
1) 【一句话结论】从原始航空摄影影像到地质解译图是分步骤处理,核心是通过影像预处理(辐射/几何校正)、特征提取(光谱/纹理分析)、分类/解译(监督/非监督+人工标注)、后处理(验证优化)等环节,利用遥感影像处理技术(如ENVI、ArcGIS、Python库等)逐步生成地质信息产品。
2) 【原理/概念讲解】老师口吻,解释关键环节:
原始航空影像包含噪声(如大气散射)和几何畸变(如镜头畸变、地形起伏),像“刚拍好的照片有杂点、歪了”。
3) 【对比与适用场景】以预处理中的辐射校正和几何校正为例:
| 步骤 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 辐射校正 | 消除大气、太阳角度等对影像亮度的影响,使影像亮度与地物真实反射率一致 | 基于大气传输模型(如6S模型),针对影像亮度值调整 | 原始影像有大气散射、太阳角度变化时(如不同时间拍摄) | 需要大气参数(如大气类型、太阳高度角) |
| 几何校正 | 纠正影像的几何畸变(如镜头畸变、地形起伏),使影像与地图坐标系统对齐 | 基于控制点(GCPs)或地面参考数据,进行仿射/投影变换 | 影像存在几何畸变(如镜头畸变、地形起伏导致的位置偏移) | 需要足够的控制点(通常≥6个) |
4) 【示例】以几何校正为例(伪代码):
import gdal, osr
# 加载原始影像和参考影像
src_ds = gdal.Open('original_image.tif')
ref_ds = gdal.Open('reference_map.tif')
# 获取坐标系
src_srs = src_ds.GetProjection()
ref_srs = ref_ds.GetProjection()
# 创建变换对象(仿射变换)
transform = osr.CoordinateTransformation(osr.SpatialReference(src_srs), osr.SpatialReference(ref_srs))
# 执行几何校正
dst_ds = gdal.Warp('geocorrected_image.tif', src_ds,
dstSRS=ref_srs,
outputBounds=(ref_ds.RasterXSize, ref_ds.RasterYSize, 0, 0),
resampleAlg='cubic') # 插值方法
5) 【面试口播版答案】(约90秒)
“从原始航空摄影影像到生成地质解译图,核心是分步骤处理:首先进行预处理,包括辐射校正(消除大气影响,让影像亮度真实)和几何校正(纠正畸变,与地图坐标对齐);然后提取特征,比如光谱(颜色)、纹理(图案)、形状(轮廓)等,用于后续分类;接着通过分类或解译,将影像区域分类为地质体(如岩层、断层),这里常用监督分类(用已知样本训练模型)或非监督分类(自动聚类);最后进行后处理,验证分类结果(检查错误区域)、优化(调整参数或人工修正),最终生成地质解译图。关键技术工具方面,预处理常用ENVI、ArcGIS的辐射/几何校正模块,Python的gdal库;特征提取用影像处理库(如OpenCV);分类用sklearn、TensorFlow;后处理用ArcGIS的验证工具。”
6) 【追问清单】
7) 【常见坑/雷区】