遥感影像信息提取与解译流程及方法

数据提取方法：
直接读取MDB文件，通 过地类树控制，完成数据 的提取工作 基础数据用途示意图
数据准备与预处理

道路缓冲区制作

由于项目技术规定不同，基础测绘和地理国情基本要素数据中， 道路为中心线，不能直接用于辅助分割、分类，所以需要进行缓 冲区制作。

数据整合

按照《地理国情普查内容与指标（试行稿）》内容，对地理国情基本 要素数据数据进行分 类代码转化、属性项重新制定等数据整合工作


地理要素信息提取

主要任务：按照“应采尽采”的原则，对《地理国情信息内容体系和指标》 中到达规定尺度要求的重要河流湖泊、交通道路、、构筑物、地理单元进行 要素和属性信息采集，补充、更新和细化。 主要成果：河流湖泊、交通道路、构筑物和地理单元为主的地理要素信息数 据。

普 查 试 点 的 技 术 流 程
FeatureStation_ 可以利用专题数据控制地物边界，控制多 GeoEX 级分类的级别，避免过度分割；
分割边界基本正确，复杂地物分割需结合 矢量数据。
分割结果破碎程度较大；
可利用专题数据进行分割； 可以利用专题数据控制地物边界，不能控 制多级分类的级别； 分割边界基本正确，复杂地物分割需结合 矢量数据。
eCognition规则集
ENVI EX规则集
面向对象分类技术

GLC树自动构造规则集

一种基于采样样本直接生成规则集的影像分类解决方案，可自动生成，并可根据阈 值设置进行规则自动调整，不仅提高了工作效率，而且避免了人工建立复杂规则集
GLC规则集示例
分类解译方法
二、主要问题

主要功能
优点 针对样本进行迭代训练，自 动建立规则集； 支持更符合作业人员思维的
二、主要问题

信息自动提取难度大，难以满足技术规定要求

eCognition 的规则集分类，对不同影像时相、数据源、区域的高分
辨率数据分类，很难普适，而且技术门槛很高，因而不适合工程化 项目实施。

GLC_Info提供的GLC分类技术，通过训练样本，进行自动规则集构 建，具有技术门槛低、便于操作员作业，适合工程的特点，但是采 集样不需要作业员有一定的影像解译经验。
二、主要问题

数据处理量大，效率受到影响，急需高性能处理技术
数据 处理步骤
影像融合
数据大小
1G-3G
处理耗时
5-10小时 FeatureStation：0.3-3小时
高分辨率数据 （WorldView-2、 ZY-3）
影像分割
DLG整合
1G-10G
500M-1G 1万-10万图斑
eCognition Server：1-10小时 约1-5个工作日 约5-20个工作日
矢量数据
图斑编辑
二、主要问题

缺乏统一有效平台支撑项目建设，难以保证质量进度
试点单位 陕西局 地表覆盖分类 ERDAS 2011、PCI 10.0、 eCognition8 ENVI EX、 eCognition Envi EX、GLC_Info、 eCognition GLC_Info ArcGIS9.3 ArcGIS9.3 Titan、GLC_Info eCognition ENVI、ERDAS ArcGIS ArcGIS GeoWay3.6 GeoWay3.6、ArcGIS 10 后期编辑 ArcGIS9.3、 AUTOCAD2004 ArcGIS 基本要素提取 ArcGIS9.3、4D Mapper V1.0、 GeoWay V3.6、 AUTOCAD2004
优点：充分利用 人的经验和认知 能力； 缺点：费时费力、 效率低；
基本要素采集——半自动提取技术

面状和带状要素可以实现半自动提取，比如水域、草地、房屋、道路 等，充分利用人的认知能力和计算机的量算能力。
DLG数据辅助——分割技术
利用已有DLG数据辅助分割，可充分利用已有资源成果， 分割边界准确度高。目前，eCognition和FeatureStation GeoEX
数据质量检查

影像分割

多种分割算法

系统提供多尺度分割、统计区域增长、均值漂移三种分割算法
目录
一、概述 二、主要问题 三、主要技术方法 四、地理要素提取与解译技术流程

数据准备与预处理
对1：1万和1：5万的基础测绘数据进行处理，为基本要素采集和地表覆盖分类做准备， 由于影像的现势性不同和地形的变化，有很多地物已经不能与影像准确的套合，需要方 便、实用的平台对已有DLG数据进行处理，包括整合数据、新测、修测等。
分wenku.baidu.com速度较慢；
不能处理整景影像分割，只能 进行分块分割。
eCognition
ENVI_Feature Extraction
分割结果破碎程度最大；
不能利用专题数据进行分割； 对于复杂地物，分割边界错误严重。
分割速度较易康快； 可以进行整景数据的分割。
面向对象分类技术
监督分类 最小距离法 最大似然法 平行六面体 非监督分类 K-均值 ISODATA 决策树分类 人工目视解译
缺点 样本采集需作业员具备影像判读 解译经验； 样本采集需耗费一定时间。
针对分割后的对象，采用 训练样本的模式，自动构 建分类规则，实现遥感影
FeatureStation GeoEX
像面向对象自动分类。 类别逐级细分策略； 信息提取难度大，难以满足技术规定要求 操作简单，无需专业培训； 专题矢量批量赋属性。 利用多尺度分割技术，利 用光谱、形状、纹理等特 利用影像特征知识，建立规 则，对于单景特定对象分类的 不同数据源、不同时相、不同地 区的规则集普适性较差；
三、主要技术方法


面向对象分割技术

面向对象分割技术

多尺度分割 均值漂移分割 分水岭分割
第3层 尺度=100
统计区域增长分割
第2层 尺度=50
第1 层
尺度=20
第0 层
象元
分割技术
分割精度
分割结果破碎程度较小； 可利用专题数据进行分割；
分割效率
采用并行处理方式进行分割， 分割的速度更快； 可以针对TB级影像的分割。
目录
一、概述 二、主要问题 三、主要技术方法 四、地理要素提取与解译技术流程
二、主要问题


信息自动提取难度大，难以满足技术规定要求
信息提取后期编辑工作量大，难以保证项目进度 数据处理量大，效率受到影响，急需高性能处理技术 缺乏统一有效平台支撑项目建设，难以保证质量进度 其他技术问题
资料，充分利用高分辨率的遥感影像，开展以下工作：


DEM数据精细化处理
地理国情普查信息采集
• •
地表覆盖分类 地理要素信息提取
图例 草地 耕地 林地 道路 裸地 水体 建筑物
参考资料：
《地理国情普查试点方案(征求意见稿)》-20121115
一、概述

地表覆盖分类

主要任务：利用高分辨率的影像资料，对地表覆盖据《地理国情信息内容体 系和指标》中地表覆盖分类体系中的一、二级类开展全国地表覆盖分类 主要成果：完整的地表覆盖数据
利用解译标志，通过 人工判读的手段，对
人工构造规则集 eCognition Envi_EX 自动构造规则集 FeatureStation
地表覆盖要素进行人
工解译。
GeoEX
基于像素自动分类
基于对象自动分类
面向对象分类技术

构建规则集

eCognition、ENVI EX中，各种图像分析算法的设计可以通过对规则集的设计实现。规则 集包含任意数量的子规则和很多不同类型算法，一个单一的规则能使一个具体的算法应 用到一个具体特定的区域，它们所显示的结果是影像分析所定义的结构和流量控制图。
遥感影像信息提取与解译流程及方法
李海涛 研究员 中国测绘科学研究院 地理国情监测研究中心 2013年4月10日
目录
一、概述 二、主要问题 三、主要技术方法 四、地理要素提取与解译技术流程
目录
一、概述 二、主要问题 三、主要技术方法 四、地理要素提取与解译技术流程
一、概述

普查试点内容
地理国情信息普查是在基础地理信息数据的基础上，收集多方专业
利用解译标志，通过人工 人工解译 判读的手段，对地表覆盖 要素进行人工解译。
解译的精度较高。
分类耗时，劳动强度大; 对人工判读要求较高。
高性能处理技术

多核处理

Intel i7 4核，Xeon 16核

GPU处理

高度并行的众核架构，强 大的内存访问带宽

分布式处理

通过提供一系列标准的服 务接口来隐藏资源的异构 性，为用户和应用提供一 个同构和无缝的环境
对于大片水域 有时需要多次 提取，然后将 这些提取结果 合并，构成一 个完整的水域。
图形要素采编—道路半自动提取

道路纹理稳定，与周围地物相比具有较大对比度。 通过计算角度纹理特征提取道路，加入道路模型修正提取结果。
图形要素采编—道路半自动提取

道路提取需要指定三个初始点，计算道路的起点、前进方向、宽度， 根据这些初始条件由计算机自动追踪道路。当追踪停止或偏出时，由 用户引导下一步进点，继续追踪。
二、主要问题

信息提取后期编辑工作量大，难以保证项目进度

0.2米分辨率航摄影像1幅1：5万满幅，人工采集地表覆盖1人平均 需30天完成（加班情况下）。

地表覆盖分类软件并不能够达到分类标准的要求，人工参与工作
量大，一幅1：1万图幅需要15天以上。
单景WorldView-2 多光谱 行x列：10656x11424 影像大小：929MB 软件：FeatureStation GeoEX 分割尺度:100 生成图斑个数：49142
eCognition
征建立规则，对目标信息
进行提取。
精度较高；
规则集建立耗时耗力，需专业人
作业；
可以利用专题矢量参与分类。 员完成，技术门槛高，不利于工程
针对分割后对象，利用选 Envi_EX 择样本或使用规则的方式 进行面向对象的分类。
操作简单，便于操作； 提供分割分类预览功能。
提供的影像特征较少，不能满足 分类要求； 受硬件配置影响较大。

地理国情基本要素数据整合方法：合并已制作完成的方案

基本要素更新采集
基本要素更新采集
图形要素采编
属性信息采编
数据质量检查
图形要素采编—水域半自动提取
水域纹理均一， 形状不规则。 水域提取以指
定点处光谱值
为基础，提取 满足一定阈值 范围的面状要 素，并进行边 缘光滑处理。
图形要素采编—水域半自动提取
实现了DLG作为专题层参与分割分类的技术。
DLG数据辅助——分类技术
•
将已有DLG数据的属性字段作为eCognition中的特征值，通过构 建规则集，仅仅那些对象具备该属性值的分为相应的类别。
DLG数据辅助——分类技术
•
FeatureStation GeoEX提供的批量覆盖工具，可通过空间位置 属性提取赋值，进行字段匹配，实现DLG标识字段与地类的对应。

支持全色、多光谱影像虚拟融
合进行分割
基本要素采集——半自动提取技术

地理要素解译是对遥感影像上的各种特征进行综合分析、比较、推理 和判断，最后提取出地物信息的过程。
目视解译 人机交互解译 优点：结合人的 认知能力和计算 机的数据处理能 力，提高效率； 缺点：需要人工 干预； 全自动解译 优点：可大大节 省人力及生产时 间； 缺点：算法精度 不高、鲁棒性低、 后处理复杂；
黑龙江局 四川局 海南局 河南局 江西局 浙江局
二、主要问题

其他技术问题

数据整合需要统一转换工具 DLG与DOM数据配准问题 如何利用已有基础地理信息数据(DLG、DEM等） 缺乏基于航摄资料的自动分类软件
目录
一、概述 二、主要问题 三、主要技术方法 四、地理要素提取与解译技术流程
图形要素采编—道路半自动提取
属性信息采编

属性采集

支持地类批量赋值属性 支持选择集批量赋值属性 支持字段运算赋值 支持字段查找与替换
数据库（表格） 字段（Field） 记录 （Record）
R1 R2 F 1 F 2
…
Fm
…
Rn
数据质量检查
两线相交
线重复
伪节点
自相交 220.00 线打折 200.00 240.00 点线矛盾 面缝隙
高性能处理技术
FeatureStation GeoEX

eCognition Server

基于MPI的遥感数据并行处理 通用模型，实现遥感影像的快 速并行化处理
提供了一个图像分析工作的批 处理执行环境

可以自动地处理大量的影像， 并在单一的、全自动运行的环 境中实行详细的分析

利用影像分块的数据分解策略， 突破海量数据的限制