高分辨率影像解译理论与应用方法中的高分辨率影像解译理论与应用方法中的.doc

高分辨率影像解译理论与应用方法中的 一些研究问题 摘 要： 近年来，不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高时间采集频率的特点。卫星图像空间分辨率已经提高到0. 6m 级，而航空遥感数字影像分辨率高达0. 1m 以上。光谱分辨率高达3—4nm。不断发展的高分辨率遥感数据能够提高信息提取和监测精度，并拓展遥感数据的应用范围。目前，国外已经加快对高分辨率图像，特别是高空间分辨率影像，在城市环境、精准农业、交通及道路设施、林业测量、军事目标识别和灾害评估中的应用。但是总的情况是自动化程度不高。介绍高空间分辨率影像信息提取、高光谱和偏振影像信息提取、影像数据融合和高分辨率遥感变化探测等方面迫切需要研究的一些科学问题及其意义。建议建立图像知识库，改善数据共享环境，为有志于从事这方面研究的学者提供参考。 关键词： 高分辨率遥感；信息提取；数据融合；变化探测 1 高空间分辨率影像信息提取 高空间分辨率遥感影像主要是指那些地面分辨率高于5m 的遥感影像。当图像分辨率达到米级时，人们平常视觉所见的多数野外目标物的个体如单株树、汽车、道路和房子等在图像上能够直接可见。如何充分应用高空间分辨率的优越性，提高分类精度与目标提取可靠性具有重要意义。在分类方 面，传统的方法主要是依据图像上的多光谱灰度特征［1］。过去近30 年中，除光谱特征外，人们越来越注重图像的空间特征如纹理、形状和地学数据等在信息提取中的作用［2］。同时在预处理、后处理方面也开展了许多研究［3］。但是，如何将高分辨率遥感分类与计算智能与知识工程的方法如ANN，GA，DM等结合以提高解译自动化程度和效率仍然需要继续研究。另一方面，高分辨率影像具有良好的目视效果，但在分类处理后却往往出现错误，建议应用计算机视觉、认知学的相关理论与方法。多源信息融合 有助于提高分类精度，但在融合的理论框架、评价准则和新的算法方面还有待深入研究，当前应重点发展特征级与决策级融合算法。典型信息提取涉及图像分割［4］、面向目标的分类［5］、规则提取与表达［6］等问题，都需要继续研究??针对当前遥感影像处理算法发展与比较中存在的问题，建议建立标准（ 展作为分类、融合与纹理分析等的标准测试数据集，作为相关学术论文与算法测试的基础，使得不同算法具有可比性。下面就图像分割、图像分类、建筑物和道路提取，提出一些待解决的问题。图像分割是高分辨率遥感图像面向对象处理的前提和基础，图像分割的质量直接影响后续处理的精度，但针对遥感图像尤其是高分辨率遥感图像的分割方法较少［7］。近年来国内外在该方向的工作主要集中于遥感图像分割新方法探索、不确定性分析、基于分割的特征提取及面向对象分类应用等方面。 存在的主要问题包括：对不同尺度、内部变化不同的地物分割精度显著不同；缺乏统一可靠的图像分割精度评价标准。今后可能的研究问题包括：探索新的多尺度多层次分割算法，将有关信息（ 如纹理信息）或约束条 件加入分割过程中；尝试建立可靠的分割结果评价标准：基于具体应用（ 特征提取和面向对象分类）、基于地面参考数据的评价方法。基于分割分类的高分辨率卫星影像建筑物提取，未来若干待解决的问题包括：发展可靠的保持边沿（ 方向）的平滑和分割算法；多尺度影像分割：从目标尺度空间到语义尺度空间；目标尺度空间中单一目标被分为不同部分（ 过度分割）；同一语义层次下，地物的空间尺度不一致时的分割。如何更准确地检测直线位置；如何更好地拟合比四边形更复杂的建筑物轮廓，需要研究更好的轮廓拟合算法。道路提取对于GIS 数据更新、影像匹配、目标检测、数字测图自动化等具有重要意义［8，9］。高分辨率卫星遥感影像能提供更多的地面目标和更多的细节特征，为道路提取提供更大的可能性和更高的准确性。道路提取应进一步加强下述几方面的研究：（1）高分辨率影像的道路特征分析和理解；（2）利用高分辨率与其他分辨率、其他光谱影像的融合结果提取道路；（3）利用分类、分割等结果进一步提取道路目标；（4）数学、模式识别等理论及方法的深入应用；（5）提取的道路在GIS 目标更新、城市道路管理等方面的应用。围绕提高遥感目标分类的精度，应在传统分类方法的基础上试验近年来发展起来的分类器集成技术［10］。今后，一方面应加强多源图像数据的融合技术研究；另一方面应加强分类问题本身的方法研究，特别是分类器集成技术、分类结果的评价等。 2 高光谱遥感信息提取 高光谱遥感的优势在于地物目标特性的精细提取和识别上［11］；它提供了一种机制，即利用光谱高分辨率影像解译理论与应用方法中的一些研究问题 3置特征而不仅仅是辐射强度特征；从而有了对地物目标真正定性识别的能力，这是一般光学遥感所难于达到的［12］。因此，今后的高光谱遥感图像处理和信息提取的方向应该充分利用这一特点。同时，应重视高光谱遥感面向应用，建