[科普中国]-图像解译

图像解译——影像解译，也称判读或判释，指从图像获取信息的基本过程。即根据各专业（部门）的要求，运用解译标志和实践经验与知识，从遥感影像上识别目标，定性、定量地提取出目标的分布、结构、功能等有关信息，并把它们表示在地理底图上的过程。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。遥感影像目视解译是解译者通过直接观察或借助一些简单工具（如放大镜等）识别所需地物信息的过程。

影像的解译标志影像的解译标志，也称判读要素，它是遥感图像上能直接反映和判别地物信息的影像特征。包括形状、大小、阴影、色调、颜色、纹理、图案、位置和布局。解译者利用其中某些标志能直接在图像上识别地物或现象的性质、类型和状况；或者通过已识别出的地物或现象，进行相互关系的推理分析，进一步弄清楚其它不易在遥感影像上直接解译的目标，例如根据植被、地貌与土壤的关系，识别土壤的类型和分布等。

(1)形状：指目标物在影像上所呈现的特殊形状，在遥感影像上能看到的是目标物的顶部或平面形状。例如飞机场、盐田、工厂等都可以通过其形状判读出其功能。地物在影像上的形状受空间分辨率、比例尺、投影性质等的影响。

(2)大小：指地物形状，面积或体积在影像上的尺寸。地物影像的大小取决于比例尺，根据比例尺，可以计算影像上的地物在实地的大小。对于形状相似而难于判别的两种物体，可以根据大小标志加以区别，如在航片上判别单轨与双轨铁路。

(3)阴影：指影像上目标物，因阻挡阳光直射而出现的影子。阴影的长度、形状和方向受到太阳高度角、地形起伏、阳光照射方向、目标所处的地理位置等多种影响，阴影可使地物有立体感，有利于地貌的判读。根据阴影的形状、长度可判断地物的类型和量算其高度。

(4)色调：指影像上黑白深浅的程度，是地物电磁辐射能量大小或地物波谱特征的综合反映。色调用灰阶(灰度)表示，同一地物在不同波段的图像上会有很大差别；同一波段的影像上，由于成像时间和季节的差异，即使同一地区同一地物的色调也会不同。

(5)颜色：指彩色图像上色别和色阶，如同黑白影像上的色调，它也是地物电磁辐射能量大小的综合反映，用彩色摄影方法获得真彩色影像，地物颜色与天然彩色一致；用光学合成方法获得的假彩色影像；根据需要可以突出某些地物，更便于识别特定目标。

(6)纹理：也叫影像结构，是指与色调配合看上去平滑或粗糙的纹理的粗细程度，即图像上目标物表面的质感。草场及牧场看上去平滑，成材的老树林看上去很粗糙。海滩的纹理能反映沙粒结构的粗细，沙漠中的纹理可表现沙丘的形状以及主要风系的风向。

(7)图案：目标物的有规律的组合排列而形成的图案，它可反映各种人造地物和天然地物的特征，如农田的垄、果树林排列整齐的树冠等，各种水系类型、植被类型、耕地类型等也都有其独特的图型结构。

(8)位置：指地物所处的环境部位，各种地物都有特定的环境部位，因而它是判断地物属性的重要标志。例如某些植物专门生长在沼泽地、沙地和戈壁上。

(9)布局：又称相关位置。指多个目标物之间的空间配置。地面上的地物与地物之间相互有一定的依存关系，例如学校离不开操场，灰窑和采石场的存在可说明是石灰岩地区。通过地物间的密切关系或相互依存关系的分析，可从已知地物证实另一种地物的存在及其属性和规模，这是一种逻辑推理判读地物的方法，在遥感解译中有着重要的意义。1

目视解译一般程序(1)了解影像的辅助信息：即熟悉获取影像的平台、遥感器，成像方式，成像日期、季节，所包括的地区范围，影像的比例尺，空间分辨率，彩色合成方案等等，了解可解译的程度。

(2)分析已知专业资料：目视解译的最基本方法是从“已知”到“未知”，所谓“已知”就是已有相关资料或解译者已掌握的地面实况，将这些地面实况资料与影像对应分析，以确认二者之间的关系。

(3)建立解译标志：根据影像特征，即形状、大小、阴影、色调、颜色、纹理、图案、位置和布局建立起影像和实地目标物之间的对应关系。

(4)预解译：运用相关分析方法，根据解译标志对影像进行解译，勾绘类型界线，标注地物类别，形成预解译图。

(5)地面实况调查：在室内预解译的图件不可避免地存在错误或者难以确定的类型，就需要野外实地调查与检证。包括地面路线勘察，采集样品(例如岩石标本，植被样方，土壤剖面，水质分析等等)，着重解决未知地区的解译成果是否正确。

(6)详细解译：根据野外实地调查结果，修正预解译图中的错误，确定未知类型，细化预解译图，形成正式的解译原图。

(7)类型转绘与制图：将解译原图上的类型界线转绘到地理底图上，根据需要，可以对各种类型着色，进行图面整饰、形成正式的专题地图。

数字遥感图像解译分类方法研究研究背景遥感作为现代信息技术的重要组成部分，是采集地球空间信息及其动态变化资料的主要技术手段，成为地球科学、测绘勘察以及农林水利等学科进行科学研究的基本方法，在资源勘查与规划、环境质量评价与监测、农业生产管理、测绘制图和区域开发等方面得到广泛应用。遥感对线状特征和圆形构造(环状断裂)判读效果相当好，如发现撒哈拉沙漠2500km的断裂带、陕北环状断裂、秦岭北麓的线型形迹和洪积扇群。由于不同岩石的反射和发射谱波不同，因此在同一波段的图像上，不同岩石的影像会产生不同的色调和密度，据此可以鉴定岩石的种类。随着近年来计算机技术的飞速发展，计算机识别分类成了遥感技术应用的一个重要组成部分。遥感图像数据类别多，合混度大，如何解决多类别分类识别并满足一定的分类精度，是当前遥感图像研究中的一个关键问题，也是人们关注的焦点。

在数字遥感图像分类应用中，用得较多的是传统的模式识别分类方法，诸如最小距离法、最大似然法等监督分法。其分类结果由于遥感图像本身的空间分辨率以及“同物异谱”、“同谱异物”现象的存在，而往往出现较多的错分、漏分情况，导致分类精度不高。但也提出了一些改进算法，使其分类精度有了大幅的提高。随着遥感技术的发展，近年来出现了一些新的倾向于句法模式的分类方法，如人工神经网络方法、模糊数学方法、决策树方法、专家系统方法等。传统的数字遥感图像分类方法是根据遥感图像数据的统计特征与训练样本数据之间的统计关系来进行分类的，其分类精度往往不甚理想。同时，地物类型分布方式本身的复杂性，也是传统分类方法不理想的原因。因此，本研究提出利用一种基于密度和自适应密度可达聚类算法(CADD)的数字遥感图像分类方法，该方法由于在聚类过程中采用了自适应密度可达距离，通过自动调整聚类簇的密度可达距离使算法能够划分出变密度的簇和噪声点(孤立点)，改进了聚类效果。理论分析和实验结果证明这种方法能够有效地对遥感图像进行分类。

数字遥感图像分类（1）数字遥感图像的数据格式

世界各国相继发射了许多人造地球卫星，象美国的Landsat系列卫星、法国的Spot系列卫星、加拿大的Radarsat系列卫星和中巴联合研制的地球资源卫星。数字遥感图像记录格式随计算机技术的发展而有不同程度的变化，比如Landsat1～3曾用过BIP，BSQ和BIL格式，Landsat4～5只用BSQ格式。由于本研究主要研究对象为Landsat5的TM图像，所以下面介绍一下Landsat图像的符号和注记以及BSQ数据格式。Landsat图像的周边有一些符号和注记，表明了图像的物理特性和几何特性，图像四角为4个“+”字形的配准符号，四周注有经纬度，下方有文字数字注记，最下方为灰度，中分为15个灰度级。文字数字注记说明图像获取的日期、位置、处理方式、波段、卫星名称等具体数字、特征和名称。BSQ是按照波段顺序依次排列的数据格式，数据排列遵循以下规律:第一波段位居第一，第二波段位居第二，第n波段位居第n位。在每个波段中，数据依据行号顺序依次排列，在每一列内，数据按像素顺序排列。

（2）数据预处理

算法目前能够处理的文件格式是文本形式文件。而本研究所研究的图像类型是TM图像，这就需要将TM图像中各象元的灰度值提取出来。由于ENVI在处理象元方面的独特优势，所以选用其作为提取象元灰度值的工具。将提取出的数据输入到聚类程序所能处理的文本研究件里，该文本研究件内容要求每行是数据点的各个属性值，即TM图像各个象元的灰度值分量，每列为数据集的各个不同观测值，或称样本点，即每个像素点;每个样本点的具体变量值之间用有效的分割符诸如空格、tab键、逗号等分开;文本研究件最后一个数据值之后不允许有多余的空格或者空行。为了后面处理的方便，需要在每个象元前标明附加的标识或者是ID号，那么对于此列，要求将其置于第一列，即数据的最前面一列，并定义其为事实标识，即每个像素点的位置。由于每一幅遥感图像数据量庞大，此处只截取图像的一部分用以验证分类的效果。

研究结论由于基于CADD的数字遥感图像分类算法一方面克服了基于密度的算法不能处理不同数据分布密度簇的不足，另一方面也克服了传统单纯划分或层次的算法需要人为指定簇数目、不能很好地聚类复杂形状簇的缺点。同时，算法利用基于自适应密度可达的思路来划分簇，提高了聚类效率。理论分析和实验结果表明，基于密度和自适应密度可达聚类算法的遥感图像分类方法的分类效果良好。2

本词条内容贡献者为:

胡芳碧 - 副教授 - 西南大学