2016上海事业单位考试公共基础知识点梳理归纳（二）

第2章：1遥感投影方法：中央投影，全景投影，倾斜距离投影，平行投影。 2遥感成像根据成像原理可分为摄影成像和扫描成像。 3传感器分辨率指标：辐射分辨率，光谱分辨率，空间分辨率和时间分辨率。 4 Landsat4-7参见教科书第18页。 5数字化的过程包括采样和量化。 6种常见数据格式：BSQ，BIL，BIP。第3章7平均：像素值的算术平均值反映图像中特征的平均反射强度，其大小由图像中目标特征的光谱信息确定。 8中值：指图像的所有灰度级都位于中间的值。当灰度级为偶数时，取两个中间灰度值的平均值。由于灰度级通常连续变化，因此可以通过最大灰度值确定中间值，并确定最小灰度值。 9方差：像素值与平均值之差的平方和，表示像素值的分散程度。 10变化：最大和最小像素值之间的差异。 11对比度：反映化身的显示效果和可分辨性，有时也称为对比度。对比度越小，特征之间的可分辨性越小。图像处理的基本目的是提高图像的对比度。 12直方图：它是灰度的函数，描述图像中每个灰度的像素数。图像的灰度值为离散变量，直方图表示离散概率分布。可以分为频率直方图和累积直方图。假设像素亮度是随机分布的，则直方图应为正态分布。 13查看直方图P46 + P4413。

1直方图均衡化通过转换函数将原始图像的直方图转换为均匀的直方图，然后根据均匀的直方图对原始图像进行修改，从而获得具有均匀灰度分布的新图像。 13.2直方图均衡化的效果是：（1)每个灰度级的频率近似相等；（2)将原始图像上频率较小的灰度级合并以实现压缩；将频率较高的灰度级进行拉伸，这样可以改善亮度集中在中间的图像，并且可以增强图像上大面积物体与周围物体之间的对比度13.3均衡后图像的最小灰度值为0 ，最大灰度值为L -1。像素总数为N。（L- 1) / N称为拉伸因子。对于特定计算，可以将拉伸因子与累积像素统计量相乘，得出转换后的值13。4对于图像，直方图均衡化的特定步骤：（1)计算原始图像的每个灰度级的像素数和累积像素数；（2)计算相应的灰度级xa根据 变换函数的新值，并将其取整以获得新的灰度级xb； （3)均衡后用新值替换原始灰度值以形成新图像；（4)根据原始图像像素统计值对应地找到新图像像素统计值，做出新的直方图；在直方图均衡后，图像每个灰度级的频率在理论上应该相等，实际上，均衡后的直方图出现不均匀的形状，这时由于图像是离散函数，每个灰度级可能的像素数为有限。

在某些灰度级别可能没有像素，而在其他灰度级别则像素拥挤。 13.5直方图规范是指一种将图像的直方图转换为指定形状的直方图的增强方法。规定的直方图可以是参考图像的直方图。通过变换，两个图像的亮度变换定律尽可能接近。规定的直方图也可以是特定函数形式的直方图，以使变换后的图像亮度变换尽可能服从该函数分布。直方图调节的原理是使两个直方图均等以成为相同的归一化均匀直方图。以这种均匀的直方图为媒介，可以对参考图像进行均衡的逆计算。 13.614直方图匹配：15共现矩阵方法：图P55灰度共现矩阵（GLCM，也称为灰度联合概率矩阵方法）描述了图像中像素（i，j）的灰度级何时为IK同时。从（i，j）沿任何方向偏移d的像素（I'，j'）的灰度级的概率为Ie。此方法对图像中的所有像素进行计数，以描述其灰度级的分布。应用表明，GLCM是一种性能良好的方法。它不仅适用于艺术和科学识别，而且在用于图像分割时也具有良好的效果。第4章16彩像可以分为真彩像和假彩像。 17颜色合成包括伪彩色合成，真彩色合成，伪彩色合成和间的红外热像中，河水色调明亮，水体具有不规则的弯曲边界。 5)树林和草原在白天，树林是深灰色至灰黑色，晚上则是浅灰色甚至白色。草原在晚上是黑色或黑暗6)土壤和岩石在午夜之后，土壤是含水量高的灰色或灰白色，而含水量低的深灰色或深灰色。白天岩石是浅灰色的。 7)夜间的热红外航拍照片要好于白天，并且黎明前的热红外效果最好，因为它不受夜间太阳辐射的影响。热红外图像的色调差异主要取决于地面物体的温度和辐射热红外能力。 56无监督分类方法：K-means方法和ISODATA方法是两种最有效和最常用的方法。 57无监督分类假设：在相同的表面结构特征，植被覆盖和光照条件下，遥感影像上的相似特征具有相同或相似的光谱特征，从而表现出一定的固有相似性，这可以归因于相同的A光谱空间。不同的地面要素具有不同的光谱信息，并且属于不同的光谱空间。 58聚类分析方法主要用于根据相似度将像素分为几类。同一类别中像素之间的差异应尽可能小，不同类别中像素之间的差异应尽可能大。无监督分类算法的关键是：初始类别参数的选择。 59无监督分类的主要过程：1)确定初始类别参数，即确定初始类别编号和类别中心（点组中心）。

2)计算与每个像素相对应的特征向量与每个点组的中心之间的距离。 3)选择距中心距离最短的类别作为此向量所属的类别。 4)计算新类别均值向量5)比较新类别均值和初始类别均值。如果发生变化，请使用新的类别均值作为聚类中心，从步骤（2)开始迭代。6)如果点组的中心不变，则计算停止。60监督分类P225监督的前提分类：已知遥感图像样本区域中特征的类型样本区域也称为训练区域。监督分类的基本过程：61混淆矩阵是由n行n列组成的矩阵表示分类结果的准确性。这里的n表示类别的数量。有时该矩阵称为误差矩阵61.1用于测试的实际类别的来源：分类之前选择的训练区域以及类别和它们的空间分布图是在训练样本中确定的；具有已知类别的局部地区的类型图；实地调查的结果62限制分类因素精度1)遥感图像的约束主要是二维的，缺乏高程和表层以下的深层结构，信息传输过程的局限性以及遥感信息之间的复杂相关性决定了遥感的不确定性和多重解决方案信息这是限制遥感影像分类准确性的主要原因。遥感信息传输的过程包括信息衰减或增益的许多过程，对遥感信息处理和分析模型的研究也需要从物理实验到自然界的过程。建立完全逆转地球表面系统的区域差异和时间变化的仿真模型是不可能的。

遥感影像空间分辨率的变化。在低空间分辨率的情况下，遥感图像像素不一定包含纯特征信息，而是通常包含各种混合特征类型。在高分辨率的情况下，通常会夸大具有更高复杂度的相似特征的差异，从而导致分类的复杂性。 2)分类方法的限制目前，大多数方法都是单点分类，即在确定或调试分类模型后，逐个像素地计算分类。分类主要依靠光谱信息，而遥感图像的空间信息和结构信息尚未得到充分利用。分类所依赖的光谱信息随环境和时间的变化而变化，大量的同谱异物和同谱异谱现象给计算机分类带来了困难。基于常规统计方法的分类算法通常存在以下缺陷” 1○初始条件的确定具有一定的随机性2○难以确定全局最优分类特征，中心向量和最优类别数； 3○在分类过程中很难整合地球科学专家的知识，监督分类的结果往往取决于训练样本的选择，很难找到统一和定量的标准，这使得分类工作不可重复。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-350701-1.html