前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的圖像理解理論與方法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：圖像理解理論與方法范文

關鍵詞： 廣西，地理國情，影像解譯，程序判讀

中圖分類號：TN830文獻標識碼： A

按照《國務院關于開展第一次全國地理國情普查的通知》（國發〔2013〕9號）要求，廣西第一次全國地理國情普查范圍為廣西壯族自治區所轄陸域范圍和鎮級離岸島，即海岸線向大陸一側的國土范圍和潿洲島，面積約23.67 萬平方公里，涉及1: 1 萬圖幅8495幅，涉及1: 5 萬圖幅592 幅。廣西陸海分界的海岸線由區普查辦統一下發。

在此普查范圍內，地理國情普查的內容和指標分別按城市地區和一般地區兩種要求進行采集。其中城市地區是指地級和地級以上城市規劃部門確定的中心城區，即南寧市、柳州市、桂林市、梧州市、北海市、防城港市、欽州市、貴港市、玉林市、百色市、賀州市、河池市、來賓市和崇左市14 個城市規劃部門確定的中心城區范圍:一般地區是指除城市地區外的調查區域。采集對象為全區范圍內的地表自然和人文地理要素。自然地理要素包括植被覆蓋、水域、荒漠與地等。人文地理要素包括與人類活動密切相關的交通網絡、居民地與設施、地理單元等。

本文針對廣西國情普情項目影像自動解譯做全面分析，在現階段具有一定的與時性與俱進性。

1 影像自動解譯必要性

(1) 信息自動提取難度大，難以滿足技術規定要求

① eCognition 的規則集分類，對不同影像時相、數據源、區域的高分辨率數據分類，很難普適，而且技術門檻很高，因而不適合工程化項目實施[1]。

② GLC_Info提供的GLC分類技術，通過訓練樣本，進行自動規則集構建，具有技術門檻低、便于操作員作業，適合工程的特點，采集樣不需要作業員有一定的影像解譯經驗，但是需要耗費大量作業時間。

(2)信息提取后期編輯工作量大，難以保證項目進度

① 0.2米分辨率航攝影像1幅1：5萬滿幅，人工采集地表覆蓋1人平均需30天完成（加班情況下）。

② 地表覆蓋分類軟件并不能夠達到分類標準的要求，人工參與工作量大，一幅1：1萬圖幅需要15天以上。

2 影像解譯分類方法

影像解譯分類方法目前較流行利用GLC樹、SVM等分類方法或參考DLG輔助分類，完成影像的自動分類與二次逐級分類。

(1) GLC樹分類

 GLC樹分類通過樣本點自動創建規則集，減少了人工建立規則集的工作量；避免了傳統規則集對于不同數據源、不同時相、不同地貌普適性差的問題； 在保證精度的前提下可大幅提升分類速度[2]。

(2) SVM分類

SVM方法是通過一個非線性映射p，把樣本空間映射到一個高維乃至無窮維的特征空間中（Hilbert空間），使得在原來的樣本空間中非線性可分的問題轉化為在特征空間中的線性可分的問題．簡單地說，就是升維和線性化、升維，就是把樣本向高維空間做映射，一般情況下這會增加計算的復雜性，甚至會引起“維數災難”，因而人們很少問津．但是作為分類、回歸等問題來說，很可能在低維樣本空間無法線性處理的樣本集，在高維特征空間中卻可以通過一個線性超平面實現線性劃分（或回歸）．一般的升維都會帶來計算的復雜化，SVM方法巧妙地解決了這個難題：應用核函數的展開定理，就不需要知道非線性映射的顯式表達式；由于是在高維特征空間中建立線性學習機，所以與線性模型相比，不但幾乎不增加計算的復雜性，而且在某種程度上避免了“維數災難”。

SVM方法收斂性、訓練速度、分類精度等方面性能較高；傳統分類中最好。

(3) DLG輔助分類

 影像圖解譯后，按照全國標準分類的要領可歸納為三大類地形要素，即：點狀要素、線狀要素和文字注記。點狀要素，即形狀與相對關系不變的各種符號，如：獨立地物符號、植被符號等，點狀要素的特點是只有一個定位點，一個坐標值。點狀要素又可以細分為有方向點要素、無方向點要素、依比例點要素和不依比例點要素等幾種。線狀要素，以線的形式組成的要素稱為線狀要素，如圍墻、地類界等，其特點是組成要素的基本元素為折線，在CAD中稱為多段線，多段線每個折點（端點）均有一組坐標（X、Y、Z），最少時也有兩個端點，兩組坐標。線狀要素細分有三種形態：簡單線型、復雜線型和組合線型。文字注記，文字注記類似于點狀要素，有些系統也有把文字歸為點狀要素的。文字注記也分為有方向、無方向及變形等形式。組合要素，以上各個要素之間相互組合形成的符號,如破壞房屋（線與字組合）、花池（線與符號塊組合）等[3]。

通過參考DLG輔助分類，依據地表覆蓋分類的技術要求，按照指定字段進行匹配，可以確保地表覆蓋分類的精度和效率。

3 自動解譯技術流程

本文影像自動解譯技術流程圖1如下：

圖1廣西地理國情普查影像自動解譯技術流程圖

4 程序代碼

(1) GLC樹分類模塊

GLC樹分類模塊典型代碼如下所示：

CString strpath;

strfilename="XZQ.WP";

GetDlgItem(IDC_EDADD)->GetWindowText(strpath);

m_filelist.ResetContent();

if(strpath.Left(1)=="")

{ AfxMessageBox("你沒有選擇文件!");

return; }

FindFile(strpath);

int i;

char tmp[256];

for(i = 0; i < m_filelist.GetCount(); i++)

{ m_filelist.GetText(i,tmp);

addxzqstru(tmp); }

strfilename="XZQJX.WL";

(2) SVM分類模塊

SVM分類模塊典型代碼如下所示：

CFIELD_HEAD fld[2];

strcpy(fld[1].fieldname,"要素代碼");

fld[1].fieldtype=STR_TYPE;

fld[1].msk_leng=10;

fld[1].edit_enable=1;

strcpy(fld[2].fieldname,"地類界線類型");

fld[2].fieldtype=STR_TYPE;

fld[2].msk_leng=2;

fld[2].edit_enable=1;

UpdateData(TRUE);

AREA_HINST aHinst = _InitWorkArea(NULL);

short DLJXAi = _OpenFileArea(aHinst,(LPTSTR)(LPCTSTR)strPath00);

_StartClockCursor();

_GoingClockCursor();

_InsertStruFld(DLJXAi,LIN,3,fld,2);

_SetPackFlag(DLJXAi,1);

_SetChangeFlag(DLJXAi,0);

_SaveFile(DLJXAi);

_CloseArea(DLJXAi);

_FreeLinSelLst(DLJXAi);

_FreeWorkArea(aHinst);

(3) DLG輔助分類模塊

DLG輔助分類模塊典型代碼如下所示：

int i;

char tmp[200];

CATT_STRU *stru = NULL;

char expStr[100];

UpdateData(TRUE);

AREA_HINST aHinst = _InitWorkArea(NULL);

m_filelist.GetText(0,tmp);

short QTZJAi = _OpenFileArea(aHinst,tmp);

_GetAttStru(QTZJAi,PNT,&stru);

expStr[0]=0;

if(!_InputExpresion(m_hWnd,stru,expStr,100,"輸入檢索條件",NULL))return ;

_SetChangeFlag(QTZJAi,0);

_CloseArea(QTZJAi);

_FreePntSelLst(QTZJAi);

_FreeWorkArea(aHinst);

5 結束語

本文分析了廣西地理國情普查影像自動解譯的具體技術流程，論述了影像分類的方法以及程序實現的具體過程，在現階段肯有一定的理論與實踐意義。

參考文獻

[1] 林宗堅.攝影測量與遙感當前發展中面臨的圖像圖形學問題:中國測繪科學研.測繪科學研究院院慶40周年論文集.北京:1999.