（控制理论与控制工程专业论文）遥感地理信息集成系统基本技术的研究.pdf

国防科学技术大学研究生院学位论文 摘要 ， l 近十几年来，遥感技术取得了迅猛的发展，在此基础上，遥感技术还逐渐与 其他学科相融合，从而形成具有极大发展潜力的的新科技，遥感与地理信息系统 的结合更是其中引人注目的焦点技术之一。本文首先给出了一种遥感地理信息总 体集成系统的框架结构，围绕这一框架结构，：本文探讨了遥感与地理信息系统相 结合的一些基本的和关键的理论和技术，包括：遥感数据的预处理斜野隙滤波j 图像灰度聚樊：“图像空网聚爽) 、地理信息的预处理c 盘螗嫦恿酌数据结构、点目 标提取j 直线目标提取 ，地理信息系统的构造过程( 双边直接界搜索算法) 、地 理信息系统数据库的组织和结构、用户端接口的实现。在此基础上，本文建立了 一个具有简单应用功能的遥感地理信息集成系统。因为正文中涉及到图像的信息 度量，本文在附录中给出了有关图像信息度量的一个讨论。 关键词：、遥j 吱、地理信息系统、总体集成、双边界壹接搜索算法图像信息度量 、 f 第页 国防科学技术大学研究生院学位论文 a b s t r a c t i nr e c e n t l yt e n so f y e a r s ，r e m o t es e n s i n g h a sm a k eab i gd e v e l o p m e n t o nt h eb a s e o ft h i s d e v e l o p m e n t ，r e m o t es e n s i n gi sc o m p o n e n tw i t ho t h e rm o d e mt e c h n o l o g yt o b e c o m ean e wt e c h n o l o g yw i t hag o o da p p l i c a t i o n 凡t u r e t h ei n t e g r a t i o nb e t w e e n r e m o t e s e n s i n g a n d g e o g r a p h i c i n f o r m a t i o n s y s t e m i so n eo ft h ef o c u so ft l l i s c o m p o n e n t t h i sp a p e rg a v ea s t r u c t u r eo ft h e i n t e g r a t i o nf r a m eo fr sa n dg i s ， d i s c u s s e ds o m es t i c k i n gp o i n t si nt h et h e o r ya n dt e c h n o l o g y t h e s ek e y si n c l u d e ：t h e p r e p r o c e s s i n go f r si m a g e s ( i m a g e sf i l t e r i n g ，i m a g eg r a yl e v e lc l a s s i f y , i m a g el o c a t i o n c l a s s i f y ) ，t h ep r e p r o c e s s i n go fg e o g r a p h i ci n f o r m a t i o n ( d a t as t r u c t u r eo fg e o g r a p h i c i n f o r m a t i o n ，p o i n tt a r g e tp i c k u p ，l i n et a r g e tp i c k u p ) ，t h ec o n s t r u c t i n go fg e o g r a p h i c i n f o r m a t i o ns y s t e m ( t h ed o u b l eb o u n d a r yd i r e c tf i n d i n ga r i t h m e t i c ) ，t h ec o m p o n e n t a n ds t r u c t u r eo fg e o g r a p h i ci n f o r m a t i o nd a t a b a s e ，t h ei m p l e m e n to fc l i e n ti n t e r f a c e t h e n a u t h o rb u i l tas i m p l er s - g i si n t e g r a t i o ns y s t e mw i t l lb a s a li m p l e m e n t b e c a u s e o ft h eu s i n go fp i c t u r ei n f o r m a t i o nm e a s u r e m e n t ( p i m ) ，t h i sp a p e rd i s c u s s e di ti nt h e a p p e n d i x k e yw o r d s ：r e m o t es e n s i n g ，g e o g r a p h i ci n f o r m a t i o ns y s t e m ，i n t e g r a t i o n ，d o u b l e b o u n d a r y d i r e c tf i n d i n g ，p i c t u r ei n f o r m a t i o nm e a s u r e m e n t 第1 v 页 国防科学技术大学研究生院学位论文 第一章绪论 1 1 遥感技术简介 遥感技术是本世纪六十年代以来迅速发展的- f 3 新兴综合科技，它与空间技 术、电子技术、光学、地质、计算机技术等学科密切相关。所谓遥感，就是不直 接接触目标或现象，通过某种手段直接搜集信息，并对其进行目标识别、分类、 判读和分析的一种技术。通常是利用装在遥感平台上的传感器主动或被动地接收 光波或电磁波的反射波，以此获得目标的光谱属性，并用于随后的信息处理。 按照遥感平台的不同，遥感主要分为星载遥感和机载遥感两种：星载遥感以 卫星作为遥感平台，主要工作在电磁波波段，由于卫星的运行特点( 运行轨道高、 长时问不问断地工作、周期性通过地球某地上空) ，星载遥感能够迅速、完整、 系统地获取大量数据，并且能够周期性更新数据，但是成像数据分辨率较低，干 扰大，且图像数据有失真，适于作大规模的资源普查：而机载遥感以飞机作为遥 感平台，主要工作在可见光红外波段，其特点在于成像数据分辨率较高，成像清 晰，基本上无失真，但是受天气影响严重，并且数据量小，适于对特定地区实行 精确遥感。 广义地说来，遥感技术不只是遥感数据的获取，遥感信息的提取及应用也是 遥感技术的一个不可分割的部分。对于遥感信息的提取，传统的方法是人工目视 判读或人工判读与计算机处理相结合，从遥感数据中提取有用的信息。但是，由 于遥感数据的数据量日益增大，传统的方法已经不能很好地满足遥感信息处理的 要求：同时，遥感数据的专业性比较强，要想使之能用于实践，也要求有新的处 理方法。因此，人们正在寻找新的遥感数据处理方法使得对遥感数据的处理不 仅有效，同时又可以使遥感信息不再局限于专业技术人员，而是可以深入到实际 应用中。 近十几年来，随着计算机技术的飞速发展，遥感技术也有了更进一步的发展， 并且j 下在逐渐与其他学科相融合，从而形成更具发展潜力的、应用背景更为广阔 的新科技。其中，遥感与地理信息系统的结合就是这样的一个发展方向，并且已 经取得了较大的进展。 1 2 地理信息系统简介 地理信息系统简称g i s ( g e o g r a p h i ci n f o r m a t i o ns y s t e m ) ，也称作土地资源信 息系统( l a n dr e s o u r c e si n f o r m a t i o ns y s t e m ) ，是六十年代以来开始出现的地理学 第1 页 国防科学技术大学研究生院学位论文 研究新技术，是多种学科交叉的产物。它是以地理空间数据库为基础，采用地理 模型分析方法，实时提供多种空间的和动态的地理信息，为地学研究和地理决策 服务的计算机技术系统，具有以下三个方面的特征： ( 1 ) 具有采集、管理、分析和输出多种地理空间信息的能力，具有空间性和 动态性； ( 2 ) 以地理硗究和地理决策为目的，以地理模型方法为手段，具有区域空间 分析、多要素综合分析和动态预测能力，并能够产生高层次的地理信息； ( 3 ) 由计算机系统支持进行空间地理数据管理，并由计算机程序模拟常规的 或专门的地理分析方法，作用于空间数据，产生有用信息，完成人类难以完成的 任务。 从应用的角度看，地理信息系统就是一类特殊的计算机软件系统，它结合了 数据库管理、地图自动生成以及专家系统这几种不同的技术，使用地理信息的方 式来存储、转换、分析数据，并产生高层次的地理信息，为最终决策服务。因此， 地理信息系统的发展。取决于计算机技术特别是数据库管理技术的发展水平，而 近些年来地理信息系统之所以能够迅速发展一个根本原因也在于此。 地理信息系统的快速发展，另一个重要原因则在于遥感技术的迅速发展。正 是遥感技术的发展，促成了地理信息系统的产生：而随着遥感技术的发展，人们 能够快速、连续、周期性地观察整个地球，形成海量的遥感数据，因此，人们又 对地理信息系统寄以厚望，希望利用其强大的数据库管理功能，配以不同的专家 系统技术，能够迅速有效地存储、更新、分析、管理这些数据，并在此基础上形 成实际应用所需的决策信息，最终给出有效的输出可以说，正是随着遥感技术 的产生和发展，地理信息系统得以产生和发展；而地理信息系统的发展，反过来 也促进了遥感技术的进一步发展 总之，遥感技术和地理信息系统两者从产生到发展，始终是相辅相成的：前 者着重于( 与地球表面相关的) 信息的获取和处理，而后者则致力于信息的管理 与应用，两者互相补充，构成一个完整的技术体系。而在这一体系中，如何完善 地实现两者的结合，有效地发挥两者的长处，形成实用的系统，还有很多的工作 要做。 1 3 遥感和地理信息系统的集成与关键技术 集成是英语i n t e g r a t i o n 的中译文，指的是种有机的结合、在线的连接、实 时的处理和系统的整体性。它所强调的是系统的整体性，对于遥感和地理信息系 统的集成而言，整体性体现在如何将两种差异巨大的技术如何为一个协调工作的 整体系统。如图1 1 所示，遥感和地理信息系统的集成有三种方式：分开但平行 第2 翼 国防科学技术大学研究生院学位论文 的结合( 不同的用户界面、不同的工具库和不同的数据库) ，表面无缝的结合( 同 一个用户界面、不同的工具库和不同的数据库) 和整体的集成( 同一个用户界面、 工具库和数据库) 。其中，未来的要求是整体的集成，亦即是整体的融合。 要实现这样的一个集成系统，需要研究和解决集成系统设计、实现和应用中 出现的一些共性的基本问题，这也是集成系统能够真正应用于实践所必须解决的 理论和技术问题。大体上可以分为以下几个方面的问题： 用户界面 数据库管理系统卜- 1 图形处理 属性数据图形教据 ( a 】分开但是平行的结合 用户界面 圉像处理 橱格数据 ( b ) 无缝的结合 l用户再面 i l图像、图形处理系统及藏据库管理系统 i l整体结合的属性、矢量和_ 格数据 ( c ) 整体集成 图l l 遥感与地理信息系统结合的三种方式 ( 1 ) 从遥感数据中自动、快速和实时地提取空间目标位置、形状、结构及相 互关系和空问目标的语义信息的理论与方法，如遥感影像地物结构信息的自动提 取和精确图形表达；多种传感器、多分辨率和多时相遥感图像的融合理论与方法； 基于知识工程的遥感影像解译与分类系统的研究等等。 ( 2 ) 研究数据的集成管理模式、数据模型，设计和发展相应的数据管理系统。 以实现图形、图像、属性数据等的一体化管理，为系统集成处理和综合应用提供 基础平台。 第3 页 国防科学技术大学研究生院学位论文 ( 3 ) 研究如何依托已建立的地理信息系统来实现遥感影像的智能化全数字过 程，并从中快速发现在哪些地区空间信息发生了变化，进而实现地理信息数据库 的自动，半自动快速更新。 ( 4 ) 研究不同分辨率、不同时相的大量图形和影像数据的多级分辨率和多尺 度表示在各种介质和终端上的可是化问题。 1 4 本文内容组织 本文对遥感地理信息系统整体集成的实现做了一些探索，提出了遥感地理 信息总体集成系统的框架结构，探讨了建立该系统的一些基本和关键的技术，并 建立了一个具有简单应用功能的遥感地理信息集成系统。全文结构如下： 第二章：遥感地理信息系统的总体结构分析：这一章给出了该系统的整体框 架，并具体分析了其中各个子模块的功能。 第三章：遥感数据预处理；这一章讨论了遥感数据的预处理模块。包括图像 滤波、图像灰度聚类、图像空间聚类三部分。 第四章：地理信息预处理；这一章讨论了地理信息的预处理模块，包括地理 信息的数据结构、地理信息数据库的结构、点目标提取、直线目标提取四个部分。 第五章：地理信息系统的构造与应用；这章讨论了地理信息系统的构造过 程、地理信息系统数据库的组织和结构，同时还讨论了用户端的接口。 第六章：结束语；总结本文的工作，并讨论遥感地理信息系统今后进一步发 展的趋势。 第4 页 国防科学技术大学研究生院学位论文 第二章遥感地理信息集成系统的结构分析 2 1 系统总体结构分析 对于遥感地理信息系统的集成，国内有人已经作了一些探索，并建立了遥感 。地理信息系统相结合的系统结构，从结构上分析，这种结合或者是分开而平行的 结合，或者是表面无缝的结合，从处理模式上来说是分别处理地理信息和遥感信 息，再实现两种数据的转化和结合，而并不是整体的集成。 本文所提出的遥感地理信息集成系统的结构，着眼于系统的整体集成，基本 上体现了整体集成的特点，即将地理信息和属性信息按照其内在的联系结合起 来，形成整体数据库，并用同一套工具库进行数据处理。这样，遥感与地理信息 系统的结合将是一种互相包含的结构，从而能够达到整体集成的要求。 要实现这样一种整体集成，考虑到这两者之间的巨大差异，很自然的一个思 路是将该系统从总体上分为两个大的模块，即遥感图像处理模块和地理信息处理 模块，同时，严格地定义两个模块之间的数据接口，并仔细地规划信息流程。本 文正是在这样的思路之上建立起了遥感地理信息集成系统，具体结构如下( 图 21 ) ： 遥感图像处理； 模块； 予模块一 予模块二 ：地理信息处理! 模块 坠生订鬲i 司黼p p q 匝 ：层冼圈n ：r 一 h 三堡堡翌一 ： i 图2 1 系统总体结构 l 罾 ：端 l 接 上图中，各个模块的功能如下： ( 1 ) 遥感图像处理模块：该模块含有若干个子模块，每一个子模块用于实现 一种特殊的功能。这样安排可以把一幅复杂的遥感图像按照不同的侧重点分为几 个层次在每个层次上针对特定的对象设计特殊的算法，从而可以达到更高的效 率：同时。信息分层也是地理信息系统的必须具备的特点之一，在遥感图像处理 阶段作了分层处理以后，将来建立地理信息系统时，就不需要再作分层处理，而 第5 页 至哕 ：塑融 国防科学技术大学研究生院学位论文 只要简单地将预处理的层次一对应过来即可。这样，通过遥感图像处理过程以 后，遥感图像中的信息被分为若干个层次( 层次的多少与图像的复杂程度和最终 关心的信息有关) ，每个层次直接对应地理信息系统中的一个层次。 ( 2 ) 地理信息处理模块：该模块也分为若干个子模块，并与遥感图像处理模 块的子模块一一对应。它的算法也是特殊设计的，用于对特定的遥感图像信息层 次进行处理，产生对应的地理信息层次。 ( 3 ) 用户端接口模块：该模块主要用于与用户的交互操作以最终实现遥感 信息的应用。它提供一些通用的信息查询操作，并可以根据不同的用户设计特殊 的算法，满足不同的需求。 2 2 遥感图像处理模块的实现 从一幅遥感图像中提取有用的信息，传统的方法是人工日视判读，识别出感 兴趣的对象。如果想要用计算机代替人工处理遥感图像。一个主要的问题在于图 像的复杂性。由于存在各种干扰、噪声和图像畸变，加之遥感图像本身也相当复 杂，计算机判读图像相当不准确。本文中，假设图像已经经过了校正处理，消除 了畸变。对这种图像，还必须有一个预处理过程，以实现去除噪声、降低干扰的 功能。然后，再将图像送入每一个子模块进行处理。这一流程见图2 2 一一。一- 。一一。_ 一。 ；遥感鲴像处理模块 适 感 图 像 图像预处 理过程 子模块一；点目标识别模块 予模块二：直缱目标识别模块 子模块三z 曲线目标识别模块 子模块四：面目标识捌模块 图2 , 2 遥感信息处理模块 鳖 簋 篓 篓 在子模块中，按照不同的设计目的，对送入的图像做不同的处理，以获得特 定的信息。这些子模块分为通用模块和专用模块两种，其中，通用模块有点目标 ： 别模块、直线目标识别模块、曲线目标识别模块、面目标识别模块以及拓扑结 构生成预处理模块等等专用模块则根据用户的特殊要求设计，其作用是从遥感 第6 页 璺 国舫科学技术大学研究生院学位论文 图像中按照特定的要求提取特定的细节信息，以适用于某些特殊的要求。这样， 一幅复杂的遥感图像，在经过了以上的处理过程之后，将会产生若干幅简单的、 属性单一的信息层次图，从而为下一步产生地理信息提供了方便。 2 3 地理信息处理模块的实现 地理信息处理模块从处理的时序上来说，分为两个阶段：信息提取阶段和信 息数据库建立阶段。前一个阶段完成从信息层次图中提取有用信息的功能，而后 一个阶段则将前一个阶段提取出来的信息加入到信息数据库中，从而实现信息的 规范化。使得信息的应用更加方便，并具有更高的开放性和通用性。 当经过遥感信息处理模块之后产生的若干幅信息层次图被送入地理信息处理 模块之后，其中的点目标信息图、直线目标信息图、曲线目标信息图和块目标信 息图可以直接通过简单的搜索算法提取出其中的信息，并将其规范化，形成地理 信息元数据，加入到地理信息数据库中。而对于拓扑结构层次图，则要执行一个 复杂的算法( 双边界直接搜索算法) 。这一算法将建立一个完整的多边形网格地 理信息结构，它包含有完整的拓扑信息，之后，再将这一结构规范化，加入到地 理信息数据库中。该多边形网格结构是地理信息系统的基础结构之一，其他的遥 感信息都可以“绑定”在这样一个结构之上，正如人文信息都可以绑定在行政区 划图上一样( 实际上，对行政区划图加上完整的拓扑信息后，就可以得到一个多 边形网格地理信息结构) 。 这样，一幅遥感图像，经过了遥感信息处理模块和地理信息处理模块之后， 有用信息( 人们感兴趣的信息) 将以一种规范化的格式( 元数据) 保存在数据库 中。只要知道这种数据的格式，就可以从用户端进行数据的查询、输出、更新等 一系列的操作，从而使遥感信息具有更高的开放性，更容易实现遥感信息的交流， 更好地为实际应用服务。 2 4 数据库的组织 数据库是地理信息系统的核心部分之一，它组织得合理与否，直接影响着该 系统的效率，甚至于决定了该系统能否成功地运行针对遥感信息的特点，本文 设计的数据库结构如图2 3 数据库由一个主表、若干个细节表和若干个属性表构成。它们之间由一个编 号( 图像编号) 互相关联主表指出了某一遥感图像包含哪些层次，并具体指出 了这些层次的编号( 层次编号) 和属性( 层次属性) ；细节表则按照不同的层次 类型分别存放各种层次信息，它们的每一条纪录都代表着某个层次上一个特征 ( 点、直线、曲线、面等等) 的地理信息( 由特征编号标识) ，并且通过图像编 第7 页 国防科学技术大学研究生院学位论文 主表 图像编号l 层次编号i 层次属性i 入库时同 0 0 0 0 0 1 l 0 0 0 0 0 1 l 点元素层次i | 9 9 9 1 0 4 o o 0 0 0 i l 0 0 0 0 0 2 j 线元素层次 0 0 0 0 0 1 l 0 0 0 0 0 3 i 面元素层次 线元素层次细节表 点冗素层次细节衷 图像编g - i 层次编号l 特征编号i 位i ：横坐标i 位置：纵坐标 3 7 5 0 0 0 0 0 3 i3 3 2 8f 7 83 属性表 面元素层次信息表 图像编号l 层次编号j 特征编号i 特征属性j 灰度属性i 其他属性 0 0 0 0 0 1 l 0 0 0 0 0 1 i i ) 1 3 0 0 0 l l 点元素l 2 0 3 l 【大小) 0 0 0 0 0 1 l 0 0 0 0 0 1 1 0 0 0 0 0 2 f 点元素 0 0 0 0 0 1 f 0 0 0 0 0 1 l 0 0 0 0 0 4 l 线元素l n u l l i 长度) 图2 3 数据库组织结构 号和层次编号与主表关联起来；属性表则记录与细节表中某一条纪录相对应的属 性信息，并通过图像编号、层次编号和特征编号与细节表关联起来这样，整个 数据库各个表之间通过唯一的标识链接起来。有利于提高数据查询的效率。 2 5 用户端接1 2 1 模块的实现 这一模块主要针对数据库中地理信息的应用，即按照用户的不同需要从数 据库中组织数据，形成各种输出。其工作过程是先将用户的操作分解成一系列针 对数据库的元操作，然后执行这些元操作，从数据库中取出相关的信息，最后将 每一个元操作的结果组合起来，得到用户所要求的数据，形成输出。这一过程如 图2 4 所示。 将用户的操作分解成针对数据库的元操作是一个很复杂的过程，而且，由于 用户操作的多样性，不可能给出通用的分解方法，这里，只对一些比较通用的操 作做一个简单的分析例如：要查找某一区域所有的湖泊，首先要分析该区域的 地理范围，确定应该在哪些遥感图像中搜索对要搜索的每一幅图像，必须按属 性信息到块目标属性表中查找符合湖泊特征的块状目标，并取出其地理信息然 第8 页 国防科学技术大学研究生院学位论文 用户端接口模块 、 数据库查询 数 纠用乒：夸i 用户命令 l ，定义 生 露( p ) = l 一p ? 第4 3 页 国防科学技术大学研究生院学位论文 可以证明，这一类图像度量满足以上七个性质，具体证明过程，见参考文献 【7 】。然而，从该度量的定义式中可以看到，它与所有的灰度值相关，这与我们对 图像的主观认识不一致，因为对任何一幅图像，我们所感兴趣的只是一部分的灰 度值范围，对于其余的部分并不关心，尽管从理论分析的角度看来，图像信息度 量与图像中所有的灰度值相关是有益而且必要的。而且，指数口的存在，使得信 息度量的计算复杂程度大大增加，基本上失去了实际应用的可能性因此，有必 要取另外一个信息度量，满足一般图像度量的所有性质，而同时又便于计算。本 文中所应用的图像信息度量p i m 。驴) 定义为： 一l p i m 。= h ( o - | i ，( f ) 扣o ，n i l 其归一化表达式为： n p i m ( 厂) = 1 - p ( f ) n ( i j 式中，h ： o 1 ，三一1 斗j v 表示图像，的直方图，| i l ( f ) 是灰度为f 的像素个数， p ( f ) 为灰度为f 的像素数目在整个图像所有像素数日中的百分比，q ( 七) 为图像信 息度量区间，表示图像中对图像信息度量有用的灰度范围，其范围的大小与七值 相关。这一图像信息度量也是满足上述七个条件的，其证明过程见参考文献【7 】。 3 基于位置的图像信息度量 对于任何一幅图像，它的每一个像素点都具有两个基本属性：灰度和位置， 因此，对图像信息的度量，也应该是这两个方面的度量的综合。然而，由于图像 的灰度有具体的数值，并且有着明显的物理意义，因而从图像处理的出现以来， 人们的注意力就绝大多数集中在图像的灰度处理方面，而图像中像素的位置属 性，则长期被人们所忽视。 这里，本文将尝试提出一种基于位置的图像信息度量并分析其性质目的 在于使它可以象基于灰度的图像信息度量一样。给出图像信息的有效度量，以指 导图像处理的进行。 首先来看位置属性与灰度属性的关系考察用四叉树对栅格图像数据编码， 它是将整个图像区域逐步分解为一系列单一灰度覆盖的方形区域，以达到压缩数 据的目的，因为最终所得到的区域都是单一灰度值。因而对这些区域而言，其表 达相当简单( 仅用一个灰度值就能够表达出来) 根据前面定义的基于灰度的图 像信息度量( p i m ) ，每个单一灰度的区域的信息度量为0 ，于是，本来图像信息 不为0 的原图像就被分成了若干个图像信息为0 的子图像，但图像的信息并没有 第页 国防科学技术大学研究生院学位论文 消失，它转移到了四叉树中( 见图附a 1 ) 。从这里可以看到，图像的信息既可以 通过灰度来存储( 原图像) ，也可以通过位置来存储( 四叉树) ，因此，对图像信 息的度量也完全可以通过这两种方式进行。 444 7 7 7 7i7 -_ - 一 4 4 4 4777 7 。- 2 2 2 4 777 7 -_ - - 222 8 7 7 77 0 o2888 78 - - - - - 一 0 00888 8 8 o o 0 o8 8 88 ，一 - -一_ _ 0 o o 0 o888 ( ) ( 5 ) t 6 ) 7 ) 1 8 ) ( 9 ) a o o o0 9 帕a d 姻西i z t ) ( 2 2 j 2 4 ( 巧1 ( 21 2 n o8 28o8 8888 78 28244447 附a 1 信息从图像到四叉树的转移 在图附a 1 中，我们可以看到，原来的图像中每个位置的属性( 灰度值) 成 了四叉树中叶结点的属性，同时，四叉树本身具有的固定的结构，这使得对特定 的四叉树而言，其中任意一个叶结点的位置都是固定的，即对四叉树中任意一个 叶结点，可以从它在树中的层次、位置，推算出该叶结点代表的区域在原图像中 的位置和大小。图像越复杂，其对应的四叉树就越复杂，图像越简单，其对应的 四叉树就越简单。在极端的情况下，如果图像中只有一个灰度值，其四叉树将只 有一个叶结点；如果图像中的灰度是均匀分布的( 即每一个像素点都与周围的像 素点不同) ，其四叉树的叶结点个数将与图像中像素点的个数一样多。这一点启 发我们，基于位置的图像信息度量应该可以用其相应的四叉树叶结点的度量来表 刁io 第4 5 页 国防科学技术大学研究生院学位论文 定义四叉树叶结点的信息度量t i m i f f ) 为： m ， t i m 女( y ) - - ! ! 争 式中，m 表示四叉树厂中第f 层的叶结点的个数，一是图像对应的四叉树可 能的最大层数，n ( k ) 为四叉树信息度量区间，表示四叉树中对其信息度量有用的 层次范围。其范围的大小与k 值相关，这里我们把这个范围取为四叉树中所有的 层次。如果我们把它与基于位置的图像度量等同起来，那么。可以证明，该四叉 树信息度量满足前面给出的图像信息度量的六个性质( 只是此时针对的是位置属 性) 。而性质( 3 ) 则不再是实质性的性质。具体证明过程如下： ( 1 ) 连续性：即m 。的微小变化仅引起图像度量的微小变化，这一性质显然。 ( 2 ) 对称性：由四叉树的对称性可知其度量亦具有对称性。 ( 3 ) 凹性：此性质的提出是基于图像分割的理论，即分割后的各个子图像度 量之和不大于原图像的度量( 因为分割时将一部分信息用位置关系保存了起来) 。 但在以位置为基础的信息度量中，图像所有的信息都是用位置关系保存的，因而 此时信息度量的凹性不再是必须的性质。 ( 4 ) 有最大值：对一幅灰度均匀分布的图像，其四叉树的叶结点个数达到最 大，t i m 。u ) 的值为1 ，取得最大值。 ( 5 ) 确定性：对一幅仅有一个灰度的图像，则它只有一个叶结点，其 t i m 。驴) 的值为i j ，为最小值( 不论如何，它总有一个叶结点，因而1 r i m ( 厂) q 不会为0 ) 。 ( 6 ) 敏感性：如果将某一灰度进行分裂为两个新的灰度，新的灰度必然与其 周围原来的任一个灰度都不相同，因此图像对应的四叉树的叶结点不会减少同 时，由于原有的一个灰度被分裂为了两个灰度，原来合在一起的区域现在有可能 被分为两个区域，因此图像对应的四叉树的叶结点还有可能增加故不等式 ，扣i + p 2 ，p 3 ，以) sl d l ，p 2 ，p ) 成立。 ( 7 ) 可扩展性：从t i m 。( 厂) 的定义中可以看出，对四叉树增加不用的层次并 不影响其度量。 虽然t i m 。驴) 可以用来作为图像信息的度量，但在实际应用中却行不通：要 计算t i m 。口) 首先必须对图像做四叉树分解，这将导致极大的计算量因此，这 里尝试用图像边界度量代替四叉树叶结点度量，如图附a 2 所示： 第4 6 页 国防科学技术大学研究生院学位论文 图中用实线标出的是图像中的边界线，这些边界线用单位长度来度量，即定 4 - 4 2 _ _ 2 0 - 0 - 0 _ 0 4 - 4 2 - - 2 0 _ o _ - 0 - 0 4 _- 4 2 - 2 - _ - 2 0 - o 0 7 4 - - 4 8 - - 8 - - 8 一 o - - o 7 - - 7 _ _ _ - 7 - - 7 8 - _ _ 8 - - 8 0 7 -_ 7 - - 7 - - 7 8 - - 8 - 8 - 8 7 - - 7 7 _ 7 7 8 _- 8 - 8 7 - - 7 _ 一 7 _ - 7 8 _ - - 8 - 8 - - 8 附a 2 图像信息的边界度量 纵向边界：1 3 个单位长度 横向边再t1 4 个单位长度 义相邻的两个像素点之间的边界“长度”为一个单位长度。定义： e m t y ) = 熹函 为图像边界度量，其中，e 、e ，分别为图像中横、纵向边界的长度，n 为图像的 边长( 设图像为正方形) 。与上面的证明过程相似，我们可以证明边界度量与四 叉树叶结点度量具有相同的性质，这里不再赘述。 其实，边界度量就是四叉树叶结点度量的一种近似。在四叉树叶结点度量中， 对四叉树的每一个结点而言，如果它被分为了四个子结点，那么，该结点所对应 的图像区域内部至少有两个单位的边界( 这里的单位就是下一层结点所对应的图 像区域的边长) 。因此，四叉树中的叶结点越多。图像中的边界数目就有可能越 多，但两者并不是完全一一对应的，有可能出现叶结点增多、图像边界反而减少 的情况。虽然边界度量与四叉树叶结点度量不完全等价，但它具有计算简单的优 点，并且与后者具有相同的性质，因而能够用于实际的应用 第耵页 国防科学技术大学研究生院学位论文 附录b 本文所用到的分类算法 1 分类算法简介 分类就是按照给定的某些要求和条件，把一个集合中的所有元素划分到若干 个不同的类别中去，最终形成几个特定的类别，每个类别都与其他类别在某些方 面有着明显的差异，而同一类别的元素则不存在这种差异。分类的过程是一个模 式识别的过程，具体针对图像处理而言，就是把一幅图像中的每个像元划分到若 干个种类中，从而得到图像中的像素点的类别信息。 分类包括有导师和无导师两种方法。有导师分类也称为监督分类，其实现过 程是先根据已失d i l l 练场地提供的样本。通过选择特征参数，建立判别函数和相应 的若干个类别，然后把待分类的集合中的各个元素归到给定的类别中去：无导师 分类也称为非监督分类，是根据集合元素本身的统计特点及元素的分布情况，从 纯统计学的角度对待分类的集合中的元素进行类别划分。这两种方法最大的区别 在于，监督分类首先给定判别函数和类别而非监分聚类则由图像数据的统计特 性决定其最终的类别数目和类别特性。因此，非监督分类可以直接用来解决分类 问题，而非监督分类则还要首先提供样本进行训练，建立起判别函数以后才能用 于解决分类问题。考虑到系统的简单性，本文中主要应用非监督分类算法。 非监督分类主要是进行聚类分析，即按照像元之间的联系程度( 亲疏程度) 来进行分类的一种多元统计方法。聚类需要计算点与点之间的类似度，常用的类 似度是距离，而距离中又主要是歇氏距离或绝对值距离两个向量z 与r 之间的 欧氏距离定义为： f i _ 如= 1 亿( 一y 。) 4 i1 = 1 两个向量x 与】，之间的绝对值距离定义为： = k y i t t l 以上两式中，打为向量的维数，而，m 分别为向量和l r 的分量。 对聚类的结果，一般用类别间的距离来表示聚类效果的好坏程度：不同类别 之间的距离越大、相同类别中元素之间的距离越小。则聚类效果越好。类别之间 的距离一般有如下几种定义( 假定要求类别p 和q 之间的距离) ： ( 1 ) 两类中相距最近的两个元素之间的距离，即 d 一5 ，嚣瘿。丸 第柏页 国防科学技术大学研究生院学位论文 ( 2 ) 两类中相距最远的两个元素之间的距离，即： d p q2 m a j x q 如 ( 3 ) 两类中均值向量之间的距离，即： d 阳= 哝i ，工p ，y e q ( 4 ) 两个类别之间的距离的平方等于这两类中的元素两两之间的平均平方距 离，即： 1 嚷5 去薹 式中，为类别p 中的元素个数，为类别q 中的元素个数 ( 5 ) 相似距离： = 式中，y ，分别为类p ，q 中的平均向量的分量。 至于实际中的应用，可以根据实际情况来选用。 聚类分析有多种方法，如聚合法、分裂法、最优阶段法、加入法、调优法、 变量筛选法等等，在理论上，它们都可以用于遥感图像的分类。针对所涉及的聚 类要求和运行时间的考虑，本文中选用两种方法：动态聚类法和等混合距离算法。 2 动态聚类法 动态聚类也称为逐步聚类法或七平均算法，它选择一些向量( 初始点) 作为 聚类中心，先进行粗糙的分类，然后再逐步调整。直到所分的类别满足要求为止， 此方法对所分得的类别数有先验的要求算法中，对初始点的选择往往对最终的 结果有较大的影响，实际应用中，对初始点的选择有如下几种方法： ( 1 ) 凭经验选取：根据实际情况，用经验的办法确定类别数，并从数据中找 出经验上看来是比较合适的聚类中心 ( 2 ) 随机选取：将全部数据随机地分为 类，计算每个类别的重心，将这些重 心作为聚类中心。 ( 3 ) 顺序选取：用前t 个样本点作为聚类中心。 ( 4 ) 递归选取：从( 1 ) 聚类划分问题的解中产生 聚类划分问题的聚类中 心。具体做法是：先把全部像元看作一个聚类，其中心为均值向量，然后确定两 聚类问题的中心由一聚类划分的均值向量和离该向量最远的点构成；依此类推。 则聚类问题的中心就是( 缸1 ) 聚类划分所得到的( k - 1 ) 个均值向量再加上离均 第帕页 国防科学技术大学研究生院学位论文 曼邕jl , 寡皇曼曼篁薯曼曼曼邕舅墨璺量曹舞墨量量皇_ 罾鼍囊_ 舅皇舅舅_ | 量囊量甍 值最远的那一个点。 ( 5 ) 平均选取：将整个待分类的集合中的元素按照某度量标准均匀地分为k 个子区间，在每一个子区间内，再按该度量取其中值作为聚类中心，从而得到k 个聚类中心，这样选取的聚类中心至少保证了类别的划分在该度量上比较均匀。 初始聚类中心的选择会影响聚类的结果，有可能得到局部最优解而非全局最 优解。在以上方法中，( 4 ) 比较理想，但由于采取了迭代算法，计算量过于庞大， 不易于在实际应用采用，因此本文中所涉及的聚类算法，将按照具体的条件，选 用方法( 1 ) 或方法( 5 ) 。 动态聚类算法的步骤如下( 流程图见图附b 1 ) ： ( 1 ) 根据具体要求确定分类数七。 ( 2 ) 对于要分类的集合，选取k 个向量 ( 元素) 作为初始聚类中心，砚( 1 ) ， i = 1 , 2 ，k ，并确定聚类时用到的类似度， 本文中的算法所用的类似度一般为欧氏距 离。 ( 3 ) 计算每一个向量( 元素) 到原始聚 类中心帆( 1 ) 的距离，并将之归到最近的聚 类中心所代表的那一类去，形成k 类用 数学表达式来表达，那就是：对于任一个 向量x ，如果 如川) = m i nd ( 1 j ，= 1 , 2 ，k ， 则x 属于第，类。 ( 4 ) 分别计算分得的k 个类别的均值向 量以( 2 ) ，i = l ，2 ，k 。 ( 5 ) 比较两次计算所得的两个均值向 量，如果l 脚。( 1 ) 一所，( 2 】s 6 ，i = l ，2 ，k ( 式 中6 为误差阈值) ，则聚类算法结束。否则， 重新执行步骤( 2 ) 、( 3 ) 、( 4 ) ，获得 m ( 3 ) i = l ，2 ，k 。再进行比较，如此反复 进行下去，直到新老聚类中心重台为止 附b 1 动态聚类流程图 以上算法中，当以各类的均值向量作为聚类中心时，满足各类中每一向量到 中心向量的距离平方和最小的原则已经证明，动态聚类算法是收敛的( 见参考 文献1 6 1 ) ，而且收敛速度比较块，在实际应用中，还可以规定迭代次数上限，以 第页 国防科学技术大学研究生院学位论文 节约时间。 3 等混合距离算法 等混合距离算法属于一种自适应的分类方法，它不给出先验的类别数，而是 按照给定的条件进行分类，直到 条件满足时为止，其算法如下： ( 1 ) 在全部样本集合中形成两 个分类中心g l , g ：，并将攘个集合 分为两类q 和。 ( 2 ) 在已分好的类别中，搜索 是否存在还可以再分的类，如果 存在，转步骤( 3 ) ，否则，分类结 束。 ( 3 ) 对可分的类别，形成两个 分类中心，再加上原有的分类中 心，得到一组新的分类中心，将 整个集合按照这组新的分类中心 分类，得到一组新的分类，转步 骤( 2 ) 。 在实际应用中，为了防止因 闽值取乎导不当使类别数过大，可 以取类别阈值，当类别数达到类 别阈值之后，不论其他闽值是否 满足，都中止算法。流程图见图 附b 2 。 计算韧始分组 中心g i , g 】 l 设k 为类别致 初始时i c = - 2 一 l 产生k + 1 个分组所有像元分到 i中心。令k = k + ik 个分组中心 l i 香太 附b 2 等混合距离算法流程图 第5 i 页 国防科学技术大学研究生院学位论文 附录c 本文中的关键算法 l 双边界搜索算法中的边界搜索递归调用子函数 该子函数被双边界搜索算法调用，它从给定的模板坐标开始，按指定的搜索 方向对某一边界线进行搜索，并且该边界线的左右多边形号也己指定。当它搜索 到终止节点时退出子程序( 终止节点包括两种类型：边界节点、所有与之相连的 边界都已被搜索过的节点) ，而当它搜索到非终止节点时，则将该边界入库，同 时按节点的性质进行递归调用。 入口参数：搜索方向( 取值为：o x 3 1 。0 x 3 2 ，0 x 3 3 ，0 x 3 4 ，分别代表搜索方 向为：下、左、上、右) ，左多边形号，右多边形号，模板横坐标，模板纵坐标。 出口参数：无。 函数s e a r c h 算法开始 ( 1 ) 设置链码字符串初始值为空 ( 2 ) 按照搜索方向的值，完成以下步骤： o x 3 l ：模扳纵坐标加一。链码加一个向下的字符 0 x 3 2 ：模板横坐标减一链码加一个向左的字符 0 x 3 3 ：模板纵坐标减一。链码加一个向上的字符 0 x 3 4 ：模板横坐标加一。链码加一个向右的字符 ( 3 ) 如果模板新位置已经到了图像边界，跳转步骤( 6 ) ( ) 否则。判断当前位置的边界类型根据边界线类型，分别执行下面的操作： 类型1 ： 如果搜索方向为0 x 3 4 则： 标志数组中，模板右下角置为右多边形编号， 搜索方向值为0 x 3 4 如果搜索方向为0 x 3 2 则： 标志数组中，模扳左上角置为右多边形编号 搜索方向值为0 x 3 2 类型2 ： 如果搜索方向为o x 3 l 则i 标志数组中模板左下角置为右多边形编号 搜索方向值为o x 3 1 如果搜索方向为0 x 3 3 则： 标志数组中，模板右上角置为右多边形编号， 搜索方向值为0 x 3 3 类型3 ： 右上角置为左多边形编号 左下角置为左多边形编号 右下角置为左多边形编号 左上角置为左多边形编号 第5 2 页 国防科学技术大学研究生院学位论文 如果搜索方向为o x 3 l 则： 标志数组中模板左下角置为左多边形编号，左上角置为左多边形编号， 搜索方向值为0 x 3 2 如果搜索方向为0 x 3 4 则； 标志数组中，模板右上角置为右多边形编号，右下角置为右多边形编号， 搜索方向值为0 x 3 3 。 类型4 ： 如果搜索方向为o x 3 1 则： 标志数组中，模扳右下角置为右多边形编号， 搜索方向值为0 x 3 4 。 如果搜索方向为0 x 3 2 则： 标志数组中，模扳左上角置为左多边形编号 搜索方向值为0 x 3 3 类型5 ： 如果搜索方向为0 x 3 3 则t 标志数组中，模扳左上角置为右多边形编号， 搜索方向值为0 x 3 2 如果搜索方向为0 x 3 4 则： 标志数组中，模板右上角置为左多边形编号。 搜索方向值为o x 3 1 类型6 ： 如果搜索方向为0 x 3 2 则： 标志数组中。模板左下角置为右多边形编号。 搜索方向值为o x 3 1 如果搜索方向为0 x 3 3 则： 标志数组中，模板左上角置为左多边形编号， 搜索方向值为0 x 3 4 不是边界线： 左下角置为右多边形编号 左下角置为左多边形编号 右上角置为右多边形编号 右下角置为右多边形编号 左上角置为右多边形编号 右上角置为左多边形编号 跳转步骤( 6 ) 。 ( 5 ) 跳转步骤( 2 ) 。 ( 6 ) 将搜索到的边界线及其有关数据加入数据库 ( 7 ) 如果边界线的终止结点为边界结点，函数返回 ( 8 ) 将终止结点的类型和进入该结点的边界线方向编码，记入节点的标志数组 ( 9 ) 判断结点类型，根据其类型，分别执行： 类型1 ： 判断当前搜索方向按照这个搜索方向分别执行： o x 3 l