?4)分類后處理：由于分類過程是按像素逐個進行的，分類結(jié)果圖像中成片的地物類別分布區(qū)往往會出現(xiàn)零星的異類像素，其中許多是不合理的。因此，要根據(jù)分類的要求進行后處理工作。(5)結(jié)果檢驗：對分類的精度與可靠性進行評價。(6)結(jié)果輸出：對于達到精度要求的分

35、類圖像，根據(jù)需要和用途，設(shè)置投影、比例尺、圖例等制作專題圖，或?qū)?shù)據(jù)轉(zhuǎn)換為向量格式，供其它系統(tǒng)使用。3.第一，它不是每調(diào)整一個樣本的類別就重新計算一次各類樣本的均值，而是在把所有樣本都調(diào)整完畢之后才重新計算，前者稱為逐個樣本修正法，后者稱為成批樣本修正法；第二，ISODATA算法不僅可以通過調(diào)整樣本所屬類別完成樣本的聚類分析，而且可以自動地進行類別"合并"和"分裂"，從而得到類數(shù)比較合理的聚類結(jié)果。4.根據(jù)一個像素被分到一個類還是多個類，可將遙感圖像分類方法分為硬分類和軟分類。圖像上的一個像素只能被分到一個類的分類方法稱為硬分類。傳統(tǒng)的統(tǒng)計分類方法都是硬

36、分類。硬分類有時可能不合理。因為有些像素可能同時具有兩個類或多個類的性質(zhì)。圖像上的每一個像素可以同時被分到兩個或兩個以上類的分類方法，稱為軟分類，這時每個像素除了被分類外，還同時允許它在不同的兩個或多個類中具有隸屬概率或部分隸屬值。這是對硬分類不合理一面的一種較合理的解決方式。5.選擇訓(xùn)練區(qū)時應(yīng)注意以下問題：(1)訓(xùn)練區(qū)必須具有典型性和代表性，即所含類型應(yīng)與研究地域所要區(qū)分的類別一致。訓(xùn)練區(qū)的樣本應(yīng)在面積較大的地物中心部分選擇，而不應(yīng)在地物混交地區(qū)和類別的邊緣選取，以保證特征具有典型性，從而能進行準(zhǔn)確的分類。(2)使用的圖件時間和空間上要保持一致性，以便于確定數(shù)字圖像與地形圖(或土地利用圖、地

37、質(zhì)圖、航片等)的對應(yīng)關(guān)系。即使不一致，也要盡量找時間上相近的圖件，同時，圖件在空間上應(yīng)能很好的匹配。(3)訓(xùn)練區(qū)的選取方式有按坐標(biāo)輸入式和人機對話式兩類。按坐標(biāo)輸入式是預(yù)先把實地調(diào)查確定的各類地物分布區(qū)轉(zhuǎn)繪到地圖上去，量測其在選定坐標(biāo)系中的位置，再把量測數(shù)據(jù)輸入計算機并映射到遙感圖像上。這種方式用于不帶圖像顯示裝置的計算機系統(tǒng)。人機對話式則用于帶有圖像顯示裝置的數(shù)字圖像處理系統(tǒng)，它通過鼠標(biāo)在圖像上勾畫出地物所在的范圍或轉(zhuǎn)入實地調(diào)查的地圖矢量數(shù)據(jù)作為訓(xùn)練區(qū)。訓(xùn)練區(qū)確定后可通過直方圖來分析樣本的分布規(guī)律和可分性。一般要求單個類訓(xùn)練區(qū)的直方圖是單峰，近似于正態(tài)分布的曲線。如果是雙峰，即類似二個正態(tài)分

38、布曲線重疊，則可能是混合類別，需要重做。(4)訓(xùn)練樣本的數(shù)目。訓(xùn)練樣本數(shù)據(jù)用來計算類均值和協(xié)方差矩陣。根據(jù)概率統(tǒng)計，協(xié)方差矩陣的導(dǎo)出至少需要K+1個樣本(K是多光譜空間的分量數(shù)或經(jīng)過選擇的特征數(shù))，這個數(shù)是理論上的最小值。實際上，為了保證參數(shù)估計結(jié)果比較合理，樣本數(shù)應(yīng)適當(dāng)增多。在具體分類時，要根據(jù)對工作地區(qū)的了解程度和圖像本身的情況來確定樣本數(shù)量。6.監(jiān)督分類的幾種方法及特點如下：(1)平行管道法：這種方法的優(yōu)點是分類標(biāo)準(zhǔn)簡單，計算速度快。主要問題是按照各個波段的均值和標(biāo)準(zhǔn)差劃分的平行多面體與實際地物類的點群形態(tài)不一致。(2)最小距離方法：容易產(chǎn)生錯誤，但該方法簡單、實用性強、計算速度快。(3

39、)最大似然方法：基于貝葉斯準(zhǔn)則的分類錯誤概率最小的一種非線性分類，是應(yīng)用比較廣泛、比較成熟的一種監(jiān)督分類方法。(4)光譜角方法：是一種光譜匹配技術(shù)，它通過估計像素光譜與樣本光譜或是混合像素中端元成分(end member)光譜的相似性來分類。7.神經(jīng)網(wǎng)絡(luò)方法具有如下優(yōu)點：(1)神經(jīng)網(wǎng)絡(luò)是模擬大腦神經(jīng)系統(tǒng)儲存和處理信息過程而抽象出來的一種數(shù)學(xué)模型，具有良好的容錯性和魯棒性，可通過學(xué)習(xí)獲得網(wǎng)絡(luò)的各種參數(shù)，無需像統(tǒng)計模式識別那樣對原始類別做概率分布假設(shè)，這對于復(fù)雜的、背景知識不夠清楚的地區(qū)圖像的分類比較有效。(2)在輸入層和輸出層之間增加了隱含層，節(jié)點之間通過權(quán)重來連接，且具有自我調(diào)節(jié)能力，能方便地

40、利用各種類型的多源數(shù)據(jù)(遙感的或非遙感的)進行綜合研究，有利于提高分類精度。(3)判別函數(shù)是非線性的，能在特征空間形成復(fù)雜的非線性決策邊界，從而解決非線性可分的特征空間的劃分。按照實用化要求衡量，神經(jīng)網(wǎng)絡(luò)還存在許多不足：(1)對訓(xùn)練數(shù)據(jù)集的選擇較為敏感；(2)需要花費大量時間進行學(xué)習(xí)；相關(guān)的參數(shù)多且需不斷調(diào)整，才能得到較好的分類結(jié)果；(3)學(xué)習(xí)容易陷入低谷而不能跳出，有時網(wǎng)絡(luò)不能收斂；(4)很難給出神經(jīng)元之間權(quán)值的物理意義，神經(jīng)網(wǎng)絡(luò)模型被認為是黑箱的8.圖像分類后處理包括以下方面：(1)碎斑處理：去掉分類圖中過于孤立的那些類的像素，或把它們歸并到包圍相鄰的較連續(xù)分布的那些類。(2)類別合并：非監(jiān)督分類前不知道實際有多少地物類，在策略上總是先分出較多的類，然后對照實地情況或根據(jù)已有知識，確定最后需要的類別，因此，需要將某些光譜上不同的類(光譜類)合并為一個地物類。(3)分類結(jié)果統(tǒng)計：分類結(jié)果統(tǒng)計是圖像分類報告中必須包含的內(nèi)容，包括各類在各波段的平均值、標(biāo)準(zhǔn)差、最低值、最高值、協(xié)方差矩陣、相關(guān)系數(shù)矩陣、特征值、