人机交互判读

3．6．2　人机交互判读

遥感影像判读的实质是对遥感影像进行分类，并具体圈定它们的分布范围，提取有用信息。由于遥感影像的地物光谱特征一般比较复杂，且存在异物同谱和同物异谱的现象，自动分类一般很难达到令人满意的判读精度。而人工目视判读则具有很大的灵活性和适应性，缺点是工作量大、效率低。如果在判读过程中，对于特征明显、地学条件一致的影像区域采用自动监督分类方式，对于地物特征复杂、不适合自动分类的影像区域，采用人工判读的方式进行专题信息提取，则可以在不增加系统复杂性的前提下，充分发挥人脑与电脑的各自优势来提高判读的速度与精度。在目前城市遥感的应用中，这类方法是最好的。

人机交互判读把人工目视判读和数字影像处理、遥感与地理信息系统、地学知识和信息技术等结合起来。具体功能包括判读范围的人工选取、影像预处理、影像自动分类、碎部综合、绘线填充和影像编辑等环节。

图3-14是一个人机交互判读系统的流程图，其中的关键技术包括以下几个方面。

图3-14　人机交互判读系统流程图

1．影像处理模块

人机交互判读效果的好坏在很大程度上取决于影像质量的优劣，通过影像处理中的各类方法，例如通过影像融合技术可以实现遥感影像与地理信息数据的融合，通过滤波去噪处理可以改善影像的噪声状况，通过彩色变换和假彩色合成可以将其转换为人眼易于识别的彩色影像，故而一个优秀的影像处理系统可以在很大程度上提高地物解译精度。但是针对不同类型的影像(如可见光波段的遥感影像、雷达影像、红外影像等)有不同的处理方法，同时城市遥感影像其地物类型也决定着处理方法的灵活性，对不同的传感器影像选择合适的处理方法是关键。

2．影像区的自动分类

由于遥感影像中经常有同物异谱和异物同谱、山体阴影以及不同区域或不同季节的影像本身特征差异较大等现象，采用同一分类标准对影像进行分类势必影响最终分类精度。如果对整幅遥感影像根据上述差异进行分区，即在地学条件相似的地区分别选取样本，然后分别以不同的特征或算法进行分类，比起对整幅影像进行统一分类，能改善和提高自动分类精度。而一个好的分类结果对交互性的解译效果有很大影响，它不仅影响着作业员后续解译的工作量，而且对解译精度也起着至关重要的作用。提高计算机分类精度，目前所使用的方法既可以从数据源方面入手，将遥感数据与非遥感数据复合，使非遥感数据作为遥感数据的一个波段以及通过一系列预处理，包括使地理数据成为网格化数据，使其分辨率与遥感数据一致，对应地面位置与遥感影像配准等，最终生成可参与分类的影像;也可以采用新型的有效的分类方法，例如人工神经网络算法、遗传算法等。

3．半自动人工辅助判读

人机混合判读方法是判读者和计算机共同完成整个遥感影像判读任务的一种判读方法。判读者往往会发现在要判读的影像中，有为数众多、具有明显波谱特性差异的地物存在。例如，对于城市大比例尺遥感影像的判读，因为在城市各个角落有零星分布的树木和小水体，如果用人工判读方法逐一地勾绘出来，显然比较繁琐。若利用它们和其余地物在波谱特性上的明显差异，先对主体地物进行监督分类，把它们从其他地物中提取出来，而对不适合自动分类的地物，仍用目视判读的方法完成，最后将两种判读方法得到的结果结合起来，就可以得到较理想的判读结果。