遥感数字图像处理-要点.doc

PAGE  PAGE 7 遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵 、相关系数、相关矩阵的概念及意义 波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强 3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 计算图像经过下列操作后，其中心象元的值： 3×3中值滤波 采用3×3平滑图像的减平滑边缘增强 域值为2的3×1平滑模板 Sobel边缘检测 Roberts边缘检测 模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用 3.4彩色增强 彩色影像的类型：真彩色、假彩色、伪彩色 标准假彩色影像 彩色变换的概念及应用 4.多光谱变换 图像运算：加法运算、差值运算、比值运算的概念及应用 植被指数 主成分变换的目的和特点 缨帽变换 概念和特点（图像分析） 最小噪声分离变换：目的、实现、特点 主分量变换（PCT）的原理和特点 缨帽变换的物理意义 MNF变换的特点 5遥感影像融合 概念、目的 多光谱影像与全色波段影像融合：目的 多光谱影像与全色波段影像融合的基本过程 常用遥感影像融合算法 ：HSI变换法 、主分量变换（PCT）法的基本原理 6.遥感数字影像误差校正和配准 辐射校正，系统辐射校正、大气校正的概念 几何校正的概念 几何粗校正的概念 几何精校正的概念 几何精校正的一般步骤、两个基本环节 灰度值的重采样，三种方法 多项式纠正法的基本原理 控制点的选择 遥感图像为何要进行辐射校正和几何校正？ 影像重采样的方法有哪些，各有何特点？ 几何校正控制点在数量和分布上有何要求？ 7.遥感图像分类 遥感图像计算机分类的概念、基本原理、一般步骤 监督分类、非监督分类的概念 非监督分类的方法：K-均值法的算法，ISODATA 监督分类的一般步骤，主要方法 最小距离法,平行管道法,最大似然法的基本思想 8.分类后处理 主要目的：消除类别噪声、类别统计、精度评价 众数分析 、少数分析 、类聚块、类过滤的目的 分类精度的评价：混淆矩阵法 总体精度、生产者精度、用户精度的计算 遥感影像变化检测：流程 面向对象影像分类 图像分割 图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域 传统的图像分割技术： 基于像素灰度值的分割技术 基于区域的分割技术 基于边界的分割技术 纹理 纹理图像在局部区域内呈现了不规则性，而在整体上表现出某种规律性 纹理的组成： 一是组成图像纹理的基元 一是这些基元之间的空间分布关系。 图像纹理一般用纹理中相邻像素之间的灰度变化及纹理基元模板来描述 分析和测量纹理的算法： 纹理分析的自相关函数方法 灰度共生矩阵的纹理分析 数学形态学： 腐蚀和膨胀 开运算和闭运算 第1章 概论 P10 5.什么是空间域图像处理?什么是频率域图像处理？ 6.图像增强的主要目的是什么?主要方法有哪些？ 第2章 遥感数字图像的获取和存储 P37 2.什么是图像的采样和量化?量化级别有什么意义? 6.遥感数字图像产品有哪些数据级别? 7.什么是遥感图像的元数据?包括哪业主要的参数? 8.以TM图像为例，写程序实现图像在BSQ、BIL和BIP之间的转换。 11.怎么计算图像文件的大小? 第3章 遥感数字图像的表示和统计描述 P57 1.遥感图像模型是什么?有什么意义? 2.遥感图像如何用数字表示? 3.图像的统计特征有什么作用? 4.单波段图像的统计特征有哪些?常用的多波段图像的统计特征有哪些？ 5.图像直方