问答题简述遥感图像分类流程。
题目
问答题
简述遥感图像分类流程。
相似考题
更多“问答题简述遥感图像分类流程。”相关问题
-
第1题：
遥感图像分类的主要依据是（）；遥感图像计算机分类的依据是（）
- A、地物的光谱特征；遥感图像像素的相似度
- B、遥感图像像素的相似度；地物的光谱特征
- C、地物热辐射差异；遥感图像色彩相似度
正确答案:A -
第2题：
简述遥感图像计算机分类的一般流程。
正确答案: 遥感图像计算机分类处理的基本过程，包括原始图像的预处理、训练区的选择、特征选择和特征提取、分类、检验结果以及成果输出等。
（1）原始图像的预处理
原始图像的预处理（preprocessing）就是指对观测数据作成像处理，以及图像的几何校正、辐射校正、量化、采样、预滤波、去噪声等处理，以便获得一幅比较清晰、对比度强、位置准确的图像以提高分类精度。
（2）训练区的选择
从待处理数据中抽取具有普遍性、代表性的数据作为训练群本。训练区选择得准确与否，训练样本数是否足够，关系到分类精度的高低。在监督分类中，训练区选择的最好的办法是选择一、两个典型区域，各类地物全有，进行实地调查，调查时，对照实地将被分类的遥感影像，一一识别，在图上标好，再到计算机上将这些数据提出。如果受客观条件的限制，可以借助于地图、航片或其他专题资料进行选择等。在上述资料都没有的情况下也可以先做非监督分类，在分类结果中选择训练区。
（3）特征选择和特征提取
特征选择（featureselection）是从众多特征中挑选出可以参加分类运算的若干个特征。特征提取（featureextraction）是在特征选择之后，利用特征提取算法从原始特征中求出最能反映其类别特性的一组新特征，完成样本空间到特征空间的转换。通过特征提取既可以达到数据压缩的目的，又提高了不同类别特征之间的可区分性。
（4）图像分类运算
图像分类运算（classification）就是根据影像特点和分类目的设计或选择恰当的分类器及其判别准则，对特征矢量集进行划分，完成分类工作。
（5）检验结果
主要是对分类的精度与可靠性进行评价。进入传感器的遥感信息由于受传感器空间分辨率和光谱分辨率的限制，常常得到混合的信息。有时地物本身就是混合在一起的，例如植被覆盖下的土壤。因此不存在理想的分类器，加上“同物异谱”、“异物同谱”现象的存在，错分的情况普遍存在，因此，分类后都必须进行检验，错分像元所占的比例越小，则分类结果越佳。
（6）结果输出
包括分类结果图像的输出，以及分类结果的统计值，例如各类别的地物占地面积、类别集群的统计中心和方差等。 -
第3题：
问答题简述遥感图像分类流程。正确答案： 遥感图像分类流程如下：
（1）预处理：包括确定工作范围、多源图像的几何配准、噪声处理、辐射校正、几何精校正、多图像融合等。
（2）特征选取：包括特征选择和特征提取。特征选择是从众多特征中挑选出可以参加分类运算的若干个特征；特征提取是在特征选择以后，利用特征提取算法（如主成分分析算法）从原始特征中求出最能反映地物类别性质的一组新特征。
（3）分类：根据特征与分类对象的实际情况选择适当的分类方法。
（4）分类后处理：由于分类过程是按像素逐个进行的，分类结果图像中成片的地物类别分布区往往会出现零星的异类像素，其中许多是不合理的。因此，要根据分类的要求进行后处理工作。
（5）结果检验：对分类的精度与可靠性进行评价。
（6）结果输出：对于达到精度要求的分类图像，根据需要和用途，设置投影、比例尺、图例等制作专题图，或将数据转换为向量格式，供其它系统使用。解析： 暂无解析 -
第4题：
填空题遥感图像分类的对象是原始遥感图像及各种变换之后的图像，采用（）或（）对变量特征空间进行划分来达到分类的目的。正确答案： 决策理论、统计方法解析： 暂无解析 -
第5题：
问答题简述遥感平台定义，按高度分类，及各遥感平台的作用。正确答案： 遥感平台是指装载遥感器的运载工具。
按高度大体可分为地面平台，航空平台和航天平台三大类。
地面平台包括三角架、遥感塔、遥感车（船）、建筑物的顶部等，主要用于在近距离测量地物波谱和摄取供试验研究用的地物细节影像；
航空平台包括在大气层内飞行的各类飞机、飞艇、气球等，其中飞机是最有用、而且是最常用的空中遥感平台；
航天平台包括大气层外的飞行器，如各种太空飞行器和探火箭。在环境与资源遥感应用中，所用的航天遥感资料主要来自于人造卫星。
在不同高度的遥感平台上，可以获得不同面积，不同分辨率的遥感图像数据，在遥感应用中，这三类平台可以互为补充、相互配合使用。解析： 暂无解析 -
第6题：
问答题简述遥感数字图像的特征。正确答案： 空间分辨率、时间分辨率、波谱分辨率、辐射分辨率。解析： 暂无解析 -
第7题：
问答题遥感图像的硬分类与软分类的区别是什么？正确答案： 根据一个像素被分到一个类还是多个类，可将遥感图像分类方法分为硬分类和软分类。图像上的一个像素只能被分到一个类的分类方法称为硬分类。传统的统计分类方法都是硬分类。硬分类有时可能不合理。因为有些像素可能同时具有两个类或多个类的性质。图像上的每一个像素可以同时被分到两个或两个以上类的分类方法，称为软分类，这时每个像素除了被分类外，还同时允许它在不同的两个或多个类中具有隶属概率或部分隶属值。这是对硬分类不合理一面的一种较合理的解决方式。解析： 暂无解析 -
第8题：
问答题简述遥感图像判读的标志。正确答案： ①色调：即灰度。判读前通过反差调整和彩色增强后，成为目视判读的重要标志。如海滩的沙砾因含水量不同在遥感黑白像片中的色调也不同，干燥的沙砾色调发白，而潮湿的沙砾发黑。
②颜色：是目视判读最直观的标志。如在真彩色影像中，森林和农作物看上去同为绿色，由于存在微小色差，有经验的的目视解译人员仍然能够判别出树种及作物的种类。
③大小：根据地物间的相对大小，区分地物。根据物体的大小可以推断物体的属性，有些地物如湖泊和池塘主要依据它们的大小来区别。
④阴影：可判读地物的高度，但也遮挡部分地物信息。如航空像片判读时利用阴影可以了解铁塔及高层建筑物等的高度及结构。
⑤形状：目标地物在影像上呈现的外部轮廓。如飞机场和港湾设施在遥感图像中均具有特殊形状。
⑥纹理：指目标地物内部色调有规则变化造成的影像结构。如航空像片上农田呈现条带状纹理。
⑦位置：目标地物分布的地点。例如水田临近沟渠，位于沼泽地的土壤多数为沼泽土。
⑧图型：目标地物有规律排列而成的图形结构。如住宅区建筑群和农田与周边防护林都构成特殊的图型，在影像上很容易判出。
⑨相关布局：多个目标地物之间的空间配置关系。如学校教室与操场，货运码头与货物存储堆放区都有很强的相关性。解析： 暂无解析 -
第9题：
问答题简述遥感的分类。正确答案： 按遥感平台来分：地面遥感/航空遥感/航天遥感（太空遥感）。
按传感器的探测波段来分：紫外遥感/可见光--（反射）近红外遥感/热红外线遥感/微波遥感。
按工作方式分：主动遥感/被动遥感/成像遥感/非成像遥感。
按遥感的应用领域分：外层空间遥感/大气层遥感/陆地遥感/海洋遥感
从具体的应用来分：资源遥感/环境遥感/农业遥感/林业遥感/渔业遥感/地质遥感/气象遥感/水文遥感/城市遥感/工程遥感/灾害遥感/军事遥感。解析： 暂无解析 -
第10题：
问答题简述遥感图像计算机分类的一般流程。正确答案： 遥感图像计算机分类处理的基本过程，包括原始图像的预处理、训练区的选择、特征选择和特征提取、分类、检验结果以及成果输出等。
（1）原始图像的预处理
原始图像的预处理（preprocessing）就是指对观测数据作成像处理，以及图像的几何校正、辐射校正、量化、采样、预滤波、去噪声等处理，以便获得一幅比较清晰、对比度强、位置准确的图像以提高分类精度。
（2）训练区的选择
从待处理数据中抽取具有普遍性、代表性的数据作为训练群本。训练区选择得准确与否，训练样本数是否足够，关系到分类精度的高低。在监督分类中，训练区选择的最好的办法是选择一、两个典型区域，各类地物全有，进行实地调查，调查时，对照实地将被分类的遥感影像，一一识别，在图上标好，再到计算机上将这些数据提出。如果受客观条件的限制，可以借助于地图、航片或其他专题资料进行选择等。在上述资料都没有的情况下也可以先做非监督分类，在分类结果中选择训练区。
（3）特征选择和特征提取
特征选择（featureselection）是从众多特征中挑选出可以参加分类运算的若干个特征。特征提取（featureextraction）是在特征选择之后，利用特征提取算法从原始特征中求出最能反映其类别特性的一组新特征，完成样本空间到特征空间的转换。通过特征提取既可以达到数据压缩的目的，又提高了不同类别特征之间的可区分性。
（4）图像分类运算
图像分类运算（classification）就是根据影像特点和分类目的设计或选择恰当的分类器及其判别准则，对特征矢量集进行划分，完成分类工作。
（5）检验结果
主要是对分类的精度与可靠性进行评价。进入传感器的遥感信息由于受传感器空间分辨率和光谱分辨率的限制，常常得到混合的信息。有时地物本身就是混合在一起的，例如植被覆盖下的土壤。因此不存在理想的分类器，加上“同物异谱”、“异物同谱”现象的存在，错分的情况普遍存在，因此，分类后都必须进行检验，错分像元所占的比例越小，则分类结果越佳。
（6）结果输出
包括分类结果图像的输出，以及分类结果的统计值，例如各类别的地物占地面积、类别集群的统计中心和方差等。解析： 暂无解析 -
第11题：
问答题遥感图像增强处理的目的是什么？简述目前常用的遥感图像增强处理方法。正确答案： 遥感图像增强处理的目的是提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。
常用方法：
（1）彩色合成，利用彩色合成的方法对多光谱图像进行处理，得到彩色图像。分为真彩色图像（TM321）和假彩色图像（TM432）。
（2）对比度变换，是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。包括线性变换和非线性变换。
（3）密度分割（单波段彩色变换），即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。
（4）图像间运算，两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。包括减法运算和比值运算
（5）空间滤波，也叫邻域增强处理，是通过像元与其周围相邻像元的关系，采用空间域中的领域处理方法。
（6）多光谱变换，通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。
（7）灰度颠倒，将图像的灰度范围先拉伸到显示设备的动态范围（如0～255）成饱和状态，然后进行颠倒。这样的运算，可以使正像和负像互换。解析： 暂无解析 -
第12题：
问答题简述遥感图像处理系统软件的功能。正确答案： （1）图像文件管理
（2）图像处理
（3）图像校正
（4）多影像处理
（5）图像信息获取
（6）图像分类
（7）遥感专题图制作
（8）与GIS系统的接口解析： 暂无解析 -
第13题：
简述遥感图像分类流程。
正确答案:遥感图像分类流程如下：
（1）预处理：包括确定工作范围、多源图像的几何配准、噪声处理、辐射校正、几何精校正、多图像融合等。
（2）特征选取：包括特征选择和特征提取。特征选择是从众多特征中挑选出可以参加分类运算的若干个特征；特征提取是在特征选择以后，利用特征提取算法（如主成分分析算法）从原始特征中求出最能反映地物类别性质的一组新特征。
（3）分类：根据特征与分类对象的实际情况选择适当的分类方法。
（4）分类后处理：由于分类过程是按像素逐个进行的，分类结果图像中成片的地物类别分布区往往会出现零星的异类像素，其中许多是不合理的。因此，要根据分类的要求进行后处理工作。
（5）结果检验：对分类的精度与可靠性进行评价。
（6）结果输出：对于达到精度要求的分类图像，根据需要和用途，设置投影、比例尺、图例等制作专题图，或将数据转换为向量格式，供其它系统使用。 -
第14题：
简述遥感图像计算机分类的基本过程
正确答案: 遥感图像的计算机分类，是以数字图像为研究对象的，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，对遥感图像中各类地物的光谱信息和空间信息进行分析处理，依据其特征变量，将特征空间划分为互不重叠的子空间，把各个像元划归到各个子空间的过程。
1）根据图像分类目的的选取特定区域的遥感数字图像，需考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量等。
2）根据研究区域，收集、分析地面参考信息与有关数据。
3）根据分类要求和图像数据的特征，选择合适的图像分类方法和算法。
4）找出代表这些类别的统计特征。
5）为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定其特征。
6）对遥感图像中各像素进行分类。
7）分类精度检查。
8）对判定分析的结果进行统计检验。 -
第15题：
问答题叙述遥感图像监督法分类的基本原理，请你设计一个完整的框架以实现遥感图像的监督法分类，指出每一步的功能。正确答案： 在事先知道样本区类别的信息的情况下对非样本数据进行分类的方法即监督法分类。其基本思想如下：
首先，利用已知的样本类别和类别的先验知识（可通过对分类地区的目视判读、实地勘测或结合ＧＩＳ信息获得），确定判别函数和相应的判别准则，这一利用一定数量的已知类别的样本的观测值求解待定参数的过程称之为学习或训练；
其次，将未知类别的样本的观测值代入判别函数；
最后，根据判别准则对该样本的所属类别做出判定。
监督法分类可分为七个主要步骤，具体功能如下：
1.确定感兴趣的类别数——用于确定要分类的地物，以建立这些地物的先验知识。
2.特征变换和特征选择——通过该项处理，即能减少参加分类的影像数，加快分类速度，又能满足分类需要，提高分类精度。
3.选择训练样区——选择合适的训练样区是获取正确的分类结果的必要条件，因为监督分类关于类别的数字特性都是从训练样区中获得的。训练样区选择时必须注意准确性、代表性和统计性三个问题。
4.确定判别函数和判别规则——利用训练样本的数据统计计算出判别函数的参数，以利用判别函数和攀比规则对其他非样本取得数据进行分类。
5.依据判别函数和判别规则对非训练样区进行分类。
6.对可能存在的误分目标进行人工干预改正。
7.对结果利用现有资料进行精度评价。解析： 暂无解析 -
第16题：
单选题遥感图像分类的主要依据是（）；遥感图像计算机分类的依据是（）A地物的光谱特征；遥感图像像素的相似度
B遥感图像像素的相似度；地物的光谱特征
C地物热辐射差异；遥感图像色彩相似度
正确答案： B解析： 暂无解析 -
第17题：
问答题提高遥感图像分类的主要对策有哪些？正确答案： 提高遥感图像分类的主要对策有以下几个方面：
（1）多种信息的综合利用：包括几何信息、纹理信息、地形信息等的综合利用。
（2）混合像素的分解处理：混合像素是遥感图像中较普遍存在的现象。尤其是低分辨率的卫星图像，一个像素覆盖的地面范围内往往包含一种以上的地物类别。这种混合像素的灰度值必为各组分图像灰度的混合值，传统的基于逐个像素的判别就会发生困难，有很大的不确定性，必须进行混合像素的分解处理
（3）分层分类与专家系统的应用：所谓分层分类就是模拟目视解译，对复杂图像进行多层次的分析判断，先把容易识别确定的地物提取出来，再针对彼此混淆的地类采用不同的判据进行区分，先易后难，由表及里，分层处理，逐步推进。遥感图像解译专家系统是模式识别与人工智能技术相结合的产物。应用人工智能技术，运用遥感图像解译专家的经验和方法，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。它使用人工智能语言讲某一领域的专家分析方法或经验，对地物的多种属性进行分析判断，确定类别。解析： 暂无解析 -
第18题：
名词解释题遥感图像的分类正确答案： 遥感图像的分类（Classfication）是将图像所有的像元按性质分为若干类别（Class）的过程。分类的方法有监督分类和非监督分类解析： 暂无解析 -
第19题：
问答题遥感图像计算机分类中存在的主要问题是什么？正确答案： （1）未充分利用遥感图像提供的多种信息
（2）提高图像分类精度受到限制解析： 暂无解析 -
第20题：
问答题简述高程信息在遥感图像分类中的应用。正确答案： 由于地形起伏的影响，会使地物的光雾反射特性发生变化，并且不同地物的生长地域往往受海拔高度或坡度坡向的制约，所以将高程信息作为辅助信息参与分类将有助于提高分类的精度。解析： 暂无解析 -
第21题：
问答题简述遥感图像计算机分类的一般原理。正确答案： 遥感图像分类就是把图像中的每个像元或区域划归为若干类别中的一种，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实现分类。解析： 暂无解析 -
第22题：
问答题简述限制遥感影像分类的因素。正确答案： 实践表明，单纯依靠某种单一分类方法很难达到实用精度，这主要是因为遥感数据本身特点和单一分类方法的限制
（1）遥感数据的制约：
a、遥感信息反映的主要是地球表层系统的二维空间信息，高程变化对地理环境的影响没有得到充分反映，地表以下深层构造相互作用机理也无法得到反应，导致分类信息不完整。
b、遥感信息传递过程的局限性以及遥感信息之间的复杂相关性，决定遥感信息的不确定性和多解性。
c、遥感数据空间分辨率也给分类造成一些麻烦，空间分辨率低时，象元不一定是单一地物，往往是多种混合地物类型，分辨率高时，造成同类地物的差异被夸大，造成分类的复杂性
（2）分类方法的制约，
A、目前分类方法主要是单点分类。
B、分类主要依靠的是光谱信息，遥感图像的空间信息和结构信息没有充分利用。
C.分类所依靠的光谱信息随环境和时间变化，而且有大量的同物异谱和同谱异物现象。解析： 暂无解析 -
第23题：
问答题什么是遥感图像，并说明遥感模拟图像与遥感数字图像的区别。正确答案： 图像（imagE.是对客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。遥感数字图像（digitaimagE.是指以数字形式表述的遥感影像.按图像的明暗程度和空间坐标的连续性划分，图像可分为数字图像和模拟图像。数字图像是指被计算机存储、处理和使用的图像，是一种空间坐标和灰度均不连续的、用离散数学表示的图像，它属于不可见图像。模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。解析： 暂无解析 -
第24题：
问答题神经网络用于遥感图像分类有何优缺点？正确答案： 神经网络方法具有如下优点：
（1）神经网络是模拟大脑神经系统储存和处理信息过程而抽象出来的一种数学模型，具有良好的容错性和鲁棒性，可通过学习获得网络的各种参数，无需像统计模式识别那样对原始类别做概率分布假设，这对于复杂的、背景知识不够清楚的地区图像的分类比较有效。
（2）在输入层和输出层之间增加了隐含层，节点之间通过权重来连接，且具有自我调节能力，能方便地利用各种类型的多源数据（遥感的或非遥感的）进行综合研究，有利于提高分类精度。
（3）判别函数是非线性的，能在特征空间形成复杂的非线性决策边界，从而解决非线性可分的特征空间的划分。
按照实用化要求衡量，神经网络还存在许多不足：
（1）对训练数据集的选择较为敏感；
（2）需要花费大量时间进行学习；相关的参数多且需不断调整，才能得到较好的分类结果；
（3）学习容易陷入低谷而不能跳出，有时网络不能收敛；
（4）很难给出神经元之间权值的物理意义，神经网络模型被认为是黑箱的解析： 暂无解析