【考研复试】遥感主要知识点汇总

一、推扫式扫描仪和光机扫描仪的比较

线性阵列系统可以为每个探测器提供较长的停留时间，以便更充分的测量每个地面分辨单元的能量。因此，推扫式扫描仪有更强的记录信号和更大的感应范围，从而得到更高的空间分辨率和辐射分辨率。
由于探测每行数据的探测器元件间有固定的关系。且它消除了因扫描过程扫描镜速度变化引起的几何误差，具有更大的稳定性。因此，线性阵列系统的几何完整性更好、几何精度更高。
一般线性阵列由许多CCD组成，CCD是固态微电子装置，一般它们体积小、重量轻、能耗低。
由于没有机械扫描仪的机械运动部件，线性阵列系统稳定性更好，且结构的可靠性高，使用寿命更长。
大量探测器之间灵敏度的差异，往往产生带状噪声，需要进行校准。
目前长于红外波段的CCD探测器的光谱灵敏度尚受到限制。
推扫式扫描仪的总视场一般小于光机扫描仪。

光机扫描仪（光学机械扫描仪、线阵式）

借助于遥感平台沿飞行方向运动和传感器本身光学机械横向扫描，达到地面覆盖、得到地面条带图像的成像装置。

成像过程：

扫描镜安装在飞行器上，在机械驱动下，随遥感平台（飞机、卫星）的前进运动而摆动，作垂直于飞行方向的运动，依次对地面进行扫描，地面物体的辐射波束经扫描反射镜反射，并经透镜聚焦和分光，分别将不同波长的波段分开，再聚焦到感受不同波长的探测元件上。地物景像被逐点扫过，并逐点分波段测量，从而获得多光谱的遥感图像信息。

应用：

多光谱扫描仪、红外扫描仪、专题制图仪tm

常见的光机扫描成像系统：

Landsat/MSS
Landsat/TM 1、2、3、4、5、6、7
Landsat/ETM+
NOAA/AVHRR(CH1、CH2)
FY-1/AVHRR（Advanced Very High Resolution Radiometer改造型甚高分辨率辐射仪）
FY-2/VIWSSR（可见光、红外和水汽自旋扫描辐射计）

推扫式扫描仪（面阵式）

光机扫描仪：

利用旋转扫描镜，逐个像元轮流采光，即沿扫描线逐点扫描成像；推扫式扫描仪不使用摆动的扫描镜，而是把探测器沿扫描方向（垂直于飞行方向）阵列式排列来感受地面响应，仪器中有一个平面反射镜，将地面辐射来的电磁波反射到反射镜组，然后聚焦在CCD阵列元件上，CCD的输出端以一路时序视频信号输出，同时采光，同时转化为电信号，同时成像。在CCD元件扫描仪中放置分光器件和不同的CCD元件，可使扫描仪既可以进行单波段扫描，也可以进行多波段扫描。

推扫式扫描仪的设计能满足分辨率越来越高的需求，只要线性排列继承的CCD元件足够多，分辨率可以不断提高。（法国SPOT卫星的HRV传感器每线性阵列有4096个CCD探测器，地面分辨率15m）

常见的推扫式扫描成像系统：

SPOT5/HRG（高分辨率几何成像装置）
SPOT5/HRS（高分辨率立体成像装置）
SPOT5/VGT（宽视域植被探测仪）
CBERS-1

成像光谱仪

问题：虽然多光谱遥感(MSS、TM、SPOT)较摄影遥感有许多优势，但是它们十分有限的波段、较宽的波段间隔(60-200nm)均难以真实地反映地表物质的光谱反射辐射特性的细微差异，更无法用光谱维的空间信息来直接识别地物的类别，特别是地物的组成、成分等。

原理：对遥感而言，在一定波长范围内，被分割的波段数愈多，即波谱采样点愈多，愈接近于连续波谱曲线，因此可以使得扫描仪在取得目标地物图像的同时也能获得该地物的光谱组成。这种既能成像又能取得目标光谱曲线的“图谱合一”的技术，称为成像光谱技术。按该原理制成的扫描仪称为成像光谱仪。

成像光谱仪基本上属于多光谱扫描仪，其工作方式主要为推扫式，区别仅在于通道数多，各通道的波段宽度很窄。从几何角度来说，成像光谱仪的成像方式与多光谱扫描仪相同，或与CCD线阵列传感器相似，因此，在几何处理时，可采用与多光谱扫描仪和CCD线阵列传感器数据类似的方法。

但目前，成像光谱仪只注重提高光谱分辨率，其空间分辨率却较低(几十甚至几百米)。正是因为成像光谱仪可以得到波段宽度很窄的多波段图像数据，所以它多用于地物的光谱分析与识别上。

特点：

高光谱分辨率：成像光谱仪能获得整个可见光、近红外、短波红外、热红外波段的多而窄的连续的光谱波段
图谱合一：仪器在获得数十、数百个光谱图像的同时，可以显示影像中每个像元的连续光谱，因此能在空间和光谱维度上快速区分和识别地物目标。

常见的光谱成像仪：

Terra/MODIS：36个光谱通道0.4-14.3um，其中可见光-短波红外20个通道，短波红外16个波段。
AVIRIS航空可见光/红外光成像光谱仪，共224个波段，光谱范围0.38um-2.5um，波段宽度10nm。

二、数字高程模型

表示形式：按其结构形式分为规则格网、散点、等值线、曲面、线路、平面多边形和空间多边形等多种数字地面模型。

常用为：规则格网和不规则三角格网

规则格网

定义：利用一些列在XY方向上都是等间隔排列的地形点的高程Z表示地形，形成一个矩形网格DEM。

优点：

数据量小，便于使用与管理

易于用计算机进行处理，特别是栅格数据结构的地理信息系统

易于计算等高线、坡度坡向、山坡阴影和自动提取流域地形

缺点：

不能准确表示地形的结构与细部

网格过于粗略，不能精确表达某些重要的地形特征，如山峰、挖坑、山脊、山谷等

不能改变网格大小就无法适用于起伏程度不同的地区

在地形简单、平坦的地区存在大量冗余数据

不规则三角网-TIN

定义：将按地形特征采集的点按一定规则连接成覆盖整个区域且互不重叠的三角形，构成的一个由不规则的三角网表示的DEM

优点：

能较好估计地貌特征点、线

表示复杂地形表面比矩形格网精确

构成TIN网的节点都是原始数据，可以避免内擦精度损失

缺点：

数据量大

数据结构较复杂，除存储姐弟啊三维数据外，还要设置网点连线的拓扑关系

使用于管理较复杂

Grid-TIN混合网

一般地区使用矩形网数据结构，根据地形采用不同密度的格网

沿地形特征附加三角网数据结构

三、影像匹配的若干问题

匹配技术难点分析

由于待匹配图象间拍摄时间与条件的变化（成像条件的差异）
待匹配的图像间存在不同程度的不一致性
图像预处理引入的误差

使得参考图二号实时图之间不仅存在严重的灰度差异，而且存在相当的几何形变、灰度失真、噪声干扰。

技术难点：

图像匹配特征：

Q：如何找到有效表示匹配对象的本质，并且不受物体旋转、位移、缩放、倾斜和变形影响的特征？
A：变化特征——Fourier变换、K-L变换、Hough变换等
相似性测度
Q：如何刻画模板与潜在匹配子图像间相似程度？
A：距离测度、相似度、概率测度
匹配策略
Q：如何算法优化？
A：序贯相似性检测、金字塔方法、遗传算法

因此匹配算法应该具有计算量少，便于硬件/并行实现；具有良好的抗噪能力和抗形变能力。

总述：

对任何一种影像匹配，其有效性都依赖于对一些共同的基本问题的解决

问题：

选择正确的匹配基元

寻找基元间的本质属性

制定相应的匹配准则（约束条件）

采用合理的匹配策略

设计良好的算法

匹配基元的选择问题
匹配基元指用以进行匹配的图像特征。
在设计匹配算法时, 首先必须根据应用的需求和影像的特点选择合适的匹配基元。不同匹配基元的选择有着各自不同的理论依据。基元不同, 围绕基元制定的匹配准则,采用的匹配策略和算法结构也会不同。因此, 可以说匹配基元是一个影像匹配算法最本质的属性。

匹配基元的种类：
特征基元（点|线状基元）、区域基元、相位基元
匹配准则的制定问题
匹配中的约束条件, 即匹配准则, 是根据所选的匹配基元将现实世界中物体的固有属性表示成匹配所必须遵循的若干准则, 用以提高系统的去歧义匹配能力和计算效率。Marr 提出的相容性约束、唯一性约束和连续性约束被认为是最基本的物理约束。在这三个约束的基础上针对景物特点和应用要求, 附加某些先验知识能够引申出一些特定的匹配准则。
匹配策略的采取问题
影像匹配实质是个不适定问题, 无论采用何种类
型的匹配算法, 均须加入有效的匹配策略限制其解空间的大小, 更大程度地减少匹配结果的歧义性。

分层匹配策略:可以理解为一种全局 -局部的多分辨率匹配思想。
全局最优搜索策略：在算法中加入全局性
约束条件, 这些约束条件一般以能量方程最小化的形式体现。具体方法有 SO 算法、动态规划法、松弛法、图形切割法和基于神经网络的匹配方法。
边界约束策略：首先提取边缘, 然后进行边缘特征匹配, 最后在此基础上进行进一步灰度匹配的方法。
多基线匹配策略：利用另一个角度上的视图进行校正。

实例：

方法思路：

互相匹配：以某图像为参考图像进行匹配
绝对匹配：在统一地理坐标系下对图像进行匹配
空间域：从影像的几何形变和灰度差的角度入手，具有精度高、速度快的特点
频率域：涉及空间域和频率域的转化，较复杂，要求高。

主流方法：

基于区域灰度
利用图像灰度之间的相似性，因此要求图像间光照，旋转差异等较小，且在匹配前图像灰度基本一致。它与其他方法相比具有计算量小，易于硬件实现等优点。但若存在旋转变换，物体遮挡，比例变化，投影变换等会使模板图像和陌生图象发生旋转和扭曲等形变，这会使得匹配情况十分复杂。
基于特征
利用点、线等特征进行匹配，对图像畸变、遮挡等具有一定鲁棒性，但容易受噪声影响，其匹配性能主要取决于特征提取的质量。
基于对图像的理解和解释
将数字图像理解为一连续的物理模型，可以同时完成特征匹配和图象变换。

问题与解决

第一层次：灰度信息匹配方法

围绕减少搜索空间和减少匹配时间的问题：
提出了序贯相似性检测算法、两级模板匹配算法、分层序贯匹配算法、多子区域相关匹配算法等快速匹配算法
围绕抗噪声干扰和抗几何失真问题：
提出了随机符号变化准则、不变矩等算法
围绕提高匹配精度和匹配速度有关问题：
提出
围绕计算量大，速度慢的问题：
提出了快速算法，如幅度排序相关算法

存在缺陷：
- 对图象的灰度变化比较敏感，尤其是非线性的光照变化，将大大减低算法的性能
- 计算复杂度高
- 对目标的旋转，形变以及遮挡比较敏感

第二层次：基于特征的匹配方法

所使用的特征基元有：点特征（明显点、角点、边缘点），边缘线段等。

局部特征：点、边缘、线条和小的区域
全局特征：多边形和称为结构的复杂的图象内容描述

特征提取的结果：
一个含有特征的表和对图象的描述。每一个特征的描述包括：边缘的定向和弧度，边与线的长度和曲率，区域的大小等。用这些局部特征之间的关系描述全局特征（几何关系、拓扑关系——结构匹配方法）

优点：
可以克服利用图像灰度信息进行匹配的缺点：

由于图像的特征点比较像素点而言少很多，大大减少了匹配过程中的计算量；
特征点的提取过程可以减少噪声的影响
对灰度变化（辐射度影响），图像形变以及遮挡等都有较好的适应能力。

缺点：

特征提取方法的计算代价通常较大，并且需要一些自由参数和事先按照经验选取的阈值，不便于实时应用
在纹理较少的图像区域提取的特征的密度通常比较稀少，是局部特征的提取比较困难
基于特征的匹配方法的相似性度量也比较复杂，往往要以特征属性、启发式方法及阈方法的结合来确定度量方法。

第三层次：基于亚像元匹配方法

亚像元定位方法：

基于推向高分辨率重采样的方法
基于曲面拟合的方法
微分法
基于Fourier分析的相位法
（主流）重采样和拟合方法结合——重采样实现插值时需花费大量时间，但精度高；曲面拟合方法精度有限，但所需时间极少。

优点：
突破物理分辨率的限制，提高匹配和定位精度（从像素级到亚像元级）

第四层次：倾斜影像的匹配难点与解决

难点：
倾斜航摄摄影像间的仿射变换不能近似为相似变换。多镜头集成的倾斜航空摄影系统中，侧视相机与下视相机、侧视相机之间均存在较大的摄影角度差异，若对影像匹配窗口不做预改正，同名点相似性测度是一个不确定的值，且大部分特征点提取算子都只能保证相似不变性，当相邻影像间的变换关系为仿射变换时，难以提取重复的特征点。
影像存在严重的遮蔽现象
倾斜航空摄影主要用于城市三维建模，自然地物的特征点有稳定重复率，但人工地物形状规则，边缘高频成分不稳定，高楼林立以及倾斜航摄影像自身几何特征就更加剧了影像匹配的难度。

解决：稀疏特征点——图（论）——基于图的特征匹配

四、正射影像

总述

目的：原始遥感影像会存在畸变从而失真，因此在使用原始遥感影像前，需要对其进行校正处理。
几何纠正通常包括：

用于消除影像倾斜误差的几何校正（适用于不涉及高程信息）
消除因地形起伏引起的投影误差的正射校正（适用于起伏较大的研究区域影像）

正射校正的优势：

可以消除成像过程中的各种因素引起的几何畸变（倾斜误差，利用地面高程信息消除因地形起伏引起的投影差）
包含了比线划图更直观、更丰富的信息

正射校正的流程：

获取同名控制点（均匀、足量、明显）
选择正射校正模型并对模型参数进行估计求解未知参数
影像校正：对原始影像进行空间变换和重采样，得到校正影像地图
精度评价：选取合适的评价指标，并对校正结果进行分析和评价

（一）、正射影像几何精度进行检查的主要方法有哪些？

DOM:Digital Orthophoto Map数字正射影像

精度评价

定义：
是指对校正后的影像上的坐标与真实地面（或参考影像）位置的差别进行评价。

影像质量检查

影像质量是数字正射影像图检查的主要内容之一，它包括原始影像质量和经过处理后的数字正射影像质量。原始影像质量是基础，影像是否清晰，颗粒是否细腻，色调是否一致，反差是否适中等是原始影像质量的必查项目。

质量评价标准

辐射一致性：采用灰度反差系数及统一亮度分布等指标
几何一致性：采用加速鲁棒特征SURF匹配点的偏移距离等指标
目视质量评价

数学精度检查：

数学基础的检测：
一般是将起始点坐标、终止点坐标、图廓范围、格网在屏幕上显示出来，逐一查对
接边精度的检测：
一般是用ArcViewGIS等影像软件，检查相邻两幅数字正射影像图的同名影像点是否重合，或计算两幅影像重叠或裂缝的宽度，并与限差比较
平面精度的检测：
- 数学摄影测量法：利用原加密点，计算同名点间坐标差，统计平面位置中误差
- 区域网加密驻点法：利用原像控点，同时加密像片的连接点和监测点，将加密的检测点坐标与数字正射影像地图相应地物点坐标比较，计算监测点坐标差，并统计平面中误差
- 利用已成图检验法：利用已成图（DLG数字线划地图），数字化监测点坐标并与数字正射影像地图相应地物点坐标比较，计算检测点坐标差，并统计平面位置中误差
- 实地测定法：根据数字正射影像图上明显地物点的影像，利用全站仪等进行坐标测定

几何质量检查思路：

利用影像对应的区域的基准地形图对正射影像的几何质量做出检查评价

利用影像对应区域的基准影像图对正射影像的几何质量做出检查评价

利用影像对应区域的实测检查点坐标对正射影像的几何质量做出检查评价

指标：

检验点的均方根误差RMSE——Root Mean Square Error
空间均误差SME——Spatial Mean Error
SME的空间方差SV——Spatial Variance
中误差、极限误差、相对误差、最大点位误差

过程：

在基准影像上选择一定数量且均匀分布的监测点
利用人工判读或匹配算法在被检测影像上获取同名像点
利用零立体观测，发现并提出错误匹配点
统计同名像点坐标差，获得影像几何质量评价的结果

（二）、正射影像的辐射镶嵌的含义是什么？

现象

如果对相邻影像间的辐射度的差异不做任何处理进行影像镶嵌时，往往会在拼接线处产生人为的假边界，导致影像的判读更困难，影响地图的整体效果。

方法：色彩平衡（辐射度差异——色调差异）

常用：利用数字图像处理方法先对相邻影像进行直方图拉伸，再进行直方图匹配，使两影像重叠区域的灰度分布大致相同。镶嵌时，重叠区域的灰度需要加权均衡。
基于一阶直方图的匹配方法：将一影像的直方图映射到另一直方图上，使相邻影像重叠区的灰度级直方图形状接近相同。
基于信息熵的匹配方法：对于相邻同名影像，其平均信息量应相同，而实际存在辐射度差异，因此对应的熵不同。
基于直方图规定化的匹配方法：将给定的影像直方图修改为指定形式的直方图来改善影像的色调和反差。

（三）、正射影像的影像质量受什么影响？

原始扫描影像质量直接决定了最终DOM的影像质量

影响因素分析

数据质量：连接点点位误差，外定向误差，影像的地面分辨率，左右影像（拍摄时间差），DEM质量（决定性）/DEM平面精度，区域网空中三角网加密结果的质量，作业过程中质量控制，控制点（加密点）精度
算法原理：正射重采样误差，不同算法使用条件不一，效果不一；镶嵌处理不影响DOM精度，但对其美观造成影响。
评价结果：目视会有很强的主观性，由人参与产生的误差

五、双像解析在摄影测量中有哪几种解析方法？

后交-前交解析法

相对定向-绝对定向解析法

光束法

六、SAR影像与地形图结合的难点是什么，提出一种解决办法。

七、论述大数据、人工智能带来的挑战和机遇

大数据和人工智能带来巨大利益的同时，也带来了诸如：个人隐私、数据独裁、新型智能生命等问题。

各行各业：
税务会计工作
城市治理现代化
传统教育现代化
统计学
数据质量
网络安全
互联网企业竞争的反垄断法
宏观经济分析
个人信息的行政法保护
社保工作
政府统计
参政党建设
医院档案信息化建设
科技情报工作（档案工作）
国际贸易
电子商务
军事理论课程
信息分析
数字图书馆
房地产估价行业
医院财务工作
计算机软件应用开发
…

八、Gis

定义

1、信息：

信息是用数字、文字、符号、语言等介质来表示事物、事件、现象等的内容、数量或特征。
信息来自于数据。

2、数据：

数据是未加工的原始资料。数字、文字、符号、图形和影像都是数据。
数据是客观对象的表示，信息是数据内涵的意义，是数据的内容和解释。

3、地理信息：

地理信息是指与所研究对象的空间地理分布有关的信息，它表示地表物体及环境固有的数量、质量、分布特征、联系和规律。
地理信息属于空间信息：具有区域性、多维结构性、时序性（需及时更新）

4、信息系统：

能对数据和信息进行采集、存贮、加工和再现，并能回答用户一系列问题的系统称为信息系统

功能：采集、管理、分析、表达

5、地理信息系统:

地理信息系统（GIS）是以采集、存贮、管理、分析和描述整个或部分地球表面（包括大气层在内）与空间和地理分布有关的数据的空间信息系统。

6、GIS的数据结构

矢量、栅格、矢量栅格一体化
其中矢量栅格一体化包括：矢量、栅格、属性（三类数据）

7、GIS的数据模型

层次模型、网络模型、关系模型、面向目标模型

8、主要算法

（1）点在多边形内的判别

（2）多边形叠置

（3）多边形拓扑关系的自动建立

在这里插入图片描述

剩下的需要自己看最新的论文，每年都要新的东西产出，不能回答过时的东西，老师这个问题会看出你对专业的把握程度。回答教材上的，说明你准备不够或缺失看材料读论文的觉悟