免費開始練習
高考申論題 114年 [測量製圖] 空間資訊理論及實務(包括航空測量與遙感探測、地圖學及地理資訊系統)

第 二 題

二、試說明應用線性相關法(Linear correlation)於涵蓋相同地區之多時期影像進行相對輻射調整之原理與計算公式。(25 分)
📝 此題為申論題

思路引導 VIP

看到「相對輻射調整」與「多時期影像」,首先應聯想到消除大氣、太陽高度角及感測器差異造成的輻射不一致,以利變遷偵測。其次,扣緊「線性相關法」,其核心在於尋找地表反射率不變的「偽不變特徵(PIFs)」,透過統計回歸建立基準影像與待校正影像間的線性轉換數學模型(y = ax + b)。

🤖
AI 詳解 AI 專屬家教

【破題】多時期影像在進行變遷偵測或時間序列分析前,需排除因大氣條件、太陽光照角及感測器衰退等非地表實質變遷所導致的輻射差異。「相對輻射調整(Relative Radiometric Normalization, RRN)」之目的,即是將涵蓋相同地區之待校正影像的輻射值,轉換至與基準影像一致之尺度。其中,「線性相關法」為實務上最常採用的經驗模型之一。 【論述】 一、 應用線性相關法之原理

▼ 還有更多解析內容
📝 線性相關相對輻射調整
💡 利用偽不變特徵建立線性回歸模型,將待校正影像輻射尺度轉換至基準影像。

🔗 線性相關法相對輻射調整流程

  1. 1 設定基準影像 — 選擇大氣條件優、光照清晰的影像作為 Radiometric Reference。
  2. 2 提取 PIFs 特徵 — 在兩影像同位置選取光譜穩定之地物(如道路、深水)。
  3. 3 建立線性模型 — 利用最小平方法求得增益係數 a 與偏移量 b。
  4. 4 執行輻射轉換 — 將待校正影像全數值代入公式,產出與基準影像尺度一致的新圖。
🔄 延伸學習:延伸學習:模型建立後需計算 RMSE 與相關係數 R 以驗證校正品質。
🧠 記憶技巧:一準(基準像)、二選(亮暗點)、三求(增益偏)、四換(全影像)
⚠️ 常見陷阱:容易誤選隨季節變化的植被作為 PIFs,導致回歸模型偏差;或是忽略 R² 檢核導致校正無效。
絕對輻射校正 變遷偵測 (Change Detection) 偽不變特徵 (PIFs) 直方圖匹配 (Histogram Matching)

🏷️ AI 記憶小卡 VIP

AI 記憶小卡

升級 VIP 解鎖記憶小卡

考前複習神器,一眼掌握重點