扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于轮廓的多源图像配准技术研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口遥感数字图像处理复习题（二）
一、名词解释
1.遥感图像模型
1.遥感图像模型是什么，有什么意义？
2.遥感图像怎么数字表示？
3.图像的统计特征有什么作用？
4.图像直方图有怎样的性质？
5.如何根据图像直方图判断图像质量？
6.窗口和邻域有什么区别？
7.什么是卷积运算？
8.什么是滤波？
9.什么是纹理？包括哪些基本类型？
10.&&&&&&&&&&&&
自相关函数如何用于图像的识别？
1.遥感图像可以表示为某一时刻 ，在不同波长 和不同极化(偏振)方向 上所收集到的位于坐标( )的目标物的电磁波辐射能量：式中，
为（ ）； 是黑体的（ ）； 为（ ）； 表示（ ），主要用于微波成像； 代表波长； 为成像时间。
2.在同一地区的随（ ）、（ ）和（ ）不同而获得的多个图像的组合，叫做多源图像。
3.遥感图像处理后产生的图像函数具有（ ），（ ），（ ），（ ）的特点。
4.在图像处理中，为了便于问题的分析，需要用数学方式来表示图像。表示图像的基本方法有两类，即（ ）与（ ）。
5.图像的确定性表示形式有（）和（）。
6.单波段图像的统计特征有，反映像素值（ ）统计
一、名词解释
遥感图像模型：传感器探测地物电磁波辐射能量所得到的遥感图像从理论角度归纳出的一个具有普遍意义的模型。
直方图：对于数字图像来说，直方图实际就是图像灰度值的概率密度函数的离散化图形。
窗口：对于图像中的任一像素（x,y），以此为中心，按上下左右对称所设定的像素范围，称为窗口。
滤波：滤波是把某种信号处理成为另一种信号的过程。
纹理：纹理通常被定义为图像的某种局部性质, 或是对局部区域中像素之间关系的一种度量。
1.　遥感图像模型是传感器探测地物电磁波辐射能量所得到的遥感图像从理论角度归纳出的一个具有普遍意义的模型。
　　遥感图像模型从理论上对遥感图像的意义进行了解释。单波段图像可以表述为一个函数。适应于不同的需要，在数学方式上遥感数字图像有确定性表示和统计性表示。统计特征是遥感图像的基本特征，通过多波段统计特征的分析和纹理分析，可以快速地提取图像中的有效信息。
2.　表示图像的基本方法有两类，即确定的与统计的。确定的表示法是写出图像函数表达式，对于数字图像，则表示成矩阵或向量形式。统计的表示法则是用一种平均特征来表示图像。
3.　对于单波段图像而言，统计特征反映像素值平均信息，反映像素值变化信息。遥感图像处理往往是多波段数据的处理，处理中不仅要考虑单个波段图像的统计特征，也要考虑波段间存在的关联，多波段图像之间的统计特征不仅是图像分析的重要参数，而且也是图像合成方案的主要依据之一。
4.　直方图反映了图像中的灰度分布规律；任何一幅特定的图像都有唯一的直方图与之对应，但不同的图像可以有相同的直方图；如果一幅图像仅包括两个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和；由于遥感图像数据的随机性，一般情况下，遥感图像数据与自然界的其它现象一样，服从或接近于正态分布。
5.　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。
　　一般来说，如果图像的直方图形态接近正态分布，则这样的图像反差适中；如果直方图峰值位置偏向灰度值大的一边，图像偏亮；如果峰值位置偏向灰度值小的一边，图像偏暗；峰值变化过陡、过窄，则说明图像的灰度值过于集中，反差小。
6.　对于图像中的任一像素（x,y），以此为中心，按上下左右对称所设定的像素范围，称为窗口。窗口多为矩形，行列数为奇数，并按照行数x列数的方式来命名。例如，3x3窗口，5x5窗口等。3x3表示由3行和3列像素构成的矩形范围。中心像素周围的行列称为该像素的邻域。邻域按照与中心像素相邻的行列总数来命名。例如，对于3x3窗口而言，如果考虑中心像素周围的所有像素，那么相邻的总的行列数为8，称为8－邻域。如果认为上下左右的像素是相邻像素，那么总的行列数为4，则称为4－邻域。
卷积是空间域上针对特定窗口进行的运算，是图像平滑、锐化中使用的基本的计算方法。
　　设窗口大小为m&n，（i,j）是中心像素，f(x,y)是图像像素值，g（i,j）是运算结果，是窗口模板（或称为卷积核，kernel），那么，卷积计算的公式为：
对于整个图像，从左上角开始，由左到右、由上到下按照窗口大小顺序进行遍历，即可完成整个图像的卷积计算。对于图像边缘，由于无法满足窗口对中心像素的要求，其窗口外部的像素值可以用如下任意一种方法来处理：1）设为0值；2）按对称原则从图像中取值；3）保留原值，不进行计算。
8.　狭义地说，滤波是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制、甚至全部滤除某些频率分量的过程。广义地说，滤波是把某种信号处理成为另一种信号的过程。
从计算上来看，滤波是频率函数 与信号的频谱之间的相乘计算：
9.　纹理通常被定义为图像的某种局部性质,
或是对局部区域中像素之间关系的一种度量。通常认为，纹理是由纹理基元按某种确定性的规律或只是按某种统计规律重复排列组成的。纹理可分为人工纹理和自然纹理。
10.　首先计算典型地物的自相关函数，然后计算图像的自相关函数，并与计算的典型地物的自相关函数的结果进行比较，如果相近，则归于一类。
1.目标的反射率；电磁波发射能力；入射的辐射量；极化方向
2.时间；波段；极化方向
3.连续性；定义域的限定性；函数值的限定性；函数值物理意义的明确性
4.确定的；统计的
5.矩阵；向量
6.平均信息；均值；中值；变化信息；方差；变差
7.适中；偏亮；偏暗；小
8.协方差；相关系数；高
9.窗口；邻域
10.&&&&&&&&&&&&
图像像素值；运算结果；窗口模板
11.&&&&&&&&&&&&
频率函数 ；信号 的频谱
12.&&&&&&&&&&&&
人工纹理；自然纹理
13.&&&&&&&&&&&&
统计方法；结构方法
14.&&&&&&&&&&&&
粗细度；方向性；对比度
15.&&&&&&&&&&&&
自相关函数、灰度共生矩阵、灰度级行程长、滤波模板、随机模型（Markov随机场模型、Gibbs随机场模型）、分形模型等
16.&&&&&&&&&&&&
17.&&&&&&&&&&&&
快；自相关函数值
18.&&&&&&&&&&&&
典型地物的自相关函数；图像的自相关函数
19.&&&&&&&&&&&&
纹理识别；图像分割
20.&&&&&&&&&&&&
越小；增大
一、名词解释
1.灰色梯尺
2.伪彩色合成
3.真彩色合成
4.密度分割法
5.直方图均衡化
1.图像增强的意义？
2.为什么要进行数字图像的显示？显示的值与存储的值相同吗？二者什么关系？
3.常用的颜色模型有哪些，各有什么特点？
4.图像处理对显示设备有什么要求？
5.为什么要进行彩色合成？有哪些主要的合成方法？
6.假彩色合成与伪彩色合成的差异是什么？
7.怎么用SPOT的多光谱数据来模拟真彩色图像的显示？
8.图像拉伸有哪些方法，优点是什么？
9.多波段图像线性拉伸的步骤是什么？
10.&&&&&&&&&&&&
对一个波段的图像进行直方图均衡化的具体步骤是什么？
1.图像的显示过程是将数字图像从（ ）还原为（ ）的过程。
2.颜色是外界光刺激作用于人的视觉器官而产生的主观感觉，分为两大类：（ ）和（ ）。
3.彩色有三个基本属性：（ ）、（ ）和（ ）
4.常用的颜色空间模型有：（ ）、（ ）、（ ）和（ ）
5.HIS颜色模型的重要性在于两方面，（ ）和（ ）
6.图像的彩色显示主要有两种方法，（ ）和（ ）
7.彩色合成包括（ ）、（ ）、（ ）和（ ）这四种方法
8.伪彩色合成是把（ ）灰度图像中的（ ）按特定的（ ）变换成彩色，然后进行彩色图像显示的方法，主要通过（ ）方法来实现
9.假彩色合成与伪彩色不同之处在于，假彩色合成使用的数据是（ ）。
10.&&&&&&&&&&&&
密度分割法是对单波段遥感图像按（ ）分级，对每级赋予（ ），使之变为一幅彩色图像。
11.&&&&&&&&&&&&
在LANDSAT的TM图像中，波段（ ），波段（ ），波段（
），对4、3、2波段分别赋予红、绿、蓝色合成的假彩色图像称为标准假彩色图像
12.&&&&&&&&&&&&
图像拉伸处理主要包括（ ）、（ ）和（ ）
13.&&&&&&&&&&&&
拉伸是最基本的图像处理方法，主要用来（ ）
14.&&&&&&&&&&&&
灰度拉伸分为（ ）和（ ）两种方法
15.&&&&&&&&&&&&
（ ）是为了将某一区间的灰度级和其他部分（背景）分开
16.&&&&&&&&&&&&
灰度窗口切片有两种，一种是（ ），一种是（ ）
17.&&&&&&&&&&&&
如果拉伸函数是非线性的，即为非线性拉伸。常用的非线性函数有（ ）、（ ）、（ ）、（ ）等。
18.&&&&&&&&&&&&
直方图均衡化的基本思想是对原始图像中的像素灰度做某种（ ），使变换后图像灰度的概率密度是（
），即变换后图像是一幅灰度级均匀分布的图像。
19.&&&&&&&&&&&&
直方图规定化的原理是对两个直方图都作（ ），变成（ ）直方图
20.&&&&&&&&&&&&
直方图规定化又称为直方图匹配，这种方法经常作为（ ）或（ ）的预处理工作
一、名词解释
灰色梯尺：黑白系列的非彩色可以用一条灰色色带表示，一端是纯黑色，另一端是纯白色，称为灰色梯尺。
伪彩色合成：是把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行彩色图像显示的方法。
真彩色合成：如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似，那么得到的图像的颜色与真彩色近似，这种合成方式称为真彩色合成。
密度分割法：是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
直方图均衡化：对原始图像中的像素灰度做某种映射变换，使变换后图像灰度的概率密度是均匀分布的，即变换后图像是一幅灰度级均匀分布的图像。
用来改善图像的对比度，突出感兴趣的地物信息，提高图像的目视解释效果。从一般意义上看，图像增强是使得图像看起来更好的图像处理方法。
遥感数字图像处理来说，图像的显示非常重要，这是因为，遥感图像具有的信息远远多于人的肉眼观察到的内容，计算机并不能智能的获取这些信息，只有把原始的、正在处理中的和处理后的数字图像变成模拟图像显示出来，才能利用视觉去感受、检查、分析图像处理效果，发现感兴趣的地物和处理过程中存在的问题。所以，图像显示在图像处理中是必不可少的。图像的显示过程是将数字图像从一组离散数据还原为一幅可见图像的过程。
1）RGB模型，这种模型用在彩色监视器和彩色摄像机等领域，当彩色图像中的部分地物隐藏在阴影中时不适用；
　　2）CMY模型，用在彩色打印机上；
　　3）YIQ模型，用于彩色电视广播。其中，Y相当于亮度，而I和Q是被称为正交的两个颜色分量。主要优点是去掉了亮度（Y）和颜色信息（I和Q）间的紧密联系。
　　4）HIS模型，用于图像的显示和处理，其中I是强度。强度成份（Ｉ）在图像中与颜色信息无关；色调和饱和度成份与人们获得颜色的方式密切相关。这些特征使HIS模型成为一个理想的研究图像处理运算法则的工具，是面向彩色图像处理的最常用的颜色模型。
4.　首先选择合适的计算机以及输出设备，然后固定计算机操作的工作环境（照明条件、显示器位置等），接着对显示器进行校正，使屏幕显示达到工作要求，并建立和调用显示器相应的Profile文件，最后对打印机进行校准，建立并调用其Profile文件。
人眼对黑白密度的分辨能力有限，大致只有10个灰度级，而对彩色图像的分辨能力则要高得多。如果以平均分辨率的
计算，人眼可察觉出数百种颜色差别。这还仅仅是色调一个要素，如果加上颜色的其他两个要素：饱和度和亮度，人眼能够辨别彩色差异的级数要远远大于黑白差异的级数。为了充分利用色彩在遥感图像判读中的优势，常常首先对多波段图像进行彩色合成得到彩色图像，然后再进行其他的处理。
彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成四种方法。
伪彩色合成是将单波段灰度图像转变为彩色图像的方法，假彩色合成与伪彩色不同之处在于，假彩色合成使用的数据是多个波段。
色用XS2表示，绿色用（XS1+ XS2+
XS3）/3的波段运算来实现，蓝色采用XS1波段代替。该方法实际上是将原来的绿波段（0.50-0.59
μm）当作蓝波段（该波段靠近蓝波段的光谱范围），红波段（0.61-0.68
μm）仍采用原来的波段，绿波段用绿波段、红波段、红外波段的算术平均值来代替。
包括灰度拉伸、图像均衡化、直方图规定化。
拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。如果对比度比较低，那么就无法清楚的表现出图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。拉伸按照波段进行，它通过处理波段中单个像素值来实现增强的效果。
9.　 设定增强后图像范围；计算线性拉伸公式；对各个波段进行线性拉伸；进行彩色合成
（1）统计原图像每一灰度级的像素数和累积像素数。
（2）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）根据原图像像素统计值对应找到新图像像素统计值，作出新直方图。
1.一组离散数据；一幅可见图像
2.非彩色（消色）；彩色
3.色调；明度；色度
4.RGB（红/绿/蓝）模型；CMYK（青/洋红/黄/黑）模型；LAB（也称CIELAB，目标色调说明标准）模型；HIS（色调/亮度/饱和度）模型
5.强度成份（Ｉ）在图像中与颜色信息无关；色调和饱和度成份与人们获得颜色的方式密切相关
6.电子显示法；用彩色硬拷贝设备进行彩色显示
7.伪彩色合成；真彩色合成；假彩色合成；模拟真彩色合成
8.单波段；不同灰度级；函数关系；密度分割
9.多个波段
10.&&&&&&&&&&&&
灰度；不同的色彩
11.&&&&&&&&&&&&
2绿波段（0.52-0.60μm）；3红波段（0.63-0.69μm）；4近红外波段（0.76-0.90μm）
12.&&&&&&&&&&&&
灰度拉伸；图像均衡化；直方图规定化
13.&&&&&&&&&&&&
改善图像显示的对比度
14.&&&&&&&&&&&&
线性拉伸；非线性拉伸
15.&&&&&&&&&&&&
灰度窗口切片
16.&&&&&&&&&&&&
清除背景；保留背景
17.&&&&&&&&&&&&
指数函数；对数函数；平方根；高斯函数
18.&&&&&&&&&&&&
映射变换；均匀分布的
19.&&&&&&&&&&&&
均衡化；归一化的
20.&&&&&&&&&&&&
图像镶嵌；应用遥感图像进行动态变化研究
一、名词解释、
2.大气窗口
3.辐射误差
5.几何精纠正
1.辐射校正的目的是什么？&
2.辐射校正的主要内容是什么？
3.辐射误差产生的主要原因有哪些？
4.简述大气中的颗粒种类与波长的关系？
5.以LANDSAT5的TM传感器为例，说明大气顶面反射率的计算过程？
6.地面辐射校正的主要内容是什么？
7.简单大气校正的方法有哪些？基本的假设是什么？
8.遥感图像几何精纠正的目的和原理是什么？
9.什么是图像的重采样？常用的重采样方法有哪些？各有什么特点？
10.&&&&&&&&&&&&
怎么进行多源图像的几何配准？
1.辐射校正包括三部分的内容：（）、（）和（）。
2.传感器所能接收的太阳光包括（）、被大气散射辐射的太阳光在地表的反射辐射、（）三部分。
3.条纹误差判定和消除的常用方法有：平均值法、（）、及在垂直扫描线方向上采用（）或三次褶积法等。
4.斑点误差主要由噪声或磁带的（）等造成，在图像中往往是分散的和孤立的。
5.大气散射校正主要有三种方法：（1）（）（2）（）（3）（）。
6.在可见光和近红外，大气的影响主要来自于（）；在热红外，大气的影响主要来自于（）。
7.专业的遥感图像处理系统多提供了大气校正模型，例如，ERDAS和Geomatica系统中的（）模型，ENVI系统中的（）模型。
8.太阳辐射校正，主要校正由（）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。
9.遥感图像的几何误差可分为（）和（）两大类。前者可分为内部误差和外部误差两类。内部误差主要是由于（）性能、技术指标偏离标称数值造成的。外部变形误差指的是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所造成的误差。
10.&&&&&&&&&&&&
几何精纠正以基础数据集（BASE）作为参照。如果基础数据集是图像，该过程称为（），即以一景图像作为基础，纠正其他的图像，这是图像—图像的纠正；如果基础数据是标准的地图，则称为（），即以地图作为基础，纠正图像，这是图像－地图的纠正，常用于GIS的应用中。
11.&&&&&&&&&&&&
图像的几何纠正内容包括：（1）（）（2）（）（3）（）。
12.&&&&&&&&&&&&
几何精纠正的基本技术是（）。
13.&&&&&&&&&&&&
控制点数目的最小值按未知系数的多少来确定。k阶多项式控制点的最少数目为（）。
14.&&&&&&&&&&&&
重采样过程包括两步：（）和（）。
15.&&&&&&&&&&&&
在直接法中，像元的（）发生了变化，但是（）不变，所得到的数据无法用规则矩阵表示。间接法又称为灰度重采样方法，得到的数据可以用规则矩阵表示，便于进行处理，在实践中经常采用。
16.&&&&&&&&&&&&
为了正确评价目标的反射或辐射特性，必须清除这些失真。消除图像数据中依附在辐亮度中的各种失真的过程称为（）。
17.&&&&&&&&&&&&
（）指的是界面反射的辐照度与内部反射的辐照度之和与入射的辐照度的比值。
18.&&&&&&&&&&&&
大气的散射与辐射光波长有密切的关系，对短波长的散射比长波长的散射要（）得多。分子散射的强度与（）成（）。气溶胶的散射强度随波长的变化与（）分布有关。
19.&&&&&&&&&&&&
为了尽量减少（）和（）引起的辐射误差，遥感卫星大多设计在同一个地方时间通过当地上空，但由于季节的变化和地理经纬度的变化，两者的变化是不可避免的。
20.&&&&&&&&&&&&
辐射校正后的数据，可以是（），也可以是（）。前者有量纲，后者是相对的百分比。
一、名词解释
辐亮度指的是沿辐射方向的、单位面积、单位立体角上的辐射通量。
电磁辐射能够透过大气层而未被完全反射、散射和吸收的波谱范围。
传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差。
传感器接收的大气散射部分的电磁波称为程辐射，或路径辐射（path radiance）。
几何精纠正又称为几何配准（registration），是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。
　辐射校正的目的是：尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器的测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差异，尽可能恢复图像的本来面目，为遥感图像的分割、分类、解译等后续工作打下基础。
　在太阳——大气——目标——大气——传感器的辐射传输过程中存在有许多干扰因素，使得接收的信号不能准确的反映地表物理特征（光谱反射率、光谱辐射亮度等）。这些因素归结为以下四个方面：
　　（1）大气分子及气溶胶的Rayleigh散射与Mie散射；分子及气溶胶的吸收、散射以及散射吸收的耦合作用；
　　（2）表面因素的贡献。在一般的遥感应用中，认为地球表面为朗伯体，反射与方向无关，这个假设是一种近似，事实上任何表面在物理特性与物质结构上都不是理想朗伯体，因此认为地面是朗伯体会带来误差。另外一个因素是，由于大气散射的存在，邻近像元的反射也会进入目标视场从而影响辐射量，这部分贡献被称为交叉辐射；
　　（3）地形因素的贡献，目标高度与坡向也会对辐射造成影响。
　　（4）太阳辐射光谱的影响。
因而，为了正确反映目标物的反射和辐射特性，必须消除图像记录值中的各种干扰项，这就是辐射校正的主要内容。
　辐射误差产生的原因有两种：传感器响应特性和外界（自然）环境，后者包括大气（雾和云）和太阳照射等。传感器响应特性可分为：光学摄影机引起的和光电扫描仪引起的辐射误差。前者主要是由光学镜头中心和边缘的透射强度不一致造成的，后者包括光电转换误差和探测器增益变化引起的误差。
　在选择性散射中，按大气中的颗粒大小不同，散射分为瑞利散射（Rayleigh）和米氏散射（Mie）。瑞利散射由远小于光的波长的气体分子引起，大小与波长的四次方成反比；米氏散射由大小　　　　与波长相当的颗粒(气溶胶：如烟、水蒸汽和霾)引起，也称为气溶胶散射，其大小与波长成反比。
　　非选择性散射由尘埃、雾、云以及大小超过光波长10倍的颗粒引起，对各种波长予以同等散射。
5. 　对于TM传感器，卫星接收的辐亮度与图像亮度DN之间的关系为：
其中，DN为图像亮度值。传感器的特性影响到DN值的正确性和均一性；L为辐亮度，单位为；Gain为增益，单位为；增益=（Lmax-Lmin）/255，Lmax和Lmin分别是最大和最小光谱辐射值，单位与增益相同。Bias为偏置，单位为；偏置=Lmin。
一旦计算了辐亮度，就可以通过下面的公式计算大气上界的反射率值：
其中， ：行星反射率，无量纲；
D：日地距离参数，无量纲；
ESUN：太阳光谱辐射量，单位为。
：太阳天顶角，度。该值=90-太阳高度角。太阳高度角从图像数据的头文件中读取或根据卫星的过境时间计算。
6. 　地面辐射校正主要包括太阳辐射校正和地形校正。
　　太阳辐射校正，主要校正由太阳高度角（sunElevation）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。
　　如果地形不平坦，受坡度和坡向的影响，传感器获得的能量也会变化。一个区域所获得的能量会因阴影而有所减少。由地形或云投射的阴影影响着成片的连续的像素。树、作物行、岩石露头或其他小物体也能产生阴影，但仅影响单独的像素。这两种类型的阴影会降低各个波长的亮度值。
　　地表反射到传感器的太阳辐亮度和地表坡度有关。对由此产生的辐射误差，可以利用地表法线向量与太阳入射向量之间的夹角来校正。对于多个波段图像，利用波段比值也可以消除地表坡度的影响。
　大气散射校正主要有三种方法：统计学方法、辐射传递方程计算法、波段对比法。统计学方法需要与卫星同步在野外进行光谱测量，辐射传递方程计算法需要测定具体天气条件下的大气参数，这两种方法所需费用较高。实际工作中，特别是资源的遥感分类中常采用波段对比法。
　　波段对比法的理论依据在于大气散射的选择性，即大气散射对短波影响大，对长波影响小。以陆地资源卫星TM图像为例，1波段受散射影响最严重，其次为2波段、3波段，而7波段受散射影响最小。为处理方便，可以把近红外图像看作无散射影响的标准图像，通过对不同波段的对比分析计算出大气干扰值。一般通过两种方法进行计算：回归分析法和直方图法。
　几何精纠正又称为几何配准（registration），是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。遥感图像的几何精纠正解决遥感图像与地图投影的匹配问题，其重要性主要体现在以下三个方面：第一，只有在进行纠正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类遥感专题图；第二，在同一地域，应用不同传感器、不同光谱范围以及不同成像时间的各种图像数据进行计算机自动分类、地物特征的变化监测或其它应用处理时，必须进行图像间的空间配准，保证不同图像间的几何一致性；第三，利用遥感图像进行地形图测图或更新要求遥感图像具有较高的地理坐标精度。
　　几何精纠正的基本原理是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作是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。
9. 　待纠正的数字图像本身属于规则的离散采样，非采样点上的灰度值需要通过采样点(已知像素)内插来获取，即重采样。
　　常用的重采样方法有最近邻方法、双线性内插方法和三次卷积内插方法。
　　最近邻重采样算法简单，最大的优点是保持像素值不变。但是，纠正后的图像可能具有不连续性，会影响制图效果。当相邻像素的灰度值差异较大时，可能会产生较大的误差。
　　双线性内插方法简单且具有一定的精度，一般能得到满意的插值效果。缺点是方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。
　　三次卷积内插方法产生的图像比较平滑，缺点是计算量很大。
多图像几何配准就是指将多图像的同名图像通过几何变换实现重叠，通常称作相对配准；将相对配准后的多图像纳入某一地图坐标系统，称作绝对配准。
　　多项式和共线方程都可以实现多图像的几何配准。例如，采用多项式纠正法，一旦在多图像上选择分布均匀、足够数量的一些同名图像作为相互匹配的控制点，就可根据控制点计算多项式系数，实现一幅图像对另一幅图像的几何纠正，从而达到多图像的几何配准。但在许多情况下，很难找到准确可靠的控制点，所以多图像的几何配准，通常都采用相关函数进行自动配准。多图像自动配准的基本假设是相同的地物具有相似的光谱特征。通过对两个图像作相对移动，找出其相似性量度值最大、或差别最小的位置作为图像配准的位置。
1.传感器端的辐射校正、大气校正、地表辐射校正
2.太阳光直射到地表后地表的反射辐射、大气的上行散射辐射（程辐射或称为路径辐射，path irradiance）
3.直方图法、最近邻点法
5.统计学方法、辐射传递方程计算法、波段对比法
6.气溶胶引起的散射、水蒸汽的吸收
7.ACTOR、Flaash
8.太阳高度角（sunElevation）
9.静态误差、动态误差、传感器自身的
10.&&&&&&&&&&&&
相对纠正、绝对纠正
11.&&&&&&&&&&&&
系统几何纠正、投影变形纠正、几何精纠正
12.&&&&&&&&&&&&
同名坐标变换方法
13.&&&&&&&&&&&&
(k＋1)(k＋2)/2
14.&&&&&&&&&&&&
像素位置变换、像素值变换
15.&&&&&&&&&&&&
坐标位置、像元值
16.&&&&&&&&&&&&
辐射量校正（Radiometric Calibration，简称辐射校正）
17.&&&&&&&&&&&&
18.&&&&&&&&&&&&
强、波长的四次方、反比、粒子尺度
19.&&&&&&&&&&&&
太阳高度角、方位角
20.&&&&&&&&&&&&
辐亮度、反射率
一、 名词解释
1.傅立叶变换
2.主成分变换
3.缨帽变换
4.植被指数
5.HIS彩色变换
1.傅立叶变换的基本性质有哪些？
2.傅立叶变换的基本工作流程是什么？
3.主成分变换算法的性质有哪些？工作流程是什么？怎么确定主成分的个数，怎么解释主成分？
4.缨帽变换有什么优缺点？
5.代数运算的目的是什么？
6.加法运算、差值运算、乘法运算、比值运算在遥感图像处理中各有什么作用？
7.什么是植被指数？有哪些基本的表达方式？
8.在图像处理中常用的彩色模型有哪些？
9.彩色变换具有哪些主要应用？
10.&&&&&&&&&&&&
编写程序，分别使用RGB方式和HIS方式显示遥感图像。
一、 名词解释
&立叶变换：指非周期函数的正弦和或余弦乘以加权函数的积分表示
&主成分变换：是基于变量之间的相关关系，在尽量不丢失信息前提下的一种线性变换的方法，主要用于数据压缩和信息增强。在遥感软件中，主成分变换常被称为K－L变换。
&缨帽变换：旋转坐标空间，但旋转后的坐标轴不是指到主成分的方向，而是指到另外的方向，这些方向与地物有密切的关系，特别是与植物生长过程和土壤有关。
&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植被指数
HIS彩色变换：通过构建H（色调）、I（强度）、S（饱和度）模型来进行的彩色变换
（1）对称性：函数的偶函数分量将对应于傅立叶变换后的偶函数分量，奇函数分量也对应于奇函数分量，但是要引入系数j。
　　（2）加法定理：时域中的加法对应于频域内的加法。
　　（3）位移定理：函数位移的变化不会改变其傅立叶变换的幅值，但会产生一个相位变化。
　　（4）相似性定理：“窄”函数对应于一个“宽”傅立叶变换，“宽”函数对应于一个“窄”傅立叶变换（所谓的宽、窄是指函数在坐标轴方向上的延伸情况）。
　　（5）卷积定理：时间域中的函数卷积对应于频域中的函数乘积；或者说，两个函数卷积的傅立叶变换等于它们各自傅立叶变换的乘积。如果函数是在有限维空间中定义的图像，只有假设每个图像在各个方向上都有周期性的重复，卷积定理才成立。
　　（6）共轭性：将函数的傅立叶变换的共轭输入傅立叶变换程序得到该函数的共轭，也就是说，完全可以利用傅立叶变换程序计算傅立叶逆变换而无须重新编写逆变换程序。
　　（7）Rayleigh定理：傅立叶变换前、后的函数具有相同的能量。
傅里叶比变换的工作流程是：
　　（1）正向FFT: 指定图像的一个波段，按照计算公式进行FFT，产生频率域图像。
　　（2）定义滤波器:
以频率域图像为参照，定义滤波器。常用的滤波器有低通、高通、带通、带阻、用户定义几种。波段不同，频率域图像不同，需要定义不同的滤波器。
　　（3）逆向FFT：将定义的滤波器应用到频率域图像，得到空间域的图像，进行显示。
主成分变换的基本性质有：
　　（1）总方差的不变性。变换前后总方差保持不变，变换只是把原有的方差在新的主成分上重新进行分配。
　　（2）正交性。变换后得到的主成分之间不相关。
　　（3）从主成分向量中删除后面的（n-p）个成分只保留前p（p＜＝n）个成分时所产生的误差满足平方误差最小的准则。换句话说，前面的p个主成分包含了总方差的大部分。
　　主成分变换的流程为：主成分正变换－主成分逆变换。
　　（1）一般意义上的主成分变换指正变换。该过程通过对图像进行统计分析，在波段协方差矩阵或相关矩阵的基础上计算特征值，构造主成分。根据主成分－特征值的关系，可以选择少数的主成分作为输出结果。
　　（2）如果在正变换中选择的主成分数目与波段/变量数目相同，那么逆变换的结果将完全等同于原始的图像。如果选择的主成分数目少于波段数，逆变换的结果相当于压抑了图像中的噪音，但此时逆变换结果图像的各个“波段”与原始图像的波段不再具有对应性，不再具有原始图像波段的物理意义。
　缨帽变换旋转坐标空间，但旋转后的坐标轴不是指到主成分的方向，而是指到另外的方向，这些方向与地物有密切的关系，特别是与植物生长过程和土壤有关。缨帽变换既可以实现信息压缩，又可以帮助解译分析农作物特征，因此有很大的实际应用意义。K-T变换只能用于MSS数据和LANDSAT4、5的TM图像、LANDSAT7的ETM图像，这是该方法的一个限制。
　对于多波段遥感图像和经过空间配准的两幅或多幅单波段遥感图像，可以通过代数运算来突出特定的地物信息，从而达到某种增强的目的。代数运算是根据地物本身在不同波段的灰度差异，通过不同波段之间简单的代数运算产生新的“波段”，来达到突出感兴趣的地物信息、压抑不感兴趣的地物信息的图像增强方法。进行代数运算后，数值范围可能超过了显示设备的范围，因此，在显示的时候往往还需要进行灰度拉伸。
（1）加法运算：加法运算主要用于对同一区域的不同时段图像求平均，这样可以减少图像的加性随机噪声，或者获取特定时段的平均统计特征。进行加法运算的图像的成像日期不应相差太大。
　　（2）差值运算：差值图像提供了不同波段或不同时相图像间的差异信息，在动态监测、运动目标检测与跟踪、图像背景消除、不同图像处理效果的比较及目标识别等工作中应用较多。
　　（3）乘法运算：乘法运算可用来遮掉图像的某些部分。
　　（4）比值运算：比值运算是两个不同波段图像对应像素的灰度值相除（除数不能为0），是遥感图像处理中常用的方法。比值运算可以降低传感器灵敏度随空间变化造成的影响，增强图像中特定的区域；降低地形导致的阴影影响，突出季节的差异。
　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植被指数（VI，Vegetation
Index）。植被指数是代数运算增强的典型应用。
　　常用的植被指数有以下几种：
　　（1）比值植被指数（RVI）：
　　（2）归一化植被指数（NDVI）：
　　（3）差值植被指数（DVI）：
　　（4）正交植被指数（PVI）：或
　常用的彩色模型有RGB模型和HIS模型。RGB和HIS两种色彩模式可以相互转换，有些处理在某个彩色系统中可能更方便。RGB系统从物理的角度出发描述颜色，HIS系统从人眼的主观感觉出发描述颜色。RGB系统比较简单而常用，但是，当彩色合成图像的各个波段之间的相关性很高时，会使得合成图像的饱和度偏低，色调变化不大，图像的视觉效果差。
9. 　彩色变换具有如下的主要应用：
　　（1）进行不同分辨率的图像的融合：HIS中，I成分控制着图像的亮度。将低分辨率图像变换到HIS彩色空间，将I成分用高分辨率图像中的某个波段替换，然后进行彩色逆变换，可以达到数据融合的目的。
　　（2）增强合成的图像的饱和度：图像的饱和度不足，图像不鲜艳，不容易区分图像中的细节。将数据从RGB彩色空间变换到HIS彩色空间，然后对S成分进行拉伸增强后，再变换到RGB彩色空间显示，可以提高图像的饱和度。
　　（3）通过对强度I成分的处理进行图像的增强：强度I成分集中了图像中的一些信息，单独对此成分进行增强，再做逆变换，可以获得其它方法无法达到的效果，例如，对于云或雾的去除等。
　　（4）多源数据的综合显示：随着工作的积累，在同一地区往往积累了不同传感器的遥感数据。通过将这些数据的波段分别赋予HIS，然后逆变换作彩色显示，可以获得较好的效果。
　　（5）其他应用：对色调进行分段扩展，以突出某一色调或加大某一范围内的色调之间的差异；色调不变，将亮度和饱和度置为常数，以突出地物色调在空间上的分布；将强度置为常数，色调和饱和度不变，可以减少地形起伏的影响，突出阴影部分的地物信息。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。