2025年测绘师人工智能在数字正射影像生产中的应用专题试卷及解析.pdfVIP

2025年测绘师人工智能在数字正射影像生产中的应用专题试卷及解析1

2025年测绘师人工智能在数字正射影像生产中的应用专题

试卷及解析

2025年测绘师人工智能在数字正射影像生产中的应用专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在数字正射影像生产中，人工智能技术主要应用于解决哪个传统流程中的瓶颈

问题？

A、地面控制点测量

B、空中三角测量

C、影像匀光匀色

D、影像镶嵌与接边线智能选取

【答案】D

【解析】正确答案是D。人工智能，特别是深度学习中的语义分割和实例分割技术，

能够自动识别影像中的地物边界（如道路、建筑、水体），从而智能规划最优的镶嵌接

边线，使其沿地物边缘穿过，有效避免传统方法中接边线穿过房屋、道路等造成的视觉

断裂和地物扭曲。A、B、C环节虽然也能引入AI辅助，但并非其最具颠覆性应用的核

心瓶颈。知识点：AI在DOM生产中的应用环节。易错点：容易将AI的泛化应用（如

匀光）与其最具优势的特定应用（如智能接边）混淆。

2、用于生成数字表面模型（DSM）并辅助正射纠正的AI技术，主要依赖于哪种

深度学习模型？

A、循环神经网络（RNN）

B、生成对抗网络（GAN）

C、卷积神经网络（CNN）

D、强化学习（RL）

【答案】C

【解析】正确答案是C。卷积神经网络（CNN）特别擅长处理具有网格状拓扑结构

的数据，如图像。在密集匹配和DSM生成中，CNN可以通过学习立体像对之间的像

素对应关系，从二维影像中推断出三维深度信息，其效果和效率在很多场景下已超越传

统匹配算法。RNN主要用于序列数据，GAN主要用于图像生成，RL主要用于决策优

化，均不是DSM生成的核心模型。知识点：深度学习模型在测绘影像处理中的具体应

用。易错点：对各类基础深度学习模型的功能和应用领域不熟悉，容易张冠李戴。

3、在利用AI进行正射影像地物分类时，如果模型将一栋小型建筑误判为树木，这

种错误属于？

A、漏分（OmissionError）

B、错分（CommissionError）

2025年测绘师人工智能在数字正射影像生产中的应用专题试卷及解析2

C、像元混淆

D、几何畸变

【答案】B

【解析】正确答案是B。错分误差（CommissionError）是指将不属于某一类别的

地物错误地划分到该类别中。在此例中，建筑不属于“树木”类别，但被模型错误地划分

为树木，因此是错分。漏分误差（OmissionError）则是指本应属于某一类别的地物未

被划分进去，例如将一块建筑区域漏掉，未归为建筑类。知识点：遥感影像分类精度评

价指标。易错点：容易混淆“错分”和“漏分”的概念，可以记忆为“Commission是‘多分了’，

Omission是‘少分了’”。

4、与传统基于像素或对象的方法相比，基于深度学习的正射影像地物分类最显著

的优势是？

A、计算速度更快

B、对训练数据量要求更低

C、能够自动学习多层次、抽象化的特征

D、模型解释性更强

【答案】C

【解析】正确答案是C。深度学习模型（尤其是CNN）通过其多层网络结构，能够

从原始像素数据中自动学习从低级（边缘、纹理）到高级（形状、部件、语义）的层次

化特征，无需人工设计特征。这种强大的特征提取能力使其在分类精度上通常优于传统

方法。A、B、D选项通常是深度学习的相对劣势或挑战，即计算量大、需要大量标注

数据、模型可解释性差（“黑箱”问题）。知识点：深度学习与传统机器学习方法在影像分

类中的对比。易错点：对深度学习的优缺点理解片面，可能只看到其高精度而忽略了其

资源消耗和数据依赖性。

5、在AI辅助的数字正射影像质量检查中，以下哪项任务最适合通过目标检测算

法（如YOLO、FasterRCNN）来完成？

A、检测影像整体是否存在色彩偏移

B、识别影像中是否存在模糊、重影的区域

C、框选出影像中缺失的道路或桥梁

D、计算影像的地面分辨率

【答案】C

【解析】正确答案是C