2025年大学大二（遥感科学与技术）遥感图像分类综合测试卷

2025年大学大二（遥感科学与技术）遥感图像分类综合测试卷

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题共30分）本卷共10小题，每小题3分。在每小题给出的四个选项中，只有一项是符合题目要求的。1.遥感图像分类中，监督分类的关键步骤是（）A.图像预处理B.选择训练样本C.特征提取D.分类器选择答案：B2.以下哪种遥感图像分类方法属于非监督分类（）A.最大似然法B.支持向量机C.聚类分析法D.决策树分类法答案：C3.在遥感图像分类中，用于描述地物光谱特征的参数是（）A.纹理B.形状C.大小D.反射率答案：D4.遥感图像分类中，提高分类精度的有效方法是（）A.增加图像分辨率B.减少训练样本数量C.选择合适的分类算法D.降低图像噪声答案：C5.对于多光谱遥感图像，以下哪个波段组合对植被的识别效果较好（）A.蓝光、绿光、红光B.绿光、红光、近红外C.红光、近红外、短波红外D.近红外、短波红外、热红外答案：B6.遥感图像分类中，分类后处理的主要目的是（）A.提高分类精度B.去除噪声C.改善图像质量D.平滑图像答案：A7.在监督分类中，训练样本的选择应遵循的原则不包括（）A.代表性B.多样性C.数量越多越好D.均匀分布答案：C8.遥感图像分类中，基于机器学习的分类方法不包括（）A.神经网络B.贝叶斯分类C.主成分分析D.随机森林答案：C9.对于高分辨率遥感图像，以下哪种分类方法更具优势（）A.基于像元的分类方法B.基于对象的分类方法C.传统监督分类方法D.非监督分类方法答案：B10.遥感图像分类中，分类精度评价的指标不包括（）A.精度B.召回率C.F1值D.对比度答案：D第II卷（非选择题共70分）11.（10分）简述遥感图像分类的基本流程。答案：遥感图像分类基本流程包括：图像预处理，如辐射校正、几何校正等；选择分类方法，如监督分类或非监督分类；提取特征，如光谱特征、纹理特征等；选择训练样本（监督分类）；进行分类；分类后处理，如去除噪声、平滑等；精度评价，通过混淆矩阵等方法评估分类精度。12.（15分）比较监督分类和非监督分类的优缺点。答案：监督分类优点：精度较高，能利用先验知识；缺点：需要大量准确的训练样本，对训练样本要求高。非监督分类优点：无需先验知识，能发现图像中的自然聚类；缺点：分类结果不一定符合实际地物类别，精度相对较低。13.（15分）阐述常用的遥感图像分类算法及其原理。答案：最大似然法：基于贝叶斯决策理论，计算每个像元属于各类别的概率，选择概率最大的类别。支持向量机：寻找最优分类超平面，将不同类别数据分开。决策树分类法：根据地物特征构建决策树，逐步进行分类判断。神经网络：通过神经元之间的连接和训练，模拟人类神经系统进行分类。14.（15分）材料：某地区有一幅多光谱遥感图像，包含蓝光、绿光、红光、近红外四个波段。目标是对该地区的土地利用类型进行分类，包括耕地、林地、水体、建筑用地。问题：请设计一个基于监督分类的方案，说明具体步骤和选择的分类算法。答案：步骤：首先进行图像预处理。然后选择训练样本，分别在耕地、林地、水体、建筑用地区域选取典型样本。选择最大似然法分类算法。利用选取的训练样本进行训练，建立分类模型。最后对整幅图像进行分类，得到土地利用类型分类结果。15.（15分）材料：对某区域遥感图像分类后，得到如下混淆矩阵：|类别|预测耕地|预测林地|预测水体|预测建筑用地||----|----|----|----|----||实际耕地|80|10|5|5||实际林地|5|70|10|15||实际水体|10|10|60|20||实际建筑用地|15|20|10|55|问题：计算该分类结果的精度、召回率和F1值。答案：精度：耕地精度=80/(80+10+5+5)=0.8；林地精度=70/(5+70+10+15)=0.7；水体精度=60/(10+10+60+20)=0.6；建筑用地精度=55/(15+20+10+55)=0.55。召回率：耕地召回率=80/(80+5+10+15)=0.8；林地召回率=70/(10+70+10+20)=0.7；水体召回率=60/(10+10+60+10)=0.6；建筑用地召回率=55/(15+20+10+55)=0.55。F1值：耕地F1值=2×0.8×0.8/(0.8+0.8)=0.8；林地F1值=2×0.7