1、第六章 遥感数字图像计算机解译 遥感数字图像计算机解译以遥感数字图像为研究对像,在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。6.1 遥感数字图像的性质与特点6.1.1 遥感数字图像1.遥感数字图像 遥感数字图像是以数字形式表示的遥感影像。遥感数字图像最基本的单位是像素。像素具有空间特征和属性特征：空间特征：由于传感器从空间观测地球表面，因此每个像素含有特定的地理位置的信息，并表示一定的面积。属性特征：采用亮度值来表示，在不同波段上，相同地点的亮度值可能是不同的，因为地物在不同波段上辐射电磁波的特征不同造成的。2.遥感数
2、字图像的特征便于计算机处理与分析：图像信息损失低：抽像性强6.1.2 遥感数字图像的表示方法 遥感数字图像以二维数组来表示。在数组中，每个元素代表一个像素，像素的坐标位置隐含，由这个元素在数组中的行列位置所决定。元素值表示传感器探测到像素对应面积上的目标地物的电磁辐射强度。按波段数量，遥感数字图像可以分几种类型：二值数字图像：图像中每个像素由0或1构成，在计算机屏幕上表示为黑白图像。每个像素采用一位来表示，相邻8个像素的信息记录在一个字节中。彩色数字图像：是由红、绿、蓝三个数字层构成的图像。在每一个数字层中，每个像素用1字节记录地物亮度值，数值范围一般介于0255之间。多波段数字图像是传感器从
3、多个波段获取的遥感数字图像。通常采用三种数据格式：BSQ数据格式：是一种按波段顺序依次排列的数据格式；BIP数据格式：每个像元按波段次序交叉排列；BIL数据格式：是逐行按波段次序排列的格式；6.1.3 航空像片的数字化（1）空间采样 确定空间采样间距：将图像进行空间分割，使之成为由多个格网单元构成的图像，每个格网单元分别代表一个像素点。（2）属性量化 航空像片经离散采样后，还要把离散化后的像素点归并到各个区间，分别用有限个整数来表示，称之为属性量化。6.2.1 分类原理与基本过程 遥感图像分类的主要依据是地物的光谱特征，既地物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的原始特征变
4、量。 分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感图像中多种地物的目的。分类过程中采用的统计特征变量为：（1） 全局统计特征变量：是将整个数字图像作为研究对象，从整个图像中获取或进行变换处理后获取变量。（2）局部统计特征变量：是将数字图像分割成不同识别单元，在各个单元内分别抽取的统计特征变量。特征提取：在很多情况下，利用少量特征就可以进行遥感图像的地学专题分类，因此需要从遥感图像n个特征中选取k个特征作为分类依据（这里nk），我们把从n个特征中选取k个更有效特征的过程称为特征提取。分类依据： 遥感图像像素的相似度。相似度是两类模式之间的相似程度。在遥感图像分类过程中，
5、常使用距离和相关系数来衡量相似度。分类方法：（1）监督分类方法： 首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。（2）非监督分类方法； 是在没有先验类别作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并的方法。遥感数字图像计算机分类的基本过程：（1）首先明确遥感图像分类的目的及其需要解决的问题，在此基础上根据应用目的选取特定区域的遥感数字图像。（2）根据研究区域，收集与分析地面参考信息与有关数据。（3）对图像分类方法进行比较研究，掌握各
6、种分类方法的优缺点，然后根据分类要求和图像数据特征，选择合适的图像分类方法和算法。（4）找出代表这些类别的统计特征。（5）为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定其特征。（6）对遥感图像中各像素进行分类。（7）分类精度检查。（8）对判别分析的结果统计检验。6.2.2 图像分类方法1.监督分类 监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别的过程。 监督分类对训练场地选取的要求： 训练场地所包含的样本在种类上要与待分区域的类别一致。训练样本应在各类目标地物面积较大的中心选取，这样才有代表性。 训练样本的数目应能够提供各类足够的信
7、息和克服各种偶然因素的影响。训练样本最少要满足能够建立分类用判别函数的要求，所需个数与所采用的分类方法、特征空间的维数、各类的大小与分布有关。监督分类中常用的具体分类方法：（1）最小距离分类法 最小距离分类法是以特征空间中的距离作为像素分类的依据，包括最小距离判别和最近邻域分类法。2）最近邻域分类法 在多波段遥感图像分类中，每一类别具有多个统计特征量。最近邻域分类法首先计算待分像元到每一类中每一个统计特征量间的距离，这样，该像元到每一类都有几个距离值，取其中最小的一个距离作为该像元到该类别的距离，最后比较该待分像元到所有类别间的距离，将其归属于距离最小的一类。1）最小距离判别法 这种方法要求对
8、遥感图像中每一个类别选一个具有代表意义的统计特征值，首先计算待分像元与已知类别之间的距离，然后将其归属于距离最小的一类。（2）多级切割分类法 通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征子空间的分类方法。（3）特征曲线窗口法 特征曲线是地物光谱特征参数构成的曲线。由于地物光谱特征受到大气散射、天气状况等影响，即使同类地物，它们所呈现的特征曲线也不完全相同，而是在标准特征曲线附近摆动变化。因此以特征曲线为中心取一个条带，构造一个窗口凡是落在此窗口范围内的地物即被认为是一类，反之，则不属于该类，这就是特征曲线法。 特征曲线法的分类依据：相同的地物在相同的
9、地域环境及成像条件下，其特征曲线是相同或相近的，而不同地物的特征曲线差别明显。（4）最大似然比分类法 它是通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。 最大似然比分类法在多类别分类时，常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。2. 非监督分类前提：假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。方法：非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即“物以类聚”。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。（1）分级集群法 当同类物体聚
10、集分布在一定的空间位置上，它们在同样条件下应具有相同的光谱信息特征，这时其他类别的物体应聚集分布在不同的空间位置上。由于不同地物的辐射特性不同,反映在直方图上会出现很多峰值及其对应的一些众数灰度值,它们在图像上对应的像元分别倾向于聚集在各自不同众数附近的灰度空间形成很多的点群,这些点群就叫做集群。分级集群法的分类过程：1、确定评价各样本相似程度多采用的指标，这里可以采用前面监督分类中介绍的几种距离。2、初定分类总数n；3、计算样本间的距离；根据距离最近的原则判定样本归并到不同类别。4、归并后的类别作为新类，与剩余的类别重新组合，然后再计算并改正其距离。（2）动态聚类法 在初始状态给出图像粗糙的
11、分类，然后基于一定原则在类别间重新组合样本，直到分类比较合适为止，这种聚类方法就是动态聚类。分类过程：（a）按照某个原则选择一些初始类聚类中心；（b）计算像素与初始类别中心的距离，把该像素分配到最近的类别中。（c）计算并改正重新组合的类别中心，如果重新组合的像素数在最小允许值以下，则将该类别取消，并使总类别数减1。3.监督分类和非监督分类方法比较 监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数，建立判别函数，对待分类点进行分类。因此，训练场地选择是监督分类的关键。 非监督分类是根据地物的光谱统计特性进行分类。因此，分类方法简单
12、，且具有一定的精度。6.2.3 图像分类的有关问题1. 未充分利用遥感图像提供的多种信息 遥感数字图像计算机分类的依据是像素具有的多光谱特征，并没有考虑相邻像素间的关系。这种方法的主要缺陷在于地物识别与分类中没有利用到地物空间关系等方面的信息。 统计模式识别以像素作为识别的基本单元，未能利用图像中提供的形状和空间位置特征，其本质是地物光谱特征的分类。2. 提高遥感图像分类精度受到限制 分类精度是指分类结果的正确率。包括地物属性被正确识别，以及它们在空间分布的面积被准确度量。控制遥感图像分类精度的几个因素： （1）大气状况的影响。 （2）下垫面的影响。 （3）其他因素的影响。6.3.1 地物边界
13、跟踪法地物的表现形式，主要表现为三种，一是点状地物，二是线状地物，三是面状地物。一个图像颜色特征均一的地物单元，其边界信息最丰富，地物形状特征是通过边界信息表现出来的。对地物边界跟踪，是获取地物形状特征的前提。地物跟踪的方法： 一种方法是以图像像元作为跟踪的落脚点，跟踪点的连线作为地物的界线。适合于线状物体的跟踪。 另一种方法是认为地物的界线在相邻地物之间，因此边界跟踪的路径应该从两个相邻地物边界的像元中间穿过，适用于点状地物与面状地物的跟踪。1.点状地物与面状地物的边界跟踪 点状地物是用一个像素后几个像素表示地物，而且一个像素对应地表一定的面积，因此点状地物可视为缩小的面状地物。 面状地物的
14、边界跟踪法：首先先确定起使点,然后确定下一个跟踪点. 2. 线状地物信息检测与跟踪 线状地物检测是对线状地物像素的亮度与方向特性进行检测，找出可能的线状地物点的算法。6.3.2 形状特征的描述与提取 地物单元边界特征的描述，主要采用链码来记录和描述边界点的方法。链码是一组指向其8个邻点的方向来定义的。方向标志码可按逆时针方向定义或按顺时针方向定义。 按逆时针方向定义的链码，链码值在0，7，值从0开始，每逆时针旋转45，值递增1。1.地物形状特征的描述2.地物形态特征的提取地物单元周长P： 设相邻像素间采用链码表示的长度为：nil2jlp地物面积S： 首先计算出面状地物每一行的面积SK)(iJK
15、xxASmKKSS16.3.3 地物空间关系特征描述与提取1.不同地物之间的空间关系（1）方位关系 指两个地物之间方向与位置的相对关系。主要用来描述边界并不相互接触的两个物体。 方位关系主要包括距离关系和方向关系（2）包含关系 一个物体位于另一个物体内部，并且边界不相邻。有三种情况，点包含在面状物体内部，线状地物被包含在面状地物内部，小的面状物体被另一个大的面状物体所包围。（3）相邻关系 指两个地物在边界上相邻。主要包括外接邻域，内接邻域和点与线与面状地物的相邻。（4）相交关心 两个地物在一点上交汇，它主要用来描述点状地物与线状地物，线状地物与线状地物的空间关系。（5）相贯关系 一个线状物体通
16、过面状物体的内部。6.4.1遥感图像解译专家系统的组成该系统的组成基本上分为三大部分：第一部分为图像处理与特征提取子系统第二部分为遥感图像解译知识获取体统第三部分为狭义的遥感图像解译专家系统6.4.2图像处理与特征提取子系统图像处理功能主要表现在遥感图像滤波、增强、大气校正、几何精校正、正射纠正等几个方面。分类与特征提取是从图像中抽取光谱特征、图像形状特征和空间特征，这些图像特征是专家系统进行推理、判断及分析的客观依据。6.4.3遥感图像解译知识获取子系统知识的获取主要分为三个层次：一，增加遥感解译新知识；二，发现原来解译知识有错误或知识不完全，修改原知识或补充新知识；三，解译专家系统能够根据
17、解译结果，自动总结经验，修改错误知识和增加新的解译知识。 遥感图像解译专家系统包括遥感图像数据库、解译知识库、推理机和解译器。 遥感图像数据库包括遥感图像数据和每个地物单元的不同特征 解译知识库包括专家解译知识和背景知识。 推理机是遥感图像解译专家系统的核心，其作用是提出假设，利用地物多种特征作为证据，进行推理验证，实现遥感图像解译。 解译器是一个用于说明推理过程的工具。作用是对推理的过程进行解译，以便用户明了计算机解译的过程。6.4.4遥感图像解译专家系统的机理6.4.5遥感信息计算机提取技术展望1.抽取遥感图像多种特征并综合利用这些特征进行识别2.逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性。3.建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性。4.模式识别与专家系统相结合5.计算机解译新方法的应用（1）人工神经网络在遥感图像识别中的应用（2）小波分析在遥感图像识别中的应用（3）分形技术在遥感图像识别中的应用（4）模糊分析法在图像识别中的应用
