Page 167 - 测绘新技术的理论与实践研究

第五章 多源遥感数据获取技术研究

HH、vV 波段的数据，利用“对象”在不同波段上的均值和方差识别、提取地物，

用于地图更新。一些研究者选取 ENVISAT 的 HH 和 VV 两个波段的数据，利用
分割算法和模糊规则集提取居民地、农田、草地和水体。提取了 SAR 图像面向
对象分析中所有特征，包括极化 SAR 特征、极化干涉系数、形状信息等，每个
对象的特征数达 l897 个，分别利用最邻近分类、支持向量机和决策树分类对 Rad

arsat-2 全极化数据进行分类，提取了森林、城市、水体、植被等地物，实验结果
表明：OBIA 分类精度高于像素级分类，总体提取精度相差约 17%。更有学者在

PolSAR 影像多尺度分割的基础上，以森林、水体和居民地为例研究了典型地物
的极化特性及面向对象提取方法。利用 HH 和 VV 波段的 TcrraSAR-X 数据对林
地、耕地、水体、居民地等地物进行提取。Aghababacc 等对全极化 SAR 数据进
行过分割，提取了水体、林地、田地、建筑物，采用基于 K- 均值算法有效避免

了分类结果中破碎区域的产生。基于 Radarsat-2 全极化数据采用面向对象技术提
取水体。
2. 基于知识的方法

遥感成像是从多到少的映射，是个确定过程，而图像解译是从少到多的映射，
是个不确定过程，无法从数学上直接求得确定解，因此需要依赖于人的知识，给
出假设和约束，以求最优解。从信息论的角度说，因为遥感成像过程丢失了信息，
或由于加入噪声而减少信息量，使得遥感图像所携带的信息量不足以表达人们所

希望解救的诸多地理对象内在的不确定度。因而在遥感图像解译时，有一个重要
的信息处理过程，包括两个方面：一是把遥感未带回的信息再补上去，即补充其
他相关的信息；二是根据图像信息进行处理和分析，推断图像上未反映的信息；

这些都需要专业知识的支持。计算机领域中人工智能的出现，使得基于知识的遥
感信息提取成为可能。如何把解译专家用于目视解释的知识定量化表达，并参与
计算机处理，成为从根本上解决信息提取问题的关键。故人机交互的后一阶段已
转入基于知识和专家系统的图像信息提取。

基于知识发现的信息提取是遥感信息提取的发展趋势，基本内容包括知识的
发现、应用知识建立提取模型，利用遥感数据和模型提取遥感信息。在知识发现

方面包括从单期遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、
地物之间的空间关系知识，其中，空间结构与形态知识包括地物的空间纹理知识、
形状知识以及地物边缘形状特征知识：从多期遥感图像中，除了可以发现以上知

155