研究生学位论文开题报告登记表研究生学位论文开题报告表姓名院、系.doc

PAGE 14 研究生学位论文开题报告登记表 研究生学位论文开题报告表 姓 名院、系（所）学 科 专业攻读学位研 究 方向指导教师拟定学位论文题目：蚁群算法在影像处理与分析中的应用研究参加开题报告教师人数参加旁听学生人数开 题 报 告 组 成 人 员姓 名职 称所 在 工 作 单 位1 研究的目的和意义 地球是人类的家园，人类社会经济生活中的信息80％ 左右与空间地理信息相关，人们的很多活动要寻求空间地理信息的帮助。地理信息系统（Geographic Information System GIS ）技术可以很好的为人们提供这方面的服务，为经济发展和各种社会活动的决策提供有力的支持。然而随着社会经济迅速的发展，GIS数据库中存放的地理信息数据可能很快就失去了实时性。众所周知，数据是GIS的血液,GIS的核心是空间数据库。因此地理空间信息数据的的现势性已经成了GIS的灵魂。然而，地理数据更新的情况却不容乐观，据联合国1993年的统计数字可知，1:2.5万的地图世界生产率为33.5％而更新率是2.8％，1；5万的地图世界生产率是65.5％，更新率为1.1％，由此可以看出全球地形图的更新速度远远落后于其生产速度。现在很多GIS系统中的地理信息数据已经不具备现势性，而正确的决策必须基于现势的地理信息数据，因此快速的获取现势的地理信息数据作为一项迫切的任务摆在我们的面前。航空摄影测量在空间信息快速获取中占据着十分重要的位置，从航空影像获取居民地，道路，林地和河流等基础空间信息，对于准确、快速及时地掌握地区环境和经济发展状况有非常重要的意义。李德仁、张祖勋院士都指出，从影像数据中自动提取地物目标,解决它的属性和语义是摄影测量与遥感的另一大任务。李德仁院士进一步指出，图像理解至少是近五十年内难以解决的科学难题。特别是对于航空影像，由于其复杂性的限制，直至今日，航空影像的自动化解译程度还不高，尚处在半自动化水平。国内还没有成熟的航空影像自动化和全自动解译的商品软件，航空影像地物的半自动提取主要是在人工引导下进行的，其效率较低，自动化程度不高，难以满足空间信息的快速获取和更新的需要。总的来看，要实现影像解译的自动化和全自动化还有不少的路要走，将人工智能领域中的一些方法论引入影像解译领域，互相取长补短，是开创影像解译新局面的较好途径。此前，有不少专家学者在这方面进行了研究，如郑肇葆，林宗坚等。次外徐芳、郑宏、胡翔云等博士论文的研究对航空影像解译也提出了不少算法，取得了一定的成效，但是目前主要停留在理论试验阶段离实际应用还有一定距离。要想将其应用于实际生产工作中，如下问题需要进一步的突破：  = 1 \* GB3 ①影像的自动分割； = 2 \* GB3 ②影像特征的提取和选择； = 3 \* GB3 ③分类识别技术。 对于问题1，因为图像本身的复杂性，至今，尚无通用的分割理论和方法。本质原因在于没有一种通用的指导图像分割的质量评价标准，因而也就没有一种适合于所有图像的通用的分割算法，这是目前图象分割所面临的最大困难。从现阶段来看，现存的各种自动化分割算法大都是基于某种具体问题的，针对具体的某类影像或者某几类影像建立一种“比较合适”的评价标准，并在该标准的指导之下设计分割算法。按照这些标准设计出来的算法，大多数存在如下两类问题： 1，算法分割质量比较好，但是所需计算时间相对也较长。比如各种基于某种目标函数的选取阈值的方法，如果是求单个阈值的话它们的原始方法都需要对256个灰度级进行遍历，如果是双阈值的话则有256×256种组合，所要分割的种类越多，计算呈几何级数上升。 2，算法的计算速度比较快，但是往往容易陷入局部最优解，分割质量得不到保证。这类方法如C-Mean 和FCM等等。 特别是对于此外，航空影像上反映出了很多的目标细节，纹理信息非常丰富，即使在同一张像片上由于光照，阴影等原因同一种目标的表现形态都可能会有较大差异，这就导致了同一类目标识别的“不确定性”问题，现有的一些算法对此类问题的处理能力存在不足，致使它们在实际工作中效率不高。如何快速搜索和提取最适用于地物目标识别的本质特征或者特征组合和提高同一类目标识别的“准确性“成为航空影像地物半自动提取的一个瓶颈问题。因此选择一种有效的纹理特征或者几种特征组合是达到完成航空影像分类识别的基本条件。 对于上述问题，我们想到解决方案是对于图像分割的第一类问题，减少第一类算法所需的计算时间；对于第二类问题，在付出很少的时间代价的前提下，希望能够对影像分割的质量能有