西安科技大学测绘学院遥感图像处理与应用考试原题.docx
- 文档编号:4403955
- 上传时间:2023-05-07
- 格式:DOCX
- 页数:43
- 大小:144.05KB
西安科技大学测绘学院遥感图像处理与应用考试原题.docx
《西安科技大学测绘学院遥感图像处理与应用考试原题.docx》由会员分享,可在线阅读,更多相关《西安科技大学测绘学院遥感图像处理与应用考试原题.docx(43页珍藏版)》请在冰点文库上搜索。
西安科技大学测绘学院遥感图像处理与应用考试原题
一、填空题(每题1分,共15分)
2、存储一幅大小为
,256个灰度级的图像,需要8Mbit。
4、直方图均衡化适用于增强直方图呈尖峰分布的图像
6、图像压缩是建立在图像存在编码冗余、像素间冗余、心理视觉冗余三种冗余基础上。
7、对于彩色图像,通常用以区别颜色的特性是色调、饱和度
亮度。
8、对于拉普拉斯算子运算过程中图像出现负值的情况,写出一种标定方法:
二、选择题(每题2分,共20分)
1、采用幂次变换进行灰度变换时,当幂次取大于1时,该变换是针对如下哪一类图像进行增强。
(B)
A图像整体偏暗B图像整体偏亮
C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景
2、图像灰度方差说明了图像哪一个属性。
(B)
A平均灰度B图像对比度
C图像整体亮度D图像细节
3、计算机显示器主要采用哪一种彩色模型(A)
A、RGBB、CMY或CMYKC、HSID、HSV
4、采用模板[-11]T主要检测(A)方向的边缘。
A.水平 B.45C.垂直 D.135
5、下列算法中属于图象锐化处理的是:
(C)
A.低通滤波B.加权平均法C.高通滤波 D.中值滤波
6、维纳滤波器通常用于(C)
A、去噪B、减小图像动态范围C、复原图像D、平滑图像
7、彩色图像增强时,C处理可以采用RGB彩色模型。
A.直方图均衡化B.同态滤波
C.加权均值滤波D.中值滤波
8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A.逆滤波B.维纳滤波C.约束最小二乘滤波D.同态滤波
9、高通滤波后的图像通常较暗,为改善这种情况,将高通滤波器的转移函数加上一常数量以便引入一些低频分量。
这样的滤波器叫B。
A.巴特沃斯高通滤波器B.高频提升滤波器
C.高频加强滤波器D.理想高通滤波器
10、图象与灰度直方图间的对应关系是B__
A.一一对应B.多对一C.一对多D.都不
三、判断题(每题1分,共10分)
2、高斯低通滤波器在选择小的截止频率时存在振铃效应和模糊现象。
(×)
3、均值平滑滤波器可用于锐化图像边缘。
(×)
4、高频加强滤波器可以有效增强图像边缘和灰度平滑区的对比度。
(√)
5、图像取反操作适用于增强图像主体灰度偏亮的图像。
(×)
6、彩色图像增强时采用RGB模型进行直方图均衡化可以在不改变图像颜色的基础上对图像的亮度进行对比度增强。
(×)
7、变换编码常用于有损压缩。
(√)
8、同态滤波器可以同时实现动态范围压缩和对比度增强。
(√)
9、拉普拉斯算子可用于图像的平滑处理。
(×)
10、当计算机显示器显示的颜色偏蓝时,提高红色和绿色分量可以对颜色进行校正。
(√)
四、简答题(每题5分,共20分)
1、逆滤波时,为什么在图像存在噪声时,不能采用全滤波?
试采用逆滤波原理说明,并给出正确的处理方法。
复原由退化函数退化的图像最直接的方法是直接逆滤波。
在该方法中,用退化函数除退化图像的傅立叶变换来计算原始图像的傅立叶变换。
由上式可以看到,即使我们知道退化函数,也可能无法准确复原未退化的图像。
因为噪声是一个随机函数,其傅氏变换未知。
当退化为0或非常小的值,N(u,v)/H(u,v)之比很容易决定
的值。
一种解决该问题的方法实现值滤波的频率时期接近原点值。
2、当在白天进入一个黑暗剧场时,在能看清并找到空座位时需要适应一段时间,试述发生这种现象的视觉原理。
答:
人的视觉绝对不能同时在整个亮度适应范围工作,它是利用改变其亮度适应级来完成亮度适应的。
即所谓的亮度适应范围。
同整个亮度适应范围相比,能同时鉴别的光强度级的总范围很小。
因此,白天进入黑暗剧场时,人的视觉系统需要改变亮度适应级,因此,需要适应一段时间,亮度适应级才能被改变。
3、简述梯度法与Laplacian算子检测边缘的异同点?
答:
梯度算子和Laplacian检测边缘对应的模板分别为
-1
-1
1
1
1
1
-4
1
1
(梯度算子)(Laplacian算子)(2分)
梯度算子是利用阶跃边缘灰度变化的一阶导数特性,认为极大值点对应于边缘点;而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性,认为边缘点是零交叉点。
(2分)
相同点都能用于检测边缘,且都对噪声敏感。
(1分)
4、将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。
上述两个操作的先后顺序对结果有影响吗?
为什么?
答:
有影响,应先进行高频加强,再进行直方图均衡化。
高频加强是针对通过高通滤波后的图像整体偏暗,因此通过提高平均灰度的亮度,使图像的视觉鉴别能力提高。
再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围,从而达到提高对比度的效果。
若先进行直方图均衡化,再进行高频加强,对于图像亮度呈现较强的两极现象时,例如多数像素主要分布在极暗区域,而少数像素存在于极亮区域时,先直方图均衡化会导致图像被漂白,再进行高频加强,获得的图像边缘不突出,图像的对比度较差。
五、问答题(共35分)
1、设一幅图像有如图所示直方图,对该图像进行直方图均衡化,写出均衡化过程,并画出均衡化后的直方图。
若在原图像一行上连续8个像素的灰度值分别为:
0、1、2、3、4、5、6、7,则均衡后,他们的灰度值为多少?
(15分)
答:
①
,k=0,1,…7,用累积分布函数(CDF)作为变换函数T[r]处理时,均衡化的结果使动态范围增大。
r0=0
0.174
0.174
1/7
s0=1/7
0.174
r1=1/7
0.088
0.262
2/7
r2=2/7
0.086
0.348
2/7
s1=2/7
0.174
r3=3/7
0.08
0.428
3/7
r4=4/7
0.068
0.496
3/7
s2=3/7
0.148
r5=5/7
0.058
0.554
4/7
r6=6/7
0.062
0.616
4/7
s3=4/7
0.120
r7=1
0.384
1
1
s4=1
0.384
②均衡化后的直方图:
③0、1、2、3、4、5、6、7均衡化后的灰度值依次为1、2、2、3、3、4、4、7
第5页(共7页)
3、理想低通滤波器的截止频率选择不恰当时,会有很强的振铃效应。
试从原理上解释振铃效应的产生原因。
(10分)
答:
理想低通滤波器(频域)的传递函数为:
滤波器半径交叉部分(侧面图):
对应空间域(进行傅立叶反变换,为sinc函数):
用理想低通滤波器滤波时,频域:
,傅立叶反变换到时域有:
,频域相乘相当于时域作卷积。
因此,图像经过理想低通滤波器后,时域上相当于原始图像与sinc函数卷积,由于sinc函数振荡,则卷积后图像也会振荡;或者说由于sinc函数有两个负边带,卷积后图像信号两侧出现“过冲现象”,而且能量不集中,即产生振铃效应。
若截止频率越低,即D0越小,则sinc函数主瓣越大,表现为中心环越宽,相应周围环(旁瓣)越大。
而中心环主要决定模糊,旁瓣主要决定振铃效应。
因此当介质频率较低时,会产生很强的振铃效应。
选择适当的截止频率,会减小振铃效应。
1.1.1K-L变换
K-L变换(Karhunen-LoeveTransform)是建立在统计特性基础上的一种变换,有的文献也称为霍特林(Hotelling)变换,因他在1933年最先给出将离散信号变换成一串不相关系数的方法。
K-L变换的突出优点是相关性好,是均方误差(MSE,MeanSquareError)意义下的最佳变换,它在数据压缩技术中占有重要地位。
假定一幅NxN的数字图像通过某一信号通道传输M次,由于受随机噪音干扰和环境条件影响,接收到的图像实际上是一个受干扰的数字图像集合
对第i次获得的图像fi(x,y),可用一个含N2个元素的向量Xi表示,即
该向量的第一组分量(N个元素)由图像fi(x,y)的第一行像素组成,向量的第二组分量由图像fi(x,y)的第二行像素组成,依此类推。
也可以按列的方式形成这种向量,方法类似。
X向量的协方差矩阵定义为:
mf定义为:
Cf和mf的表达式中,“E”是求期望。
对于M幅数字图像,平均值向量mf和协方差矩阵Cf可由下述方法近似求得:
可以看出,mf是N2个元素的向量,Cf是N2xN2的方阵。
根据线性代数理论,可以求出协方差矩阵的N2个特征向量和对应的特征值。
假定是按递减顺序排列的特征值,对应的特征向量
ei=。
则K-L变换矩阵A定义为:
从而可得K-L变换的变换表达式为:
该变换式可理解为,由中心化图像向量X-mx与变换矩阵A相乘即得到变换后的图像向量Y。
Y的组成方式与向量X相同。
K-L变换虽然具有MSE意义下的最佳性能,但需要先知道信源的协方差矩阵并求出特征值。
求特征值与特征向量并不是一件容易的事,维数较高时甚至求不出来。
即使能借助计算机求解,也很难满足实时处理的要求,而且从编码应用看还需要将这些信息传输给接收端。
这些因素造成了K-L变换在工程实践中不能广泛使用。
人们一方面继续寻求解特征值与特征向量的快速算法,另一方面则寻找一些虽不是“最佳”、但也有较好的去相关与能量集中的性能且容易实现的一些变换方法。
而K-L变换就常常作为对这些变换性能的评价标准。
1.2什么是图像的采样和量化?
量化级别有什么意义
将空间上连续的图像变换成离散点(即像素)的操作称为采样。
采样时,连续的图像空间被划分为网格,并对各个网格内的辐射值进行测量。
通过采样,才能将连续的图像转换为离散的图像,供计算机进行数字图像处理。
采样后图像被分割成空间上离散的像素,但其灰度值没有改变。
量化是将像素灰度值转换成整数灰度级的过程。
采样影响着图像细节的再现程度,间隔越大,细节损失越多,图像的棋盘化效果越明显。
量化影响着图像细节的可分辨程度,量化位数越高,细节的可分辨程度越高;保持图像大小不变,降低量化位数减少了灰度级会导致假的轮廓。
1.3怎么计算图像文件的大小
图像文件的大小(字节)按照下面的公式计算:
图像行数x图像列数x每个像素的字节数x波段数x辅助参数
其中,辅助参数一般为1。
一些系统如ERDAS,在图像文件中加入了图像金字塔索引等信息,该值为1.4。
每个像素的字节数与存储有关,8位数为1个字节。
以8位量化产生的图像,每个像素值为0-255,占用一个字节。
16位数占用两个字节,以此类推。
1.3.1图像增强的主要目的是什么?
包含的主要内容有哪些?
图像增强的主要目的有:
改变图像的灰度等级,提高图像对比度;消除边缘和噪声,平滑图像;突出边缘或线状地物,锐化图像;合成彩色图像;压缩图像数据量,突出主要信息等。
图像增强的主要内容有:
空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。
1.3.2何谓图像锐化?
图像锐化处理有几种方法?
试述Laplace算法的特点。
(1)图像锐化的概念:
为了突出边缘和轮廓、线状目标信息,可以采用锐化的方法。
锐化可使图像上边缘与线性目标的反差提高,因此也称为边缘增强。
(2)图象锐化处理的方法:
1梯度法 2Roberts梯度3Prewitt和Sobel梯度4Laplace算法5定向检测
(3)Laplace算法的特点Laplace算子检测的是变化率的变化率,是二阶微分,在图像上灰度均匀和变化均匀的部分,根据Laplace算子计算出的值为0。
因此,它不检测均匀的灰度变化,产生的图像更加突出灰度值突变的部分。
1.3.3何谓图像平滑?
什么是均值滤波?
什么是中值滤波?
图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分,使图像亮度平缓渐变,减小突变梯度,改善图像质量的图像处理方法。
均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标象素为中心的周围8个象素,构成一个滤波模板,即去掉目标象素本身)。
再用模板中的全体像素的平均值来代替原来像素值。
均值滤波也称为线性滤波,其采用的主要方法为领域平均法。
线性滤波的基本原理是用均值代替原图像中的各个像素值,即对待处理的当前像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像在该点上的灰度个g(x,y),即个g(x,y)=1/m∑f(x,y)m为该模板中包含当前像素在内的像素总个数。
中值滤波法是一种非线性平滑技术,它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.
实现方法:
1:
通过从图像中的某个采样窗口取出奇数个数据进行排序
2:
用排序后的中值取代要处理的数据即可
中值滤波法对消除椒盐噪音非常有效,在光学测量条纹图象的相位分析处理方法中有特殊作用,但在条纹中心分析方法中作用不大.
中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法
中值滤波原理
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。
方法是去某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。
二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)},其中,f(x,y),g(x,y)分别为原始图像和处理后图像。
W为二维模板,通常为2*2,3*3区域,也可以是不同的的形状,如线状,圆形,十字形,圆环形等。
1.3.4什么是多光谱空间?
什么是主成分变换?
主成分变换的应用意义是什么?
多光谱空间是一个n维坐标系,每一个坐标轴代表多波段图像的一个波段,坐标值表示该波段像元的灰度值,图像中的每个像元对应于坐标空间中的一个点。
K-L变换又称为主成分变换(principalcomponentanalysis)或霍特林(Hotelling)变换。
它的原理如下:
对某一n个波段的多光谱图像实行一个线性变换,即对该多光谱图像组成的光谱空间X乘以一个线性变换矩阵A,产生一个新的光谱空间Y,即产生一幅新的n个波段的多光谱图像。
其表达式为Y=AX
式中:
X为变换前多光谱空间的像元矢量;Y为变换后多光谱空间的像元矢量;A为一个n×n的线性变换矩阵。
根据以上的分析可将K-L变换的应用归纳如下。
数据压缩。
经过主成分变换,多光谱图像变成了新的主成分图像,像元的亮度值不再表示地物原来的光谱值。
但变换后的前几个主分量包含了绝大部分的地物信息,在一些情况下几乎是100%,因此可以只取前几个主分量,既获得了绝大部分的地物信息,又减少了数据量,如TM图像,经主成分变换后可只取前3个主分量,波段数由7个减少到3个,数据量减少到43%,实现了数据压缩。
(2)图像增强。
主成分变换的前几个主分量包含了主要的地物信息,噪声相对较少;而随着信息量的逐渐减少,最后的主分量几乎全部是噪声信息(如MSS数据中的条纹)。
因此,主成分变换突出了主要信息,抑制了噪声,达到了图像的目的。
(3)分类前预处理。
多波段图像的每个波段并不都是分类最好的信息源,因而分类前的一项重要工作就是特征选择,即减少分类的波段数并提高分类效果。
主成变换即是特征选择最常用的方
1.3.5什么是监督分类,什么是非监督分类?
简述监督分类和非监督分类的异同。
1)监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别,于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。
2)非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。
3)异:
a.监督分类对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别;非监督分类对于遥感图像地物的属性不具有先验知识。
b.监督分类以样本类别的特征作为依据可直接判断非样本数据的类别;非监督分类仅凭据遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类,并不确定类别的属性,其属性是通过事后对各类的光谱响应曲线进行分析,以及与实地调查相比较后确定的。
4)同:
都是依据地物的光谱特性的点独立原则来分类的,且都采用的是统计方法。
1.3.6比较绝对值距离、马氏距离、欧氏距离判别函数之间的异同点。
1.绝对值距离也叫出租汽车距离或城市块距离。
在二维空间中可以看出,这种距离是计算两点之间的直角边距离,相当于城市中出租汽车沿城市街道拐直角前进而不能走两点连接间的最短距离。
绝对值距离的特点是各特征参数以等权参与进来,所以也称等混合距离。
2.欧几里德距离
欧几里德距离(Euclidean)距离就是两点之间的直线距离(以下简称欧氏距离)。
欧氏距离中各特征参数也是等权的。
绝对值距离和欧几里德距离都称为闵可夫斯基(Minkowski)距离(以下简称闵氏距离)
(1)闵氏距离与特征参数的量纲有关。
有不同量纲的特征参数的闵氏距离常常是无意义的。
(2)闵氏距离没有考虑特征参数间的相关性。
而哈拉诺比斯距离解决了这个问题。
3.马哈拉诺比斯距离
与前两种距离不同,马氏距离是一种加权的欧氏距离,它是通过协方差矩阵来考虑变量相关性的。
1.3.7简述遥感图像计算机监督分类的基本过程。
所谓监督分类是指由用户在计算机屏幕上用鼠标画出典型类别的图斑,比如用户要对图像分出5种类别的地物,则用户分别画出这5类地物对应的图斑,每类图斑数目不限定为1个,可以多个,不同类别的图斑数目也不必一定相等。
画出每类地物对应的图斑时,也可以不完全沿着图斑的边界,只要在图斑内勾划出一个闭合区域即可。
系统要求用户对各类地物给出一个编码。
这个过程叫做对计算机“训练”,用户画出的各类图斑叫做训练区或训练样本。
训练完毕,计算机系统分析每类训练样本图斑内像元灰度向量的特点,用统计学的方法对图像整体进行自动分类。
这种用户参与监督指导下的分类称作监督分类。
当然,用户给出的每类图斑的数目越多,图斑划定越准确,分类效果就越好。
一般说来,图斑类别不要太多,通常在8类以下。
监督分类通常按以下步骤进行操作:
(1)制定分类方案:
从应用需求出发,确定要将遥感影像分成哪些类别;
(2)选取训练样本:
为每个类别选取训练样本。
本质上说,每个类别就是由它们的训练样本来定义的。
因此,训练样本的准确度和全面性将直接影响后续的分类精度。
训练样本的获取手段既可以是同步的实地调查,也可以在相同时期的地图、高分辨率的影像(如航空像片)或者其他信息源的辅助下从影像中直接选取;
(3)特征选取:
选取适当的分类特征,使各类的训练样本之间的可分性尽可能高;
(4)训练分类器:
选取适当的分类算法,并根据基于训练样本的学习来确定分类算法中的未知参数的取值,该步骤与上一步骤常常合并进行,因为不同分类器就有不同的特征选取方法;
(5)影像分类:
用分类器确定影像中的所有像元的类别;
(6)精度评价:
估计整个影像的分类精度。
2计算题
2.1什么是混淆矩阵?
Kappa系数如何计算?
2.2如图为一幅16级灰度的图像。
请写出均值滤波和中值滤波的3x3滤波器;说明这两种滤波器各自的特点;并写出两种滤波器对下图的滤波结果(只处理灰色区域,不处理边界)。
(15分)
题5图
2.3设图像如下表a所示,分别求经过邻域平滑和高通算子锐化的结果,其中边缘点保持不变,邻域平滑模板取3*3矩阵,即
,高通算子取3*3矩阵,即:
表a
1
1
3
4
5
2
1
4
5
5
2
3
5
4
5
3
2
3
3
2
4
5
4
1
1
1一幅灰度级均匀分布的图像,其灰度在[0,255],则该图像的信息量为8
2图像与灰度直方图间的对应关心是:
多对一
3下列算法中属于图像锐化处理的是:
高通滤波
4下列算法中属于点处理的是:
二值化
A梯度锐化b二值化c傅立叶变换d中值滤波
5计算机显示器主要采用哪一种彩色模型RGB
6下列算法中属于图像平滑处理的是:
中值滤波
A梯度锐化b直方图均衡c中值滤波dlaplacian增强
7采用模版[-1,1]主要检测:
垂直方向的边缘。
8对衣服100X100像元的图像,若每像元用8bit表示其灰度值,经霍夫曼编码后压缩图像的数据量为40000bit,则图像的压缩比为:
2:
1
9维纳滤波器通常用于复原图像
10图像灰度方差说明了图像的哪一个属性:
图像对比度
11下列算法中属于局部处理的是:
中值滤波。
12数字图像处理研究的内容不包括:
数字图像存储。
包括:
图像数字化,图像增强,图像分割等
13将灰度图像转换成二值图像的命令为:
im2bw
14图像的形态学处理方法包括:
腐蚀
15下列图像边缘算子中抗噪性能最好的是:
Prewitt算子
17二值图像中分支点的连接数为:
3
填空题
1图像锐化除了在空间域进行外,也可以在:
频率域进行。
2对于彩色图像,通常用以区别颜色的特性是:
色调、饱和度、亮度。
3依据图像的保真度,图像压缩可分为:
无损压缩和有损压缩。
4存储一幅大小为1024X1024,256个灰度的图像,需要:
8Mbit。
5一个基本的数字图像处理系统由:
图像输入,图像存储,图像输出,图像通信,图像处理和分析5个模块组成。
6低通滤波法是使:
高频成分受到抑制而让:
低频成分顺利通过,从而实现图像平滑。
7一般来说,采样间距越大,图像数据量:
少,质量:
差;反之亦然。
8多年来建立了许多纹理分析法,这些方法大体可分为:
统计分析法和结构分析两大类。
9直方图修正法包括:
直方图均衡和直方图规定化两种方法。
10图像压缩系统是由:
编码器和解码器两个截然不同的结构块组成的。
11图像处理中常用的两种领域是:
4-领域和8-领域。
12若将一股灰度图像中的对应直方图的偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替(设灰度级为256),所得到的图像将亮度:
增加,对比度:
减少。
13数字图像处理,即用:
计算机对图像进行处理。
14图像数字化过程包括3个步骤:
采样,量化和扫描。
15MPEG4标准主要编码技术有:
DCT变换、小波变换等。
16灰度直方图的横坐标是:
灰度级,纵坐标是:
该灰度出现的频率。
17数据压缩技术应用了数据固有的:
冗余性和不相干性,将一个大的数据文件转换成较小的文件。
18基本形态学运算是:
腐蚀和膨胀。
先腐蚀后膨胀的过程为开运算,先膨胀后腐蚀的过程为闭运算。
19在RGB彩色空间的原点上,三个基色均没有:
亮度,即原点为:
黑色,三基色都达到最高亮度时则表现为:
白色。
20数字图像是:
图像
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 西安 科技大学 测绘 学院 遥感 图像 处理 应用 考试