数字城市多源多尺度空间数据处理

数学意义：对一组多光谱图像，利用KL变换 矩阵进行线性组合，而产生一组新的多光 谱图像 特点：变换前个各波段之间有很强的相关性， 经过主成份变换，输出图像的各分量之间 具有很小的相关性。变换后的新波段各主 分量所包含的信息量呈逐渐减少趋势，第 一主分量集中了最大 的信息量，第二、第 三主分量的信息量很快减少，最后的主分 量信息几乎为零，包含的全是噪声
数据集成是不同来源、格式、特点、性质的地球空间数据逻辑 或物理上的有机集中。有机是指数据集成时充分考虑了数据的 属性、时间和空间特征、数据自身及其表达的地理特征和过程 的准确性。
空间数据集成的层次： • 概念层：数据集成的方式方法等概念模型 • 逻辑层：数据集成模型的逻辑表达 • 物理层：数据集成的具体体现
房屋 用多边形表示，层数为多边形的属性值 高程注记 与相应高程点匹配，作为属性存储在高程点
（3）转换规则
DWG格式的房屋数据：提取房屋层和房屋注记层， 分别转换为多边形和点，并将注记写入点的属性 表中，最后点层和多边形层叠加得到封闭的、含 属性数据的房屋数据。
高程数据：提取高程点的点位和高程注记，分 别转换为点要素，点要素之间用缓冲区操作进 行数据匹配
DWG数据转换为 数据转换为Coverage 数据转换为
转换规则文件
4.1.2遥感影像数据的收集与处理
1）高分辨率卫星遥感影像数据的种类及其特征
(2)遥感影像的数据处理
①影像配准
使两景影像对应的像元的位置保持一致，是进行 影像融合的前提和关键
②几何纠正
由于影像成像过程中受到飞行器姿态（侧滚、俯 仰、偏航）、高度、速度、地形起伏、地球曲率、 大气折射等因素的影响，影像往往存在一定的几 何变形，变形表现为像元相对于地面目标实际位 置发生平移、缩放、旋转、仿射、扭曲、挤压等， 针对几何形变的进行的误差校正为几何纠正。
பைடு நூலகம்
O1 ∧ O2 ∧ R ⇒ M (cs , ci ), ci ∈ C
或
ci = M (cs ) cs ∈ O1 ∧ O2 , ci ∈ C = R (O1 ∧ O2 )
2)基于空间关系的语义映射 拓扑关系
点集拓扑理论，九交矩阵描述要素之间的拓扑关系： 相离、相邻（相遇）、相交、覆盖、包含，在内 部，同一
• 小波变换 • 加权变换
(4)影像后处理 遥感影像经几何纠正和融合后，还须进行适当的后处理， 以进一步改善图像的视觉效果，增强专题信息，特别是纹 理信息。 (a)直方图调整 对反差较低、亮度偏暗的融合图像，调整输入输出范围， 改变反差系数进行线性拉伸，使其各色直方图达到或接近 正态分布。轴出范围一般定为0~255，而在输入范围的选 择中，对低亮度端的截去应镇重，虽然可以消除部分噪声， 但容易损失掉机场、道路、城区等高亮度细节，应当尽可 能少地截去。分色调整还应尽量保持总体色彩平衡。
4.1多源数据的收集与处理
4.1.1基于语义映射的异构数据转换 为什么研究语义映射？
∈
不同部门、技术方法、数据采集、处理、建库、 分析和管理 异构的空间数据库 数据与软件相关 研究如何实现异构数据的访问
1）语义映射的基本原理 语义映射是一组源类在目标域内类的重分类，或者一 个集合中的每个元素与同一或另一集合中的元素相对 应规则 设O1是源类可直接观察的属性；O2是源类的隐性的观 察，由源类的属性需要由源类的语义上下文推出， R 为目标类的分类规则， C为按照R分类的目标类集， 即C={C1,C2,…,Cn} ，则源类与目标类之间的语义映射 M为
第4章数字城市多源多尺度空间 数据的处理与集成
信息系统集成：根据一个复杂的信息系统 或子系统的要求，对多种产品和技术进行 验证后，把它们组织成一个完整的解决方 案的过程。 • 思想 指导信息系统的总体规划和分布实施 的方法和策略 • 技术 把分散的信息结合在一起形成一个新 的有机整体的一种操作
地球空间数据集成的观点：
遥感影像纠正时要注意的问题：
• 控制点均匀分布。为保证影像几何纠正的精度，应当使控 制点均匀分布在影像上。 • 控制点的数目。地面控制点越多，校正精度越高，测绘与 计算的工作量就越大，反之亦然。变换关系多项式的阶数 越高，所用的地面控制点越多，校正精度越高。所以在进 行几何校正时要选择和控制控制点的数目，不能太多也不 能太少。根据经验，一幅遥感图像一般选择16-20个控制 点。 • 原始影像质量要好，能容易判断特征点。参考矢量图的特 征点、线、面要明显，也容易判读. • 纠正模型合理。一般情况可采用多项式纠正。对于地形起 伏较大的地区，应当采用共线方程进行纠正。
(4)HIS变换 HIS变换的原理是将RGB色彩空间变换到 HIS空间，得到H, I, S分量，然后将高分辨 率全色影像与强度分量进行直方图匹配， 再用匹配后的全色影像替换I分量，然后变 换成RGB色彩空间。
基于HIS变换的融合过程如下： (1)待融合的全色图像和多光谱图像进行几何配准 ， 并将多光谱图像重采样与全色分辨率相同； (2)将多光谱图像变换转换到HIS空间； (3)对全色图像I和HIS空间中的亮度分量I进行直方图 匹配； (4)用全色图像的I’分量替代HIS空间的亮度分量，即 HIS—HI’S； (5)将HI’S逆变换到RGB空间，即得到融合图像。 通过变换、替代、逆变换获得的融合图像具有全色 图像高分辨的优点 ，又保持了图像的色调和饱和 度。
（3）影像融合 (a)主分量变换（KL变换）
主分量变换是针对超过3波段的影像进行融合。它 是将图像按照特征向量在其特征空间上分解为多元 空间，经过变化可以将噪声向量剔除，保证融合影 像信息良好。主分量变换后，第一、二，三分量一 般占信息总量的97%以上。
将庞杂的多波段信息用尽可能少的波段表示出 来，从而压缩数据。
几何纠正步骤：
1、在图像上和对应的地形图上寻找一些典型地物 （或GPS实测的点）作为控制点； 2、查找和计算这些控制点的图像坐标和地面坐标 3 3、按某种数学变换关系进行几何纠正，如多项式纠 正、共线方程纠正
(1)多项式纠正 利用地面控制点的图像坐标和其同名点的地面坐标 通过平差原理计算多项式中的系数，建立图像坐 标与大地坐标的数学对应关系，然后用该多项式 对图像进行纠正，将变形图像空间的像元转换为 大地坐标的空间的像元。
1） GIS功能观点 数据集成是地理信息系统 的基本功能，主要指由原数据层经过缓冲、 叠加、获取、添加等操作获取新数据集的 过程; 2)简单组织转化 数据集成是数据层的简单再 组织，即在同一软件环境，栅格和矢量数 据之间的内部转化或在同一简单系统中把 不同来源的地理数据组织到一起。
3)过程 地球空间数据集成是在一致的拓扑空间框架中， 地球表面描述的建立或使同一个地理信息系统中的不 同数据彼此之间兼容的过程。 4)关联观点 数据集成是属性数据和空间数据的关联。 ESRI认为数据集成是在数据表达或模型中空间和属 性数据的内部关联; David Martin数集成不是简单地把 不同来源的地球空间数据合并在一起，还应该包括普 通数据集的重新建模过程，以提高集成的理论价值。
(b)色彩调整 对影像进行色彩校正、进行亮度、饱和度 的调整，使镶嵌后的影像色调整体一致。
4.2基干文件方式的空间数据组织与集成
4.2.1基于文件方式进行数据组织的一般方法 将GIS空间数据按照一定的规则划分为多个文 件，分别存储在计算机硬盘上，由应用程 序建立这些文件之间的逻辑联系，便于调 用。
空间数据、属性数据、影像纹理数据、多媒体数据等都采用文 件系统进行存储，文件格式以及数据组织方式由开发者自己定 义（如ArcGIS、MapInfo等）。这种管理方式简单易用容易实 现，在数据量不是很大，对数据不涉及并发操作等情况下，可 以发挥积极作用，但随着数据量的激增，数据类型的多元化、 数据应用系统都运行在网络上，这种管理方式越来越不能满足 空间数据管理的要求。主要表现在文件的安全性不容易控制， 而且效率低，任意引起共享冲突，难以满足网络环境下的应用 系统要求。同时这种基于分幅思想的的GIS空间数据组织方式 具有地理实体完整性难以保证，无法进行数据的分布式管理， 不利于数据共享。
4.2.3基于文件方式的影像数据的组织与集成 工程—区域—层的方法来组织数据，以图 幅为单位保存数据。 遥感影像与数据库中的属性数据的关联： 遥感影像的文件名与数据库中对应的属性 数据进行连接，建立元数据库，遥感影像 的数据查询一般是通过元数据或数据库中 的属性数据进行的。
基于文件方式组织空间数据的优缺点
基于文件方式的数据组织
4.2.2基于文件方式的矢量数据的组织与集成 数据组织 一般是将研究范围划分成若干个区域， 在区域的基础上再分层，形成工程—区域—层的 方法来组织数据。在实际建库过程中，为便于数 据采集、处理和更新，以图幅为单位保存数据， 在图幅内再进行分层，每一个要素或每一类要素 赋一个唯一编码（标识码），相关的属性数据则 采用关系数据库进行管理，在关系数据库中也需 要对每一条记录赋一个唯一编码（标识码）， 空 间要素与属性记录之间采用这个唯一的编码进行 连接，以实现图形和属性数据之间的相互查询 （ArcGIS），并建立适当的地图索引。
∂A I ∂B A0 I ∂B A− I ∂B TOP ( A, B ) = ∂A I B0 A0 I B0 A− I B0 ∂A I B − A0 I B − A− I B−
TOP( A) = {disjoint， meet， overlay， contain，within， cover，coveredby , , equal}
方向关系 距离关系 根据空间关系对空间要素进行划分
3）基于语义映射的空间数据转换
源数据到目标数据的映射，主要包括： ① 数据模型的描述 要素的表达方式，坐标记录、属性记 录、要素之间的联系 ② 要素类型的定义 如何定义要素，如点、线、面、弧段、 圆、椭圆 ③ 模型之间的映射 模型A中的要素和模型B中要素的对应 关系 ④ 转换规则 是在模型映射的基础上，为实现数据转换而 对源数据进行的各种空间操作
• 其中，(x,y)控制点的图像坐标， • (X,Y)为控制点的地面坐标 • 多项式的项数N与其阶数n关系
• 利用已知控制点的坐标值按按最小二乘法 原理求解多项式的系数
一次多项式：纠正图像因平移、旋转、比例尺变化 和仿射变形等引起的线性变形 二次多项式：纠正二次非线性变形
（2）共线纠正 当地形起伏较大，且多项式纠正的精度不能满 足要求时，要使用共线方程进行纠正。
4）应用实例
将DWG格式的1:500、1:2000的地形图转换为 Coverage格式的地形图 （1）源数据的基本情况 地物按照代码进行了分层，房屋、水系、道路等 用多义线表示，房屋的层数、高程点的高程值是 作为注记标注在图上 （2）目标数据 用封闭的多边形描述面状要素，房屋的层数和高 程值为要素的属性
(b)乘积变换
乘积变换融合算法按下式进行:
D*B=DB
D为全色影像的灰度值，B为多光谱影像的灰度值。DB为 融合后的影像. （将两幅图像对应的像素值进行元素对元素的乘法操作） 作用：通过乘积变换融合得到的融合图像其亮度成分得到增 加，达到增强图像的目的，同时也也实现了数据压缩
(c)比值变换
比值变换是将两个影像对应的波段直接做商运算， 以消除共同噪声，计算两个影像的振幅偏差，从 而分离出两个影像的差异，其表达式为: Pi= Ppansi * Pxsial / Psynpani 其中Ppansi为高分辨率全色影像，Pxsial为多光谱影 像I波段灰度，Psynpani为与多光谱影像匹配后全色 影像灰度。 对于地形起伏比较大的地区，采用比值变换可以 消除地形起伏造成阴影的影响。