摘 要：本文作者介紹了在計(jì)算機(jī)解譯方向出現(xiàn)的幾種新方法，并分析了遙感圖像計(jì)算機(jī)解譯的發(fā)展趨勢(shì)。

　　關(guān)鍵詞：遙感,圖像解譯,方法,分析

　　利用計(jì)算機(jī)對(duì)遙感圖像進(jìn)行解譯是遙感圖像解譯的必然趨勢(shì)。它可以實(shí)現(xiàn)智能化地快速獲取地表的不同專題信息，具有重要的理論意義和應(yīng)用前景。

　　1遙感圖像計(jì)算機(jī)解譯的新方法

　　1.1人工神經(jīng)網(wǎng)絡(luò)

　　人工神經(jīng)網(wǎng)絡(luò)(Artifical Neural Networks,ANN)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過(guò)預(yù)先提供的一批相互對(duì)應(yīng)的輸入-輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來(lái)推算輸出結(jié)果。

　　它由大量處理單元互聯(lián)組成非線性、自適應(yīng)的信息處理系統(tǒng)，通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進(jìn)行信息處理。具有非線性、非局限性、非常定性、非凸性四個(gè)基本特征。其本質(zhì)是通過(guò)網(wǎng)絡(luò)的變換和動(dòng)力學(xué)行為得到一種并行分布式的信息處理功能。人工神經(jīng)網(wǎng)絡(luò)是并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)理，克服了傳統(tǒng)的基于邏輯符號(hào)的人工智能在處理直覺(jué)、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)。

　　其在遙感圖像計(jì)算機(jī)解譯中的應(yīng)用有兩個(gè)功能：一是用于遙感圖像目標(biāo)地物特征抽取與選擇，即通過(guò)ANN的自適應(yīng)功能用遙感圖像訓(xùn)練網(wǎng)絡(luò)，將提取的特征貯存在各個(gè)神經(jīng)元的連接中;另一個(gè)是用于學(xué)習(xí)訓(xùn)練及分類器的設(shè)計(jì)，這是因?yàn)锳NN分類器具有非線性的特點(diǎn)，可以為我們提供多種復(fù)雜的類間分界面，為多目標(biāo)地物識(shí)別提供可能。

　　1.2小波分析

　　小波分析的“小波”理論起源于信號(hào)處理。信號(hào)一般為離散的，通過(guò)分析認(rèn)為信號(hào)是由多個(gè)小波組成的，這些小波代表著不同的頻率特征。小波變換是時(shí)間(空間)頻率的局部化分析，小波函數(shù)平移、組合形成了小波函數(shù)庫(kù)，通過(guò)小波函數(shù)庫(kù)中區(qū)間的變化可以對(duì)某些感興趣的頻率特征局部放大，即對(duì)信號(hào)逐步的進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率鋅粉，自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，聚焦信號(hào)的任意細(xì)節(jié)。

　　小波分析是一種時(shí)間——尺度分析方法，解決了經(jīng)典的Fourier分析的確定局部頻率的問(wèn)題，實(shí)現(xiàn)了在時(shí)間和頻率上的取樣步長(zhǎng)隨數(shù)字信號(hào)的性態(tài)不同而自適應(yīng)地調(diào)整。其基本思想是將圖像進(jìn)行多分辨率分解，分解成不同空間、不同頻率的子圖像，然后再對(duì)子圖像進(jìn)行系數(shù)編碼。

　　小波變換實(shí)現(xiàn)圖像壓縮的步驟為：首先，利用二維小波變換將圖像分解成低頻分量和高頻細(xì)節(jié)分量，然后，根據(jù)視覺(jué)特性對(duì)這些分量做不同策略的量化及編碼處理。利用小波變換實(shí)現(xiàn)圖像數(shù)據(jù)壓縮常用的方法有：閾值量化、分塊矢量量化、網(wǎng)格矢量量化、零數(shù)法等。

　　小波變換的實(shí)際作用是對(duì)信號(hào)解相關(guān)，并將信號(hào)的全部信息集中到一小部分具有大幅值的小波系數(shù)中。從而在信號(hào)的沖溝中，大系數(shù)比小系數(shù)更重要。

　　另外，小波變換可用于多源遙感影像信息的融合，利用小波分析可以抑制影像噪聲，在檢測(cè)紋理邊界中也可以利用小波分解影像紋理信息而作為一種多分辨率分析工具等等。

　　1.3 分形技術(shù)

　　分形理論是現(xiàn)代數(shù)學(xué)的一個(gè)新分支，其基本特點(diǎn)是承認(rèn)事物的局部可能性在一定條件或過(guò)程中，在某些方面表現(xiàn)出與整體的相似性。即物體存在形式上的有序?qū)哟位淖韵嗨铺卣鳌Ｈ藗兺ǔ０丫哂幸韵滦再|(zhì)的集合稱為分形：具有精細(xì)結(jié)構(gòu)，具有某種自相似的結(jié)構(gòu)，分形維數(shù)大于拓?fù)渚S數(shù)，存在對(duì)分形的簡(jiǎn)單算法描述，例如可以由迭代產(chǎn)生。

　　遙感圖像中的地物分為兩大類：一類為具有規(guī)則的邊界光滑的人造地物，比如建筑物，另一類是不規(guī)則具有精細(xì)結(jié)構(gòu)和自相似特征的自然地物，如山脈等。目前，分形領(lǐng)域里的迭代函數(shù)系統(tǒng)，在計(jì)算機(jī)上可以生成各種各樣圖案，實(shí)現(xiàn)計(jì)算機(jī)的自然景物的模擬刻畫。

　　另外，分形圖像編碼是一種新穎且有很大發(fā)展?jié)摿Φ膱D像壓縮技術(shù)。分形技術(shù)可以從圖像分割、快速分型編碼、分形碼的量化、碼本的灰度變換方法、快速分形解碼等實(shí)現(xiàn)遙感圖像的壓縮。而分形方法用于自動(dòng)目標(biāo)檢測(cè)與識(shí)別主要是基于離散分形布朗增量隨機(jī)模型(DFBIR)，大多數(shù)自然物體的表面都能用DFBIR場(chǎng)模型較好地描述，而且DFBIR在局部區(qū)域內(nèi)的增量一、二階絕對(duì)矩具有冪指數(shù)特性，因此可據(jù)此估計(jì)分形維數(shù)。自然目標(biāo)的各個(gè)組成部分，由于其平滑性，呈現(xiàn)出較低的分維值，而人造目標(biāo)一般具有較強(qiáng)的邊緣，從而分維值很高，得到初步檢測(cè)結(jié)果。目前，這一技術(shù)提取自然地物特征仍在研究當(dāng)中。

　　1.4模糊分類方法

　　模糊理論用來(lái)描述是與非之間的中間狀態(tài)，通過(guò)概率形式表示的不確定性事物的歸屬度來(lái)描述它的模糊性及不確定性。模糊分類法使用輸入的訓(xùn)練數(shù)據(jù)集得出分類函數(shù)，進(jìn)而預(yù)測(cè)測(cè)試數(shù)據(jù)集的類別。

　　遙感圖像分類中，地物往往存在模糊邊界，利用模糊分類法就可以解決這些不能明確地判定地物分類類別的邊界的問(wèn)題。

　　此外，還有一些其他新的方法，例如，利用二維字符串空間知識(shí)表示方法對(duì)物體空間關(guān)系特征進(jìn)行描述，這種方法將地物在二維空間的分布轉(zhuǎn)換為二維字符表示，便于進(jìn)行空間推理分析和空間特征相似形檢索。

　　遙感圖像的計(jì)算機(jī)解譯從研究思路上可根據(jù)目標(biāo)地物的特點(diǎn)從低、中、高三個(gè)層次進(jìn)行描述和表達(dá)。低層次的描述對(duì)象是圖像像素，它不含有任何語(yǔ)義信息，但通過(guò)計(jì)算機(jī)分類等方法可以將這些識(shí)別對(duì)象進(jìn)行重組，形成性質(zhì)均一的地物單元。中層次是在區(qū)域分割的基礎(chǔ)上抽取衛(wèi)星圖像形態(tài)、紋理特征、空間關(guān)系等特征，以描述和表達(dá)目標(biāo)地物。高層次描述和表達(dá)的目標(biāo)地物是與理解圖像有關(guān)的具有豐富語(yǔ)義的對(duì)象，它允許按分析目標(biāo)來(lái)解譯圖像。然后，構(gòu)造圖像識(shí)別專家系統(tǒng)，實(shí)現(xiàn)圖像的特征匹配與多目標(biāo)地物的智能化識(shí)別。

　　目前，遙感圖像的計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)在提取圖像的多種特征并對(duì)特征進(jìn)行組合優(yōu)化，不同特征互為補(bǔ)充，以及逐步完成GIS各種專題數(shù)據(jù)庫(kù)的建設(shè)以減少自動(dòng)解譯中GIS數(shù)據(jù)的不確定性，專家系統(tǒng)也是其中的趨勢(shì)之一建立合適的遙感圖像解譯專家系統(tǒng)，將模式識(shí)別與專家系統(tǒng)進(jìn)行結(jié)合等都是遙感圖像解譯的重要研究方向。

　　2 結(jié)束語(yǔ)

　　遙感圖像的計(jì)算機(jī)解譯是以遙感數(shù)字圖像為研究對(duì)象，將遙感圖像的地學(xué)信息獲取發(fā)展為計(jì)算機(jī)支持下的遙感圖像智能化識(shí)別從而實(shí)現(xiàn)遙感圖像解譯的一門技術(shù)。它是統(tǒng)計(jì)模式識(shí)別技術(shù)在遙感領(lǐng)域中的具體應(yīng)用，即提取待識(shí)別模式的一組統(tǒng)計(jì)特征值，然后按照一定準(zhǔn)則作出決策，從而對(duì)數(shù)字圖像予以識(shí)別。目前的遙感圖像計(jì)算機(jī)分類算法設(shè)計(jì)的主要依據(jù)是地物光譜數(shù)據(jù)，而地物光譜數(shù)據(jù)還存在著一些問(wèn)題：比如，遙感圖像像素所具有的多光譜特征;相鄰像素間的關(guān)系;圖像上地物的形狀;空間位置特征等的信息，另外，提高遙感圖像的分類精度受到大氣狀況，下墊面等因素的影響而具有一定的局限性。但是，遙感圖像的計(jì)算機(jī)解譯將始終是圖像解譯的重要發(fā)展方向。

　　參考文獻(xiàn)：

　　[1] 郭德芳編著.遙感圖像的計(jì)算機(jī)處理和模式識(shí)別.北京：電子工業(yè)出版社,2007.

　　[2] 徐佩霞，孫功憲，《小波分析與應(yīng)用實(shí)例》，中國(guó)科技大學(xué)出版社，2007.

　　[3] 尚彩娥.淺談全數(shù)字?jǐn)z影測(cè)量系統(tǒng)及其產(chǎn)品.大地縱橫，2010，(02).

　　[4] 劉子剛.保護(hù)環(huán)境須測(cè)繪先行[J].北京測(cè)繪.2011，(4):43.

　　[5] 郝光榮.應(yīng)用遙感技術(shù)測(cè)繪大比例尺專題圖的方法及前景[J].山東建筑工程學(xué)院學(xué)報(bào).2009，(4).

　　[6] 秦其明.一類基于知識(shí)制導(dǎo)的遙感圖像自動(dòng)識(shí)別.中國(guó)博士后論文集.第四集.北京：北京大學(xué)出版社，2008.