第五节计算机解译的主要技术发展趋势

由遥感图像获取地学专题信息，传统的方法是通过目视解译。这种方法，既需要图像目视判读者具有丰富的地学知识和目视判读经验，又需要花费大量的时间去目视判读，其劳动强度大，信息获取周期长，有关地学专题遥感图像解译质量受目视判读者的经验、对解译区域的熟悉程度等各种因素制约。
    为了解决这一问题，从本世纪70年代起，人们开始重视由计算机获取遥感图像中专题信息的方法研究。当时，主要是利用统计模式识别方法进行遥感图像计算机解译，如Strahler(1980)使用最大似然法对遥感图像数据分类，Goldberg(1983)运用光谱特征，对多波段卫星图像进行分类，从中获取森林资源信息。
    80年代中期，随着人工智能和专家系统的发展，计算机对遥感数字图像识别方法有了新的进展：Engle(1985)采用基于规则的专家系统，结合地物光谱特征对MSS卫星影像进行分类，获取土地专题信息；加拿大遥感中心与英国的G.Peacegood(1986)提出使用专家知识和模式识别技术对遥感图像进行目标地物识别。８０年代后期，D.Goodenough(1988)与M.Ehlers(1989)等人提出遥感与地理信息系统一体化的问题，对地理信息系统与遥感技术的结合方式进行了研究。
    90年代以来，遥感数字图像计算机解译有了较大的发展。H.Murai and S.Omatu(1997)提出利用神经网络与专家知识进行图像分析，曹五丰、秦其明(1998)提出利用目标地物知识指导计算机获取遥感图像信息的新方法。这些研究，有力的推动了遥感数字图像计算机解译的发展。
    同时，遥感技术的发展，也对计算机解译方法与技术的发展提出新的挑战：
    (1)高分辨率。
    (2)高光谱。
    (3)多时相。
    (4)多角度。
    这些问题，既对计算机解译提出挑战，也必将激励人们探寻解决的方法和技术，从而推断计算机解译的发展。

6.5.1 新方法在图像理解中的应用
    1、人工神经网络在遥感图像识别中的应用
    2、小波分析在遥感图像识别中的应用
    3、分形技术及在遥感图像识别中的应用
    4、模糊分类方法在图像识别中的应用
    此外，还有其它一些新方法在计算机解译中应用。例如，利用二维字符串空间知识表示方法对物体空间关系特征进行描述，这种方法将地物在二维空间的分布转换为二维字符表示，便于进行空间推理分析和空间特征相似形检索。

6.5.2 计算机解译的主要技术发展趋势
    目前，计算机解译的技术发展趋势表现在以下几方面：
    1、抽取遥感图像多种特征并综合利用这些特征进行识别
    2、逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性
    3、建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性
    4、模式识别与专家系统相结合