关于遥感图像解译方法分析.docVIP

关于遥感图像解译方法分析 　　摘要：本文作者介绍了在计算机解译方向出现的几种新方法，并分析了遥感图像计算机解译的发展趋势。 　　关键词：遥感；图像解译；方法；分析 　　Abstract: The author describes the direction of the computer interprets several new methods, and analysis of remote sensing image computer interprets the trends.Keywords: remote sensing; Image Interpretation; method; analysis 　　中图分类号：P25文献标识码：A文章编号：2095-2104（2012） 　　利用计算机对遥感图像进行解译是遥感图像解译的必然趋势。它可以实现智能化地快速获取地表的不同专题信息，具有重要的理论意义和应用前景。 　　1遥感图像计算机解译的新方法 　　1.1人工神经网络 　　人工神经网络（Artifical Neural Networks,ANN）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。 　　它由大量处理单元互联组成非线性、自适应的信息处理系统，通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。具有非线性、非局限性、非常定性、非凸性四个基本特征。其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。 　　其在遥感图像计算机解译中的应用有两个功能：一是用于遥感图像目标地物特征抽取与选择，即通过ANN的自适应功能用遥感图像训练网络，将提取的特征贮存在各个神经元的连接中；另一个是用于学习训练及分类器的设计，这是因为ANN分类器具有非线性的特点，可以为我们提供多种复杂的类间分界面，为多目标地物识别提供可能。 　　1.2小波分析 　　小波分析的“小波”理论起源于信号处理。信号一般为离散的，通过分析认为信号是由多个小波组成的，这些小波代表着不同的频率特征。小波变换??时间（空间）频率的局部化分析，小波函数平移、组合形成了小波函数库，通过小波函数库中区间的变化可以对某些感兴趣的频率特征局部放大，即对信号逐步的进行多尺度细化，最终达到高频处时间细分，低频处频率锌粉，自动适应时频信号分析的要求，聚焦信号的任意细节。 　　小波分析是一种时间——尺度分析方法，解决了经典的Fourier分析的确定局部频率的问题，实现了在时间和频率上的取样步长随数字信号的性态不同而自适应地调整。其基本思想是将图像进行多分辨率分解，分解成不同空间、不同频率的子图像，然后再对子图像进行系数编码。 　　小波变换实现图像压缩的步骤为：首先，利用二维小波变换将图像分解成低频分量和高频细节分量，然后，根据视觉特性对这些分量做不同策略的量化及编码处理。利用小波变换实现图像数据压缩常用的方法有：阈值量化、分块矢量量化、网格矢量量化、零数法等。 　　小波变换的实际作用是对信号解相关，并将信号的全部信息集中到一小部分具有大幅值的小波系数中。从而在信号的冲沟中，大系数比小系数更重要。 　　另外，小波变换可用于多源遥感影像信息的融合，利用小波分析可以抑制影像噪声，在检测纹理边界中也可以利用小波分解影像纹理信息而作为一种多分辨率分析工具等等。 　　1.3 分形技术 　　分形理论是现代数学的一个新分支，其基本特点是承认事物的局部可能性在一定条件或过程中，在某些方面表现出与整体的相似性。即物体存在形式上的有序层次化的自相似特征。人们通常把具有以下性质的集合称为分形：具有精细结构，具有某种自相似的结构，分形维数大于拓扑维数，存在对分形的简单算法描述，例如可以由迭代产生。 　　遥感图像中的地物分为两大类：一类为具有规则的边界光滑的人造地物，比如建筑物，另一类是不规则具有精细结构和自相似特征的自然地物，如山脉等。目前，分形领域里的迭代函数系统，在计算机上可以生成各种各样图案，实现计算机的自然景物的模拟刻画。 　　另外，分形图像编码是一种新颖且有很大发展潜力的图像压缩技术。分形技术可以从图像分割、快速分型编码、分形码的量化、码本的灰度变换方法、快速分形解码等实现遥感图像的压缩。而分形方法用于自动目标检测与识别主要是基于离散分形布朗增量随机模型（DFBIR），大多数自