考研遥感科学与技术2025年遥感图像分析训练试卷（含答案）

考研遥感科学与技术2025年遥感图像分析训练试卷（含答案）考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分。请将正确选项的代表字母填写在题干后的括号内）1.遥感图像的辐射分辨率通常指（）。A.传感器区分地物波谱曲线差异的能力B.传感器记录亮度值的精细程度C.传感器探测目标温度的能力D.传感器获取图像空间细节的能力2.下列哪种大气校正方法主要用于考虑大气散射效应？（）A.基于物理模型的大气校正B.乘法大气校正模型C.立体校正D.轨道校正3.在遥感图像分类中，属于非监督分类方法的是（）。A.最大似然法B.支持向量机C.K-均值聚类D.决策树分类4.下列哪种图像增强方法主要通过改变图像灰度直方图来改善图像视觉效果？（）A.空间域滤波B.主成分分析C.直方图均衡化D.伪彩色增强5.用来衡量遥感图像分类精度的主要指标是（）。A.图像分辨率B.波段宽度C.准确率、召回率、混淆矩阵D.传感器类型6.下列哪种传感器通常工作在微波波段？（）A.Landsat8B.Sentinel-2C.ERS-1D.WorldView7.遥感图像几何校正的主要目的是（）。A.消除图像的几何畸变，使图像坐标与地面坐标一致B.增强图像的辐射亮度C.提高图像的分辨率D.对图像进行色彩平衡8.下列哪种算法不属于基于阈值的图像分割方法？（）A.Otsu法B.超像素分割C.Sauvola法D.基于区域生长的方法9.遥感图像融合的主要目的是（）。A.提高图像的时间分辨率B.提高图像的空间分辨率和光谱分辨率C.增强图像的辐射分辨率D.减少图像的噪声10.下列关于遥感图像数字滤波的说法，错误的是（）。A.滤波器可以是线性或非线性的B.低通滤波器可以去除图像中的噪声C.高通滤波器可以增强图像的边缘D.滤波会改变图像的像素值二、填空题（每空1分，共15分。请将答案填写在横线上）1.遥感图像获取的主要方式有________遥感和________遥感。2.遥感图像预处理的主要内容包括辐射校正和________校正。3.图像分类前通常需要进行图像________，以减少数据量和突出地物特征。4.评价遥感图像分类精度的常用方法有混淆矩阵、______率和召回率。5.主成分分析（PCA）是一种常用的图像________方法，可以用于数据压缩和特征提取。6.传感器平台的高度决定了遥感图像的________分辨率。7.无人机遥感系统通常具有________视角、高分辨率和灵活机动等特点。8.遥感图像目视解译的基本方法包括判读标志、________和解译标志。9.________是指传感器记录的每个像素点所代表的地面范围大小。10.遥感图像的波谱分辨率是指传感器区分地物________差异的能力。三、判断题（每题1分，共10分。请将“正确”或“错误”填写在题干后的括号内）1.遥感图像的影像比例尺是由传感器类型决定的。（）2.任何类型的遥感图像都必然包含地物反射和透射的信息。（）3.遥感图像的解译标志分为直接解译标志和间接解译标志。（）4.遥感图像融合的主要目的是生成高分辨率的全色影像。（）5.传感器噪声会降低遥感图像的辐射分辨率。（）6.遥感图像的几何校正实质上是一种空间插值过程。（）7.图像分类中的混淆矩阵可以用来评价分类的总体精度。（）8.任何图像增强方法都能显著提高图像的解译精度。（）9.遥感图像的辐射分辨率越高，传感器区分地物细微波谱差异的能力就越强。（）10.多光谱图像比全色图像包含更多的地物光谱信息。（）四、简答题（每题5分，共20分）1.简述辐射校正的主要目的和基本步骤。2.简述遥感图像分类的主要流程。3.简述空间域滤波的基本原理，并列举两种常用的空间域滤波方法及其作用。4.简述什么是遥感图像的影像比例尺，并说明其影响因素。五、综合题（每题10分，共20分）1.某研究区域需要提取水体信息。现有Landsat8OLI影像和Sentinel-2MSI影像。请简述利用这两种影像提取水体信息的不同方法，并比较这两种方法的优缺点。2.假设你获得了一幅包含城市和农田的遥感图像。请设计一个简短的流程，说明如何利用遥感图像处理软件对该图像进行预处理、分类，并初步评价分类结果。请列出主要步骤和可能使用的工具或方法。六、论述题（15分）试述遥感图像几何校正的必要性和主要步骤，并分析影响遥感图像几何精度的因素。试卷答案一、选择题1.B解析：辐射分辨率指传感器记录和区分地物反射或发射的电磁波辐射能量的精细程度，通常用灰度级数或动态范围来表示。2.B解析：乘法大气校正模型（如暗像元法）主要考虑大气对地物的衰减效应，认为地物亮度是大气光学厚度和地物自身亮度的乘积。基于物理模型的大气校正考虑了更多大气参数。立体校正和轨道校正是几何校正相关内容。3.C解析：非监督分类方法不需要先验知识，直接对像元进行聚类，K-均值聚类属于此类。最大似然法、支持向量机和决策树分类都属于监督分类方法。4.C解析：直方图均衡化通过修改图像灰度直方图，使图像灰度分布更均匀，从而增强图像对比度。空间域滤波通过邻域像素操作平滑或锐化图像。主成分分析是降维方法。伪彩色增强是改变图像色彩表现。5.C解析：准确率、召回率、混淆矩阵是评价分类精度的核心指标，可以全面反映分类正确性。图像分辨率、波段宽度、传感器类型与分类精度评价指标无关。6.C解析：ERS-1是欧洲地球资源卫星，属于合成孔径雷达（SAR）卫星，工作在微波波段。Landsat8和Sentinel-2是光学卫星。WorldView是商业光学卫星。7.A解析：几何校正是为了消除由于传感器、大气、地球曲率等因素引起的图像几何畸变，使图像上的点与地面对应点精确匹配。8.B解析：超像素分割属于基于区域的方法，将图像分割成一致性较好的超像素区域。Otsu法、Sauvola法是基于阈值的分割方法。基于区域生长的方法也是阈值分割的一种类型，但更强调区域间的相似性传播。9.B解析：图像融合旨在结合不同传感器或不同时相影像的优势，生成兼具高空间分辨率和高光谱分辨率（或更高时间/辐射分辨率）的新影像，以提升信息量和解译能力。10.D解析：滤波是通过特定算法处理图像像素邻域，改变像素值以达到平滑、锐化、去噪等目的。因此，滤波必然会改变图像的像素值。二、填空题1.航天，航空解析：遥感按平台高度分为航天遥感（高度较高）和航空遥感（高度相对较低）。2.几何解析：预处理主要包括辐射校正（解决成像过程中能量损失和转化问题）和几何校正（解决成像过程中几何变形问题）。3.预处理解析：图像预处理，如辐射校正、几何校正、大气校正等，可以为后续的分类、解译等分析步骤提供更高质量、更符合实际的地物信息。4.召回解析：评价分类精度的指标包括总体精度（OverallAccuracy）、Kappa系数、生产者精度（Producer'sAccuracy）、用户精度（User'sAccuracy）、召回率（RecallRate）等。5.降维解析：主成分分析（PCA）是一种线性变换方法，将原始多波段高维数据转换为少数几个相互无关的主成分，保留主要信息，实现数据降维和特征提取。6.空间解析：传感器距离地面（或被观测目标）的远近（即平台高度）直接影响成像地面像元的大小，高度越高，像元越大，空间分辨率越低。7.高解析：无人机遥感系统通常位于较低空域，其传感器视角相对较高（俯角较大），能够获取高分辨率影像，并且飞行灵活，可适应复杂地形和任务需求。8.解译标志解析：目视解译方法包括判读标志（识别地物的依据）、解译标志（包括直接解译标志和间接解译标志）和解译流程。9.图像分辨率解析：图像分辨率是指图像记录地物空间细节的能力，其量度是每个像素点在地面上的实际尺寸，也称为地面采样距离（GSD）。10.波谱解析：波谱分辨率指传感器能够区分地物在不同光谱波段上反射或发射的电磁波能量差异的能力，即传感器记录地物光谱信息的精细程度。三、判断题1.错误解析：遥感图像的影像比例尺由传感器焦距、传感器与地面的距离等因素决定，而非传感器类型。同一种传感器也可能获取不同比例尺的影像。2.错误解析：被动遥感依赖地物自身发射或反射的电磁波，而主动遥感则主动向目标发射电磁波并接收反射信号。并非所有遥感图像都同时包含两者信息，例如雷达图像主要包含反射信息。3.正确解析：解译标志是判读地物的重要依据，分为直接解译标志（地物自身特征）和间接解译标志（地物相关环境特征）。4.错误解析：遥感图像融合的目的通常是生成兼具多源影像优势的高质量信息，例如融合高空间分辨率全色影像和高光谱分辨率多光谱影像，而非仅仅生成全色影像。5.正确解析：传感器噪声会降低图像信噪比，使得地物真实辐射信息被淹没，从而降低传感器区分地物细微辐射差异的能力，即降低了辐射分辨率。6.正确解析：几何校正通过在影像网格点和地面控制点之间建立映射关系，并利用插值方法计算未采样点的坐标值，其本质是空间位置的重采样或映射。7.错误解析：混淆矩阵可以详细列出各类别之间的错分情况，是计算准确率、召回率、F1分数等精度指标的基础，但总体精度（OverallAccuracy）是直接由混淆矩阵计算得出的一个综合指标。8.错误解析：图像增强是为了改善图像视觉效果或突出特定信息，但不一定能提高解译精度。过度增强或不当增强可能破坏地物真实信息，反而降低解译可靠性。9.正确解析：辐射分辨率越高，意味着传感器能记录更多灰度级，区分地物细微光谱反射或发射差异的能力越强。10.正确解析：多光谱图像包含多个离散的光谱波段，能记录地物在多个特定波段的信息，提供更丰富的光谱特征。全色图像通常只有一个波段，分辨率高但光谱信息单一。四、简答题1.答：辐射校正的主要目的是消除成像过程中大气、传感器本身以及太阳辐射等引起的能量衰减和转换误差，使图像记录的亮度值能真实反映地物自身的辐射能量或反射率。基本步骤通常包括：(1)传感器定标：将传感器记录的原始数字量（DN）转换为相应的辐射亮度或表观辐射亮度。(2)大气校正：根据大气模型和参数（或利用暗像元法等），消除大气对地物辐射能量的吸收和散射影响，得到地表反射率或辐射亮度。(3)（可选）太阳高度角校正：对于某些模型，需要考虑太阳角度对地物反射率的影响。2.答：遥感图像分类的主要流程包括：(1)数据准备：获取待分类的遥感影像，并进行必要的预处理，如辐射校正、几何校正、大气校正、图像增强等。(2)图像预处理：根据分类需求进行特征提取或选择，如计算植被指数、进行主成分分析、图像降噪、边缘检测等。(3)选择分类方法：根据数据特点和分析目标，选择合适的分类算法，如监督分类（最大似然法、支持向量机等）、非监督分类（K-均值聚类等）或半监督分类。(4)参数设置与分类：设置分类器参数，执行分类操作，得到初步的分类结果。(5)分类后处理：对分类结果进行精度评价（如制作混淆矩阵、计算精度指标），根据评价结果进行分类地图的细化、修改或去除噪声类别。(6)结果输出与应用：生成最终分类图，并可用于后续的空间分析和应用。3.答：空间域滤波的基本原理是通过在图像中移动一个小的邻域（或称为窗口、模板），对每个像素与其邻域内其他像素的像素值进行特定运算，得到该像素新的值。运算规则由设计的滤波器决定。常用的空间域滤波方法及其作用：(1)均值滤波：计算邻域内所有像素值的平均值来代替中心像素值。作用是平滑图像，减弱图像噪声，但可能导致图像边缘模糊。(2)中值滤波：计算邻域内所有像素值的中值来代替中心像素值。作用是平滑图像噪声（尤其对椒盐噪声效果好），同时能较好地保持图像边缘。4.答：遥感图像的影像比例尺是指图像上两点之间的距离与相应地面实际距离之比，通常用分子为1的分数表示（如1:10000）。影响因素主要包括：(1)传感器焦距：焦距越长，成像放大倍数越大，比例尺通常越大。(2)传感器与地面的距离（高度）：距离越近，成像放大倍数越大，比例尺越大。(3)地球的曲率：对于大范围测绘，地球曲率会随经纬度变化而影响比例尺。(4)成像方位角：传感器成像方向与地面法线方向的夹角也会对局部比例尺产生影响。五、综合题1.答：利用Landsat8OLI和Sentinel-2MSI影像提取水体信息的方法及优缺点比较：Landsat8OLI影像：方法：可以利用其Band5（近红外）、Band4（红光）、Band3（绿光）进行计算水体指数，如归一化差异水体指数（NDWI），然后设定阈值进行分类。也可以利用Band2（全色）和Band3、Band4、Band5进行监督分类，选择已知水体的样本训练。优点：数据免费、长时间序列、覆盖范围广。缺点：空间分辨率相对较低（30米），光谱分辨率一般，易受云雨影响。Sentinel-2MSI影像：方法：可以利用其高空间分辨率的Band3、Band8（近红外）计算NDWI或其他水体指数，进行阈值分割或监督分类。Sentinel-2具有10个光谱波段，可选择更多波段信息进行更精细的指数计算或深度学习分类。优点：空间分辨率高（10米），光谱分辨率较好，数据获取快，覆盖范围广，免费。缺点：时间频率相对Landsat较低，数据可能存在云覆盖。综合利用：可以先用Sentinel-2高分辨率影像提取初步水体结果，再利用Landsat长时间序列数据进行验证、清洗或填坑。或者，利用Landsat计算指数进行大范围快速筛查，再利用Sentinel-2精确提取。2.答：遥感图像处理流程设计：(1)数据导入与预处理：*导入遥感影像（如Landsat8或Sentinel-2影像）。*进行辐射校正，将DN值转换为辐射亮度或反射率。*进行几何校正，消除几何畸变，赋予影像地理坐标（如WGS84坐标系）。*（根据需要）进行大气校正，获取地表真实反射率。*（根据需要）进行图像增强，如对比度拉伸、主成分分析等，突出地物特征。(2)特征提取（可选）：*计算植被指数（如NDVI、NDWI）。*提取边缘信息。*选择感兴趣区域（ROI）。(3)图像分类：*选择分类方法，如最大似然法（适用于光谱差异明显的地物）、支持向量机（适用于非线性边界、高维数据）等。*若选择监督分类，需要收集样本（选择城市和农田的典型像元），并训练分类器。*执行分类操作，生成初步分类结果图。(4)精度评价：*选择地面真实样本（可以通过野外采样、高分辨率影像判读等方式获取）。*制作混淆矩阵，计算总体精度、Kappa系数、生产者精度、用户精度等指标。*分析分类错误类型。(5)后处理与结果输出：*根据精度评价结果，对分类错误区域进行人工修改或使用分类后处理工具（如去除离群点、斑点去除）。*添加图例、坐标信息等，输出最终的分类图。可能使用的工具或方法：ENVI、ERDASIMAGINE、PCIGeomatica、ArcGIS等遥感图像处理软件或编程语言（如Python结合GDAL、Rasterio、Scikit-image等库）。六、论述题答：遥感图像几何校正的必要性在于：遥感影像是通过传感器从空间对地面目标进行成像，在成像过程中，由于传感器自身参数、大气扰动、地球曲率、卫星轨道和姿态变化等多种因素的综合影响，图像上像元的位置会发生畸变，即影像上的点不与地面上的对应点精确重合。这种几何畸变会导致图像无法直接用于精确的地形测绘、变化检测、资源调查等需要地理参考的应用。几何校正的目的就是消除或减弱这些畸变，将影像的几何位置关系校正到与地面坐标系一致，使得图像数据能够真实、准确地反映地物在地面上的分布位置。遥感图像几何校正的主要步骤通常包括：(1)选择校正模型：根据传感器类型、成像方式（如光学、雷达）、飞行平台（航天、航空）以及地面覆盖范围和精度要求，选择合适的几何校正模型。常用模型包括基于多项式的模型（如二次或三次多项式）、基于相似变换的模型（如仿射变换、相似变换）、基于特征点的模型（如单像方位元素