形狀信息的提取與計(jì)算機(jī)自動分類

摘 要：本文就形狀信息的提取與計(jì)算機(jī)自動分類這一命題進(jìn)行分析。闡述了信息提取的相關(guān)理論知識，包括信息理論內(nèi)涵遙感圖像的分類和提取、遙感圖像提取未來發(fā)展趨向等內(nèi)容，為后續(xù)的形狀信息提取作理論鋪墊。此外，深入探討了形狀信息的提取與計(jì)算機(jī)自動分類要點(diǎn)與方法，對不同方法的應(yīng)用缺陷進(jìn)行分析和總結(jié)，力求為相關(guān)單位和業(yè)內(nèi)人員提供理論參考資料。

關(guān)鍵詞：形狀信息；提??；計(jì)算機(jī)；自動分類

近些年，伴隨我國和世界各個國家遙感衛(wèi)星發(fā)射的日漸增多（此類衛(wèi)星最大特點(diǎn)為分辨率不同），極大地豐富了傳感設(shè)備的種類，提高影像采集質(zhì)量。面對日漸豐富的遙感影像和數(shù)據(jù)，使得各行各業(yè)信息化提取工作壓力增加，面臨較大的調(diào)整。怎樣切實(shí)做好信息的提取和計(jì)算機(jī)分類，成為備注關(guān)注的熱點(diǎn)話題。

一、 相關(guān)理論闡述

（一） 信息提取理論闡述

信息提取指在測繪學(xué)中，對遙感影像的信息進(jìn)行提取的過程。遙感信息主要是從那些模糊的、有噪聲的、不完全的、海量的信息中，隨機(jī)去應(yīng)用并提取出影像數(shù)據(jù)，然后把提取出的數(shù)據(jù)里所涵蓋那些對用戶具有應(yīng)用價(jià)值的信息（如溫度、植被、地物等），把這些具有應(yīng)用價(jià)值的信息利用結(jié)構(gòu)化數(shù)據(jù)的形式，放入到數(shù)據(jù)庫中或者利用其他不同形式為用戶服務(wù)，方便用戶的應(yīng)用。隨著我國科學(xué)技術(shù)的不斷發(fā)展，遙感技術(shù)的日漸成熟，利用遙感信息去自動化提取相關(guān)形狀的信息，早已成為遙感信息的整個生產(chǎn)流程的一大瓶頸環(huán)節(jié)。

（二） 遙感圖像的分類和提取

遙感圖像不僅是信息提取關(guān)鍵環(huán)節(jié)，也是遙感圖像整個處理體系中最為核心的功能，它實(shí)現(xiàn)了遙感技術(shù)的應(yīng)用目標(biāo)，用戶可建立在遙感數(shù)據(jù)基礎(chǔ)上提取地理信息。提取到的遙感圖像涵蓋分類后處理的功能、非監(jiān)督類的處理功能、監(jiān)督類的處理功能。監(jiān)督類處理功能又被劃分為二編制編碼、波普角分類、貝葉斯分類、最小距離等分類。非監(jiān)督類的分類又被劃分為混合距離法等不同分類。遙感圖像的提取包括以下幾種方法：把知識發(fā)現(xiàn)作為基礎(chǔ)，對遙感信息進(jìn)行提取、壓符號知識作為基礎(chǔ)，對邏輯推理類型的遙感信息進(jìn)行提取。

（三） 遙感圖像提取未來發(fā)展趨向

在未來遙感信息的提取，將呈現(xiàn)以下幾種不同趨勢：其一，把地理紋理知識作為基礎(chǔ)，對信息進(jìn)行提取。其二，把地物形狀作為基礎(chǔ)，對信息進(jìn)行提取。其三，把地物過程作為基礎(chǔ)，對知識進(jìn)行提取。其四，把影像空間的關(guān)系作為基礎(chǔ)，對信息進(jìn)行提取。其四，把GIS中的多源知識和數(shù)據(jù)的利用作為基礎(chǔ)，以此來提取信息。

二、 形狀信息的提取和計(jì)算機(jī)的分類

形狀信息是遙感影像信息中的一種，是指目標(biāo)的輪廓、外形，對地物的頂面和平面形狀等判斷和檢測，如果園、河曲、火山錐等。

（一） 形狀信息的提取發(fā)展

在提起遙感數(shù)字圖像中的信息時，計(jì)算機(jī)分類計(jì)數(shù)發(fā)揮強(qiáng)有力的作用。在傳統(tǒng)時期，對遙感數(shù)字圖像信息的提取方法，主要是利用光譜的特征對其進(jìn)行分類。在此基礎(chǔ)上，光譜分類計(jì)數(shù)的出現(xiàn)，人們開始利用分類的相似性以及差異性和某一像元，來劃分和判斷像元的屬性。在以往應(yīng)用到的統(tǒng)計(jì)方法具有自身的優(yōu)勢，特別對那些分辨較低的遙感圖像（如MMS遙感圖像）可有效分類。但是需要注意的是，結(jié)構(gòu)信息對于分類的精度并無明顯改善作用。所以，早期針對結(jié)構(gòu)信息的研究并不多。近幾年SPOT和TM的出現(xiàn)，提高了對圖像的分辨力，再受到傳統(tǒng)計(jì)算機(jī)的分類水平低下的影響，導(dǎo)致分類精度并不理想，這也促使大量學(xué)者開始探討是否能應(yīng)用結(jié)構(gòu)信息去分辨和優(yōu)化精度。形狀信息包括管理信息、信息模型、材料信息等，形狀信息等，具體的流程較為清晰，如下圖1，是形狀信息流程展示圖。

（二） 形狀信息的提取方法

應(yīng)用柵格這一數(shù)據(jù)結(jié)構(gòu)去分類，可利用窗口技術(shù)去獲取結(jié)構(gòu)中信息，但是所得到的結(jié)果卻無法詳細(xì)的去明確邊界。而且在信息分類時，每一個類別均是具有明確的邊界限定的。選擇利用獲取形狀的信息去優(yōu)化精度這一舉措，如對一個體育場和公路，受到二者光譜特征相近影響增加了區(qū)分難度；水庫與河流在標(biāo)準(zhǔn)的假彩色圖像中較為相同，均為黑色調(diào)。但是這些分類混淆的現(xiàn)象，發(fā)生在目測判斷中的幾率很小幾乎不會出現(xiàn)，究其根本原因在于在目測判斷時選擇了形狀信息。伴隨遙感圖像的發(fā)展使其分辨率不斷增強(qiáng)，為物體形狀信息的提取創(chuàng)造有利的技術(shù)條件。在判斷常規(guī)類的航空圖像時，形狀類信息是不可缺失的象征標(biāo)志。因此，結(jié)合實(shí)際來說，航空相片與SPOT的圖像特征較為相似。

形狀信息科作為輔助的特性，去改善計(jì)算機(jī)的自動化分類，但是在一些過程中單一的利用形狀信息去判斷地物并不夠。還需確保在整個過程中涵蓋三個不同步驟：①初分類。②構(gòu)建拓補(bǔ)關(guān)系。③依據(jù)形狀的信息進(jìn)行重新分類。把存放的分類結(jié)果利用網(wǎng)絡(luò)文件的形式運(yùn)轉(zhuǎn)到GIS中，就可以構(gòu)建拓補(bǔ)關(guān)系。當(dāng)下已經(jīng)有很多關(guān)于采取樣信息和更新GIS的方法，如新公路與土地利用更新的提取、覆蓋變化的信息等。

1. 圖像的分割——分類

傳統(tǒng)圖像的分割技術(shù)和窗口技術(shù)兩者呈現(xiàn)相反狀態(tài)。圖像分割技術(shù)不需利用固定的窗口去提取結(jié)構(gòu)的信息，通常涵蓋兩個環(huán)節(jié)，圖像的分割與圖像的標(biāo)號。對于圖像的分割來說，常常利用邊緣提取、獲得分割邊界。利用此方法需要一個假設(shè)前提，應(yīng)在分割單元內(nèi)假設(shè)存相同特征的紋理。河流與公路常常被用作是單元分割的邊界。事實(shí)上，利用此所得到的分割單元，無法滿足一致均勻的單件。此外，此結(jié)論也證明了線性物體（其邊界）和分割單元（其邊界）具有相似性，這一現(xiàn)象和實(shí)際情況可能存在出入。由于一個類別的單元可能并不需要較為清晰的光譜邊界，一些類別相互之間存在邊界特征，是呈現(xiàn)不斷變化形勢的。通常來說，有兩種常見的分類方法應(yīng)用，如上文中提到過的非監(jiān)督分類與監(jiān)督分類。

2. 構(gòu)建拓補(bǔ)關(guān)系和提取多邊形

計(jì)算機(jī)的自動分類可把大量像元全部歸類于若干組數(shù)量逐漸減少這一類別中，每個類別構(gòu)成要素為若干圖斑，均等分散在整個圖像內(nèi)部。每個圖斑則又被相同類別、一定數(shù)量像元素而構(gòu)成。本文給出一個較為便捷的方法，采取形狀信息模式去輔助分類，把經(jīng)過初步分析后獲得的遙感圖像，提取出各個圖斑中的多邊形邊界，然后構(gòu)建邊界拓展補(bǔ)救關(guān)系。因?yàn)楫?dāng)下GIS軟件已經(jīng)具備構(gòu)建多邊形的拓補(bǔ)關(guān)系這一功能，也能夠提供配套的一系列基本運(yùn)算，發(fā)揮GIS優(yōu)勢進(jìn)行后續(xù)的處理工作。

遙感圖像類別的劃分，能夠利用直接的形式把圖像輸入于GIS軟件中進(jìn)行分析，如INFO和ARC這兩個軟件就可以直接和ERDAS這一圖像處理軟件進(jìn)行數(shù)據(jù)的交換。而且ERDAS所產(chǎn)生的那些圖像可生成網(wǎng)絡(luò)文件的形式，輸入于INFP和ARC中。多圖像的處理軟件，包括PCI和IDTISI都可以獲得ERDAS格式這一圖像文件。所以，要想把圖像數(shù)據(jù)在INFP和ARC中直接輸入存儲，應(yīng)做好后續(xù)的分析工作（需注意其也增加分析的便利性）。對于INFO和ARC開始，選擇Gridpoly操作命令，可自動的提取到圖斑中多邊形邊界，構(gòu)建多邊形和形式多樣化的拓補(bǔ)關(guān)系。

3. 形狀信息于分類中應(yīng)用

把各種不同類型物體進(jìn)行探討，總結(jié)出形狀主要包括以下幾種，如下圖2所示。包括其（a）圓形。當(dāng)面積較固定時，則一個物體中如果存在圓形，則其具有最大的周長比和最大的面積。（b）正方形。此形狀的指數(shù)，應(yīng)小于圓形自身形狀的指數(shù)。（c）長方形。需要注意當(dāng)長方形的寬與長的關(guān)系。（d）線性物體。線性物體有機(jī)場、道路、河流等，線性物體形狀指數(shù)值較小。（e）非規(guī)則類物體。這類物體的形狀較為復(fù)雜，選擇判斷形狀的信息去判斷物體最為有效。

三、 結(jié)果分析

本文給出一種怎樣獲取形狀信息與分類精度的全新方法。總的來說，盡管遙感技術(shù)的不斷發(fā)展，提高了遙感圖像的分辨率，但是以往常用的逐個限元分類對分類精度無法改善。一些選擇應(yīng)用紋理技術(shù)以及信息的窗口技術(shù)等，盡管可以利用鄰近像元信息，可實(shí)際效果有限。應(yīng)用窗口技術(shù)（其他不同信息的窗口技術(shù)），能夠產(chǎn)生清晰的“邊緣誤差”，但是窗口技術(shù)提取到的信息效果，受到選擇方法的影響。這些計(jì)算方法涵蓋標(biāo)準(zhǔn)差、均值等。而且，據(jù)相關(guān)資料和實(shí)際驗(yàn)證后給出，這些算法僅是把復(fù)雜度高的空間信息利用簡單的統(tǒng)計(jì)模式進(jìn)行提取，效果也并不明顯。應(yīng)用分割技術(shù)，也存在一些缺陷，分割技術(shù)應(yīng)用的一大前提為，要求其存在于均勻性好的單元，這時很難與實(shí)際情況相吻合。此外，其也要求具備明顯、清晰光譜分界線，以此來劃分單元，作為單元的分界線而存在。但是實(shí)際上，類別的邊界并不一定非要與光譜的突變邊界相對應(yīng)。因此，在未來可以增加對OIS技術(shù)的研究，利用此方法去獲取形狀的信息以及改善精度，使得一些容易被混淆的分類及時得到糾正，在此本文不對詳細(xì)闡述。

四、 結(jié)束語

綜上所述，可選擇形狀信息能夠有效地判斷出那些特征相似、被混淆和具有相同性特征的地物。可選擇INfO和ARC的子系統(tǒng)TABKES，結(jié)合事物的某些形狀特點(diǎn)，利用一定的閾值去判斷相互混淆的不同形狀類別。此外，也要了解不同應(yīng)用技術(shù)的優(yōu)點(diǎn)和缺陷，如了解遙感圖像的分辨率，常采取的逐個限元分模式對分類精度無法改善，應(yīng)用窗口技術(shù)（其他不同信息的窗口技術(shù)），能夠產(chǎn)生清晰的邊緣誤差等不足。

參考文獻(xiàn)：

[1]葛杰，曹晨晨，李光.基于機(jī)器視覺的圖像形狀特征提取方法研究進(jìn)展[J].包裝學(xué)報(bào)，2015，7（01）：54-60.

[2]周瑜，劉俊濤，白翔.形狀匹配方法研究與展望[J].自動化學(xué)報(bào)，2016，38（06）：889-910.

[3]汪建，杜世平.基于顏色和形狀的茶葉計(jì)算機(jī)識別研究[J].茶葉科學(xué)，2018（06）：420-424.

[4]楊桄，張柏，王宗明，宋開山.基于多源信息空間的遙感影像自動解譯研究[J].東北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（01）：131-135.

[5]舒慧林，劉繼紅，鐘毅芳.計(jì)算機(jī)輔助機(jī)械產(chǎn)品概念設(shè)計(jì)研究綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2017（12）：947-954.

[6]黎夏.形狀信息的提取與計(jì)算機(jī)自動分類[J].環(huán)境遙感，2018（04）：279-287.

作者簡介：

尚紅，遼寧省沈陽市，遼寧廣告職業(yè)學(xué)院。