计算机辅助遥感图像解译

　　随着计算机技术的发展，遥感技术的应用也越来越广泛。遥感图像计算机解译是在计算机系统的支持下，综合应用地学分析，遥感图像处理，地理信息系统，来获取遥感图像的信息。遥感影像具有较强的现势性和综合性，已经成为地图制图重要的数据来源之一。本论文通过对ERDAS和ArcGIS软件的学习和研究，对遥感图像进行预处理，建立解译标志对高分辨率遥感图像进行计算机辅助解译，对解译后的遥感图像进行矢量化得到矢量图，在ArcGIS软件中对矢量图进行属性和拓撲关系的添加，经矢量图和遥感影像叠加处理，最终得到功能齐全的遥感影像地图。

　　1 引言

　　伴随着计算机技术的日益发展，会更加迫切要求应用目视解译经和知识知指导遥感图像计算机解译。遥感数字图像计算机解译是以遥感图像为研究对象，在计算机系统支持下，综合运用地学分析，遥感图像处理，地理信息系统以及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[1]。基于遥感图像可以客观真实和快速获取地球表层信息的优势，遥感数据被广泛应用于自然灾害评估，自然资源调查与评价，环境监测与军事侦察上等。因此，利用计算机进行遥感图像解译，快速获取地表不同专题信息，利用这些专题信息能够迅速更新地理数据库。这不仅是实现遥感图像自动理解的基础之一，而且也是地理信息系统中数据采集自动化研究的一个方向。本次论文是在充分了解绵阳地域概况的情况下，并获取绵阳区域的TM影像图，利用遥感软件对该遥感影像进行预处理后，建立解译标志，对遥感影像进行人机交互解译，完成矢量化地图的制作，在GIS软件中进行属性和拓扑关系的添加;矢量地图和遥感影像叠加处理，最终得到功能齐全的遥感影像地图。

　　2 遥感图像预处理

　　遥感信息是对地表状况的反映，但是卫星姿态、搭载扫描系统引起的遥感图像畸变大。所以空间分布特征被部分地歪曲了，因此要对遥感图像进行预处理。本次论文处理所用的遥感图像为Landsat-5卫星获取绵阳区域的TM影像图，该遥感图像是在中国科学院数据共享平台下载获得。采用的是WGS-84坐标。陆地卫星提供的TM影像，其覆盖范围较大，宏观综合性强。TM图像具有8个波段，信息量丰富。由于TM影像图具有宏观性强，信息量丰富的特点通过对其解译和制图，可获得绵阳地区丰富及具体的信息，绘制成详细的区域地图。

　　2.1 组合多波段数据

　　Landsat-5的TM影像共有7个波段，不同的波段组合可以增强不同的地表信息[2]。其中第3、第2、第1波段组合形成的真假彩色图像虽然有理于各种地类识别。但是图像平淡、色彩不饱和、信息量比较少。考虑到研究区域地表信息丰富，采用第4、第5，第3波段组合而成的非标准假彩色图像。将上述转换的单波段IMG文件组合为一个多波段图像文件。组合波段结果如图1所示。

　　由图1可知水体边界、以及和水体有关的地物在图像中比较清楚。河流、道路、桥梁边界和轮廓清晰。房屋的布局清楚。街区内部结果特征较为明显。植被有较高的辨识度。

　　2.2 图象几何校正

　　由于容易受到卫星姿态、搭载扫描系统引起的遥感图像畸变大以及地表起伏等影响[2]。图像必须经过几何校正。在图像几何校正过程中，采集控制点是一项非常重要工作。控制点一般选择图像上特征较为明显的点位。对于图像使用选择控制点的方法进行几何精纠正，在一幅遥感图像上和对应的地形图上选择至少9个分布均匀、特征明显的典型地物目标作为控制点，建立影像坐标和地图坐标之间的变换关系，按照这个变换关系进行控制点纠正。本文特征点采集与校正后结果如图2，图3所示。

　　2.3 纹理分析

　　遥感图像的光谱信息是目视判读的基本依据[3]。但是随着图像解译与分析工作的深入开展，光谱信息已经不能快速有效地进行计算机分析和自动识别。纹理特征作为遥感图像中重要的信息，通过灰度值得变化和重复性来反映地表物体的粗糙度，能充分反映影像特征。因此，对纹理信息的提取对遥感图像的识别起着重要作用。纹理分析通过在一定的窗口内进行二次变异分析或三次对称分析，使图像的纹理结构得到增强，通过几何校正以及纹理分析可以明显看到绵阳市区河流和主要街道以及房屋的轮廓信息。几何特征尤为明显。结果如图4所示。

　　3 遥感图像解译

　　遥感影像的解译标志，是一种在遥感图像上能反映和判别地物信息的影像特征。利用解译标志能直接在图像上判别出相应的地物，或者通过已识别出的地物或现象作进一步的推理分析，判别出其它不易在遥感影像上直接解译的目标[4]。

　　3.1 非监督分类

　　数字图像计算机解译的基础工作是数字图像的分类。其方法包括：非监督分类和监督分类，目的是实现遥感图像信息提取。非监督分类是在没有训练场地作为样本的前提下，根据像元间相似度的大小进行归类并且合并的方法。常用的方法是：分级集群法，动态聚类法。动态聚类法给出图像粗糙的分类，然后在一定的原则下在不同的类别间重新组合样本，一直到分类比较合理为止[7]。本文以动态聚类法进行非监督分类ISODATA(迭代自组织数据分析技术)方法在动态聚类法中具有代表性。结合研究区实际情况确定初始分类数，设置循环收敛阈值。执行非监督分类，获得分类结果。图5所示。

　　3.2 监督分类

　　监督分类与非监督分类的不同点是在遥感图像上采样区中图像地物的类别属性已有了先验的知识。这些先验知识通过实地的抽样调查，配合人工目视判读技术来获取。采样区已被选定，按照已知类别的特征去训练判别函数，先验的采样区为训练区，其用途是训练判决函数。训练区是图像上已知类别属性的图像地物构成训练区。一旦训练区被选定后，相应对象类别的纹理特征便可以用训练区中的样本数据进行估计。　　由非监督分类结果和监督分类结果可知研究区的河流、植被、街区、房屋等均能从遥感影像图上快速提取出来。这为接下来的制图工作奠定了坚实的基础。

　　4 遥感制图

　　4.1 遥感影像地图

　　遥感影像地圖是以遥感影像并结合一定的地图符号来体现制图对影像地理空间和环境状况的地图[7]。在遥感影像地图中，图面内容要素主要由影像构成，辅助以一定的地图符号来表现或说明制图对象。

　　4.2 矢量化地图的制作

　　本文在遥感图像预处理和解译的基础上进行矢量化工作，在矢量化后还需在现场做进一步的确认，对错误之处进行及时修改。在修改后的矢量图的基础上使用ArcGIS软件中先对矢量图与遥感影像图进行配准，结果见图7。接着对矢量图进行属性和拓扑关系的添加，最后经矢量图和遥感影像叠加处理完成遥感影像图的制作。结果见图8。

　　5 结论

　　利用计算机进行遥感图像解译，快速获取地表不同信息，利用获取的信息迅速地更新地理数据库，这是实现遥感图像自动完善的基础之一，也是地理信息系统中数据采集自动化研究的一个方向，具有重要的理论意义和应用前景。

　　遥感影像地图具不仅具有原遥感图像的影像内容，还具有线划要素，数学基础等，拥有直观易读的特点，与普通地图相比，影像地图具有丰富的地面信息，内容层次分明，图面清晰易读，充分表现出影像与地图的双重优势。从而提高了地理信息为人们的视觉直接感知的可视化表达程度及辅助决策的准确度，在国民经济建设中起重要的应用价值。

　　作者：张华 来源：中国科技博览 2016年28期