2023年遙感資料智慧型處理課程開卷考試複習提綱
一、思考題（60%）
基本要求：
（1）思考題分為三類：知識點、軟體技術點和遙感一般知識；
（2）學生可以任選10題回答（每題6分）
二、綜合題（40%）
請任選以下四個題中的乙個，並按技術流程，舉例說明處理過程（答題要求》）
一、思考題
1．緒論
思考題1：什麼是超視覺？視覺中的光和色的物理含義是什麼？
超視覺包括了光譜、時間、空間三個方面。
（1）感測器（ccd）技術擴充套件了可視範圍
（2）載荷平台離開地面擴充套件了視野 （3）計算機國際光學色譜標準
（4）時間壓縮1/1000秒表現出看不見的東西
正常的人眼可以看見電磁波譜中0. 38 μm至0. 76 μm的波段，所以這一波段被稱作可見光譜。
嚴格地說，只有能夠被眼睛感覺到的並產生視覺現象的輻射才是可見輻射或可見光，簡稱光。顏色是人的眼睛對可見到光的主觀感覺。自然的顏色與能量有關係，人為的染料顏色沒有能量。
思考題2：遙感系統表達自然光、色結構的基本要素是什麼？
遙感系統表達自然光和色的基本要素包括載荷平台、感測器、光譜波段、輻射特徵、幾何特徵。載荷平台為承載成像感測器及其它相關載荷的衛星平台，如landsat、spot等；感測器為成像載荷 ，例如landsat7的etm+、terra的modis等；光譜特徵包括：電磁波譜的觀測範圍、光譜響應函式、極化敏感性、波段間的相關性等；輻射特徵包括：
廣義雜訊與訊雜比、動態範圍、調製傳遞函式、響應線性度、量化級別、不同像元間的感應度、等雜訊概率等；審核特徵包括：視場角、瞬時視場角 、地面取樣間隔、影像幅寬、多（高）光譜波段匹配精度等。
思考題3：試說明遙感識別目標特性資訊與侷限性
遙感識別目標特性從資訊表現在三個方面：光譜與光譜波段；幾何特徵與幅寬；輻射特徵與灰度編碼。
侷限性：有限數量的光譜波段不能完整表達連續的地物光譜曲線;輻射特徵是用灰度編碼表示的,灰度數量級是有限的、離散化的；遙感影象只是二維的，而實際地物卻是複雜連續的三維空間中的特徵。
思考題4：遙感資料處理系統在表現自然的光和色主要瓶頸是什麼？
感測器對輻射能量的響應能力，數模轉換，大氣散射效應，像元的交叉輻射，分類演算法的精度，影象轉換精度都影響著遙感資料處理系統對自然的光和色的再現能力。
思考題5：講出二種遙感原理性誤差？了解遙感成圖過程的原理性誤差對遙感資料處理有什麼幫助？提示本章的感測器模型的反射、輻射和幾何校正原理。
1. 遙感原理性誤差之一：交叉輻射原理性誤差 l（x、y、λ、t、p）
2. 遙感原理性誤差之二：影象基本單元—像元的結構性誤差。
了解遙感成圖過程的原理性誤差對遙感資料處理有很大的幫助。首先，要消除或減弱這些誤差必須對它們的性質、特點有所了解，只有這樣才能找出有效的處理方法來消除或減弱這些誤差。例如，有些雜訊是加性雜訊，而另外一些是乘性的，了解可誤差的性質，就可以有針對性的找出解決辦法。
其次，了解遙感成圖過程的原理性誤差對影象解譯分析也有很大幫助。可以從遙感成像的機理出發，更好地理解識別影象特徵。
思考題6：一種感測器一種解析度觀測產生了不完整觀測，利用多感測器、多解析度滿足完整監測的同時，在資料或資訊處理方面帶來那些新問題？
多感測器、多解析度技術的應用給資料或資訊處理帶來許多新問題。首先是多感測器影象之間相容問題，這就要求影象處理軟體和技術要相容多種影象格式，並且能夠將多感測器影象結合起來，取長補短。而且由於這些技術，遙感資料量越來越大，怎樣從海量資料中提取有效資訊也是乙個很大的挑戰。
多波段影象的光譜空間維數增多，這就要求影象處理擴充套件到多維空間中去。多解析度影象資料的獲得要求影象處理能充分利用多解析度資訊。如可以將高解析度sar影象與較低解析度的光學影象融合，獲得集合兩種優勢的影象。
而且還要求開發新的更有效的影象處理演算法。
思考題7：遙感資料智慧型處理的基本概念與主要任務是什麼？
遙感資料智慧型處理的感念：結合應用需求，將統計學、智慧型演算法與遙感資訊機理相結合，生成一系列快速有效的演算法，對複雜遙感資料進行處理。通過智慧型理論技術與遙感資訊論技術的學科交叉，借助計算機處理能力，選擇具有自學習、自適應、自組織等智慧型演算法，提高遙感資料分類、特徵識別精度和變化檢測的魯棒性；通過構建智慧型搜尋策略與學習規則混合優化，克服多感測器、多解析度或與非遙感資料的不完整性和不確定性，實現多源資訊融合的自動化。
遙感資料智慧型處理的主要任務：解決遙感資料處理過成中由其他普通方法無法很好解決的問題。如：
如遙感影象中的弱資訊很難提取，通過採取一定的掩膜方法，以及主成份變換，就能很好的提取出弱資訊。智慧型化表現為服務於實現目標的計算能力，這種能力在不同方式或不同程度地表現出人類、動物或機器的智慧型。感測器超視覺系統獲取的地球資訊是非線性的，當前的資料處理與分析方法主要是線性近似，智慧型資訊處理理論與方法的應用將推動遙感資料處理質量和應用水平發展。
研究領域包括：搜尋、模式識別、表達、推理、知識與推斷、經驗學習、規劃、認知、啟發、遺傳等領域。
2．神經網路
思考題8：神經網路的基本概念、優勢與存在問題？
2023年kohonen專著associative memory-a systemtheoretic approach,koholen的定義：「人工神經網路是由具有適應性的簡單單元組成的廣泛並行互聯的網路，它的組織能夠模擬生物神經系統對真實世界物體所做出的互動反應。
神經網路的優勢 :
(1)平行計算
(2)資訊處理與儲存單元相結合
(3)自組織、自學習、競爭適應功能
神經網路研究的存在問題:
（1）神經網路發展受腦科學研究進度的限制
（2）缺少乙個完整、成熟的理論體系
思考題9：神經網路發展大致經歷五個時期，遙感資料處理應用神經網路出現在哪個時期？
經網路是一更強的數學性質和生物學特徵，活躍的邊緣**叉學科，誕生半個多世紀以來，經歷了5個發展階段：
(1)奠基階段
2023年,美國心理學家和數學家在提出了乙個簡單的神經元模型，即mp模型。2023年神經生物學家hebb的論著the organization of beh**ior，對大腦神經細胞、學習與條件反射作了大膽地假設，稱為hebb學習規則．
(2)第一次高潮階段
2023年計算機科學家rosenblatt基於mp模型，增加了學習機制，確定了感知器收斂定理：輸入和輸出層之間的權重的調節正比於計算輸出值與期望輸出之差，他提出的感知器模型，首次把神經網路理論付諸工程實現。
(3) 持續階段
1960『神經網路理論那遙遠但並非遙不可及的目標著實吸引了很多人，美**方認為神經網路工程應當比「原子彈工程」更重要。
(4) 第二次高潮階段
kohonen提出了自組織對映網路模型，對映具有拓撲性質。2023年生物物理學家hopfield建立了神經網路的神經元的一組非線性微分方程。
2023年在聖地雅哥召開了首屆國際神經網路大會，成立國際神經網路聯
合會(inns),創辦了刊物journal neural networks。
我國學術界在80年代中期開始關注神經網路領域。
2023年召開了全國乙個非正式的神經網路會議，2023年我國的八個學會聯合在北京召開了神經網路首屆學術大會，2023年在南京召開了中國神經網路學術大會(第二屆)，會上成立了中國神經網路學會． 2023年我國「863」高技術研究計畫和「攀登」計畫設立了3個課題開展人工神經網路研究，自然科學**和國防科技預研基地也把神經網路的研究列入選題指南。
神經網路對遙感影象處理大致也出現於這個時期。
(5) 新發展階段
ijcnn91大會主席rumelhart指出神經網路的發展已到了乙個轉折的時期，它的範圍正在不斷擴大，其應用領域幾乎包括各個方面。
2023年代初，對神經網路的發展產生了很大的影響是諾貝爾獎獲得者edelman提出了darwini-sm模型，其主要3種形式是darwinismⅰ、ⅱ、ⅲ．建立了一種神經網路系統理論。
為了解決神經網路收斂，避免陷於區域性極值，神經網路引入了遺傳、小波、模擬退火、隨機搜尋。
思考題10：在確定神經網路的隱層節點數時必須滿足那兩個條件？
一般情況下，在滿足精度要求的前提下取盡可能緊湊的結構，即取盡可能少的隱層節點數。對於bp網路，所取的隱層節點數少時，區域性極小就多，容錯性差；但是，隱層節點數過多易引起學習時間過長，誤差也不一定最佳，因此需要多次試驗後選取乙個最佳的隱層節點數。研究表明，隱層節點數不僅僅與輸入/輸出層的節點數有關。
在確定隱層節點數時必須滿足下列條件：
（1）隱層節點數必須小於n-1（其中n為訓練樣本數），否則，網路模型的系統誤差與訓練樣本的特性無關而趨於零，即建立的網路模型沒有泛化能力，也沒有任何實用價值。同理可推得：輸入層的節點數（變數數）必須小於n-1。
（2）訓練樣本數必須多於網路模型的連線權數，一般為2-10倍，否則，樣本必須分成幾部分並採用「輪流訓練」的方法才可能得到可靠的神經網路模型。
若隱層節點數太少，網路可能根本不能訓練或網路效能很差；
若隱層節點數太多，雖然可使網路的系統誤差減小，使網路訓練時間延長，訓練容易陷入區域性極小點而得不到最優點，也是訓練時出現「過擬合」的內在原因。
因此，合理隱層節點數應在綜合考慮網路結構複雜程度和誤差大小的情況下確定。
思考題11：bp神經網路數學模型最早是由誰建立的，處理遙感資料的主要問題是什麼？
bp神經網路的全稱為(backpropagation (bp) algorithm)前饋神經網路的學習演算法—向後傳播演算法。
bp神經網路被廣泛用於遙感資料分類，使用bp神經網路前必須選擇神經網路的結構，定義學習率等引數，這些都會影響神經網路的訓練時間、實現速率和收斂速率。
bp網路需要解決的問題有：
(1)如何經過反覆試驗選取最佳的網路結構，使得網路能夠識別未知的樣本，對此至今沒有嚴格證明。
(2)如何恰當選取學習率和動量項問題以及權重係數初始化的區間。
(3)如何避免過度訓練學習所造成的網路效能變得低下問題，至今為止，沒有乙個清楚的規則幫助我們選擇網路結構，而引數選取上只能使用啟發式的方法選擇網路結構。
思考題12：什麼是sofm神經網路？，主要特徵是什麼？，lvq的作用是什麼？
芬蘭的kohonen從生物系統得到啟發，根據人腦的大腦中視覺皮層中側反饋的特徵，提出了自組織對映神經網路（sofm, self organizing feature map）理論。他認為神經網路中鄰近的各個神經元通過彼此側向互動作用，相互競爭，自適應發展成檢測不同訊號的特殊檢測器，這就是自組織特徵對映的含義。
基於星載高光譜資料的遙感資料預處理
摘要遙感影像的預處理是遙感資料應用的基礎，預處理結果的好壞將影響影象的質量及後續的研究。研究利用高光譜資料對穿越香格里拉縣中部一景eo 1 hyperion資料進行預處理。預處理分別進行envi補丁下資料波組合 未定標和水汽影響波段去除 絕對輻射值轉換 大氣校正等處理，結果表明 影象質量提高，減少了...
資料處理與智慧型決策實驗報告
專業 物聯網工程 班級 1404 學號 33 姓名 雷明欽 實驗目的與要求 1 熟練掌握 matlab 軟體的關於概率分布作圖的基本操作 2 利用matlab軟體計算常用的概率密度函式和分布函式的函式值，或計算形如事件的概率 3 給出概率p和分布函式，會求上 分位點，或求解概率表示式中的特定引數。實...
2023年智慧型政務民生資料生態產品行業分析報告
此文件為word格式，可任意修改編輯！2015年8月 目錄一 行業主管部門 監管體制及主要法規 政策 41 行業管理體制4 2 行業法律法規及相關政策4 二 行業概況及發展趨勢6 1 軟體行業6 2 智慧型政務8 3 智慧型醫療11 4 智慧型教育14 三 行業競爭格局16 1 行業競爭格局及集中度...