形状信息的提取与计算机自动分类

摘 要：本文就形状信息的提取与计算机自动分类这一命题进行分析。阐述了信息提取的相关理论知识，包括信息理论内涵遥感图像的分类和提取、遥感图像提取未来发展趋向等内容，为后续的形状信息提取作理论铺垫。此外，深入探讨了形状信息的提取与计算机自动分类要点与方法，对不同方法的应用缺陷进行分析和总结，力求为相关单位和业内人员提供理论参考资料。

关键词：形状信息；提取；计算机；自动分类

近些年，伴随我国和世界各个国家遥感卫星发射的日渐增多（此类卫星最大特点为分辨率不同），极大地丰富了传感设备的种类，提高影像采集质量。面对日渐丰富的遥感影像和数据，使得各行各业信息化提取工作压力增加，面临较大的调整。怎样切实做好信息的提取和计算机分类，成为备注关注的热点话题。

一、 相关理论阐述

（一） 信息提取理论阐述

信息提取指在测绘学中，对遥感影像的信息进行提取的过程。遥感信息主要是从那些模糊的、有噪声的、不完全的、海量的信息中，随机去应用并提取出影像数据，然后把提取出的数据里所涵盖那些对用户具有应用价值的信息（如温度、植被、地物等），把这些具有应用价值的信息利用结构化数据的形式，放入到数据库中或者利用其他不同形式为用户服务，方便用户的应用。随着我国科学技术的不断发展，遥感技术的日渐成熟，利用遥感信息去自动化提取相关形状的信息，早已成为遥感信息的整个生产流程的一大瓶颈环节。

（二） 遥感图像的分类和提取

遥感图像不仅是信息提取关键环节，也是遥感图像整个处理体系中最为核心的功能，它实现了遥感技术的应用目标，用户可建立在遥感数据基础上提取地理信息。提取到的遥感图像涵盖分类后处理的功能、非监督类的处理功能、监督类的处理功能。监督类处理功能又被划分为二编制编码、波普角分类、贝叶斯分类、最小距离等分类。非监督类的分类又被划分为混合距离法等不同分类。遥感图像的提取包括以下几种方法：把知识发现作为基础，对遥感信息进行提取、压符号知识作为基础，对逻辑推理类型的遥感信息进行提取。

（三） 遥感图像提取未来发展趋向

在未来遥感信息的提取，将呈现以下几种不同趋势：其一，把地理纹理知识作为基础，对信息进行提取。其二，把地物形状作为基础，对信息进行提取。其三，把地物过程作为基础，对知识进行提取。其四，把影像空间的关系作为基础，对信息进行提取。其四，把GIS中的多源知识和数据的利用作为基础，以此来提取信息。

二、 形状信息的提取和计算机的分类

形状信息是遥感影像信息中的一种，是指目标的轮廓、外形，对地物的顶面和平面形状等判断和检测，如果园、河曲、火山锥等。

（一） 形状信息的提取发展

在提起遥感数字图像中的信息时，计算机分类计数发挥强有力的作用。在传统时期，对遥感数字图像信息的提取方法，主要是利用光谱的特征对其进行分类。在此基础上，光谱分类计数的出现，人们开始利用分类的相似性以及差异性和某一像元，来划分和判断像元的属性。在以往应用到的统计方法具有自身的优势，特别对那些分辨较低的遥感图像（如MMS遥感图像）可有效分类。但是需要注意的是，结构信息对于分类的精度并无明显改善作用。所以，早期针对结构信息的研究并不多。近几年SPOT和TM的出现，提高了对图像的分辨力，再受到传统计算机的分类水平低下的影响，导致分类精度并不理想，这也促使大量学者开始探讨是否能应用结构信息去分辨和优化精度。形状信息包括管理信息、信息模型、材料信息等，形状信息等，具体的流程较为清晰，如下图1，是形状信息流程展示图。

（二） 形状信息的提取方法

应用栅格这一数据结构去分类，可利用窗口技术去获取结构中信息，但是所得到的结果却无法详细的去明确边界。而且在信息分类时，每一个类别均是具有明确的边界限定的。选择利用获取形状的信息去优化精度这一举措，如对一个体育场和公路，受到二者光谱特征相近影响增加了区分难度；水库与河流在标准的假彩色图像中较为相同，均为黑色调。但是这些分类混淆的现象，发生在目测判断中的几率很小几乎不会出现，究其根本原因在于在目测判断时选择了形状信息。伴随遥感图像的发展使其分辨率不断增强，为物体形状信息的提取创造有利的技术条件。在判断常规类的航空图像时，形状类信息是不可缺失的象征標志。因此，结合实际来说，航空相片与SPOT的图像特征较为相似。

形状信息科作为辅助的特性，去改善计算机的自动化分类，但是在一些过程中单一的利用形状信息去判断地物并不够。还需确保在整个过程中涵盖三个不同步骤：①初分类。②构建拓补关系。③依据形状的信息进行重新分类。把存放的分类结果利用网络文件的形式运转到GIS中，就可以构建拓补关系。当下已经有很多关于采取样信息和更新GIS的方法，如新公路与土地利用更新的提取、覆盖变化的信息等。

1. 图像的分割——分类

传统图像的分割技术和窗口技术两者呈现相反状态。图像分割技术不需利用固定的窗口去提取结构的信息，通常涵盖两个环节，图像的分割与图像的标号。对于图像的分割来说，常常利用边缘提取、获得分割边界。利用此方法需要一个假设前提，应在分割单元内假设存相同特征的纹理。河流与公路常常被用作是单元分割的边界。事实上，利用此所得到的分割单元，无法满足一致均匀的单件。此外，此结论也证明了线性物体（其边界）和分割单元（其边界）具有相似性，这一现象和实际情况可能存在出入。由于一个类别的单元可能并不需要较为清晰的光谱边界，一些类别相互之间存在边界特征，是呈现不断变化形势的。通常来说，有两种常见的分类方法应用，如上文中提到过的非监督分类与监督分类。

2. 构建拓补关系和提取多边形

计算机的自动分类可把大量像元全部归类于若干组数量逐渐减少这一类别中，每个类别构成要素为若干图斑，均等分散在整个图像内部。每个图斑则又被相同类别、一定数量像元素而构成。本文给出一个较为便捷的方法，采取形状信息模式去辅助分类，把经过初步分析后获得的遥感图像，提取出各个图斑中的多边形边界，然后构建边界拓展补救关系。因为当下GIS软件已经具备构建多边形的拓补关系这一功能，也能够提供配套的一系列基本运算，发挥GIS优势进行后续的处理工作。

遥感图像类别的划分，能够利用直接的形式把图像输入于GIS软件中进行分析，如INFO和ARC这两个软件就可以直接和ERDAS这一图像处理软件进行数据的交换。而且ERDAS所产生的那些图像可生成网络文件的形式，输入于INFP和ARC中。多图像的处理软件，包括PCI和IDTISI都可以获得ERDAS格式这一图像文件。所以，要想把图像数据在INFP和ARC中直接输入存储，应做好后续的分析工作（需注意其也增加分析的便利性）。对于INFO和ARC开始，选择Gridpoly操作命令，可自动的提取到图斑中多边形边界，构建多边形和形式多样化的拓补关系。

3. 形状信息于分类中应用

把各种不同类型物体进行探讨，总结出形状主要包括以下几种，如下图2所示。包括其（a）圆形。当面积较固定时，则一个物体中如果存在圆形，则其具有最大的周长比和最大的面积。（b）正方形。此形状的指数，应小于圆形自身形状的指数。（c）长方形。需要注意当长方形的宽与长的关系。（d）线性物体。线性物体有机场、道路、河流等，线性物体形状指数值较小。（e）非规则类物体。这类物体的形状较为复杂，选择判断形状的信息去判断物体最为有效。

三、 结果分析

本文给出一种怎样获取形状信息与分类精度的全新方法。总的来说，尽管遥感技术的不断发展，提高了遥感图像的分辨率，但是以往常用的逐个限元分类对分类精度无法改善。一些选择应用纹理技术以及信息的窗口技术等，尽管可以利用邻近像元信息，可实际效果有限。应用窗口技术（其他不同信息的窗口技术），能够产生清晰的“边缘误差”，但是窗口技术提取到的信息效果，受到选择方法的影响。这些计算方法涵盖标准差、均值等。而且，据相关资料和实际验证后给出，这些算法仅是把复杂度高的空间信息利用简单的统计模式进行提取，效果也并不明显。应用分割技术，也存在一些缺陷，分割技术应用的一大前提为，要求其存在于均匀性好的单元，这时很难与实际情况相吻合。此外，其也要求具备明显、清晰光谱分界线，以此来划分单元，作为单元的分界線而存在。但是实际上，类别的边界并不一定非要与光谱的突变边界相对应。因此，在未来可以增加对OIS技术的研究，利用此方法去获取形状的信息以及改善精度，使得一些容易被混淆的分类及时得到纠正，在此本文不对详细阐述。

四、 结束语

综上所述，可选择形状信息能够有效地判断出那些特征相似、被混淆和具有相同性特征的地物。可选择INfO和ARC的子系统TABKES，结合事物的某些形状特点，利用一定的阈值去判断相互混淆的不同形状类别。此外，也要了解不同应用技术的优点和缺陷，如了解遥感图像的分辨率，常采取的逐个限元分模式对分类精度无法改善，应用窗口技术（其他不同信息的窗口技术），能够产生清晰的边缘误差等不足。

参考文献：

[1]葛杰，曹晨晨，李光.基于机器视觉的图像形状特征提取方法研究进展[J].包装学报，2015，7（01）：54-60.

[2]周瑜，刘俊涛，白翔.形状匹配方法研究与展望[J].自动化学报，2016，38（06）：889-910.

[3]汪建，杜世平.基于颜色和形状的茶叶计算机识别研究[J].茶叶科学，2018（06）：420-424.

[4]杨桄，张柏，王宗明，宋开山.基于多源信息空间的遥感影像自动解译研究[J].东北师范大学学报（自然科学版），2016（01）：131-135.

[5]舒慧林，刘继红，钟毅芳.计算机辅助机械产品概念设计研究综述[J].计算机辅助设计与图形学学报，2017（12）：947-954.

[6]黎夏.形状信息的提取与计算机自动分类[J].环境遥感，2018（04）：279-287.

作者简介：

尚红，辽宁省沈阳市，辽宁广告职业学院。