下载掌阅APP，畅读海量书库
立即打开
随着空间信息获取技术的不断发展和各种探测卫星的成功发射，人们在能够获得极其丰富的空间数据资源的同时，也面临着如何利用有效的信息提取技术将这些空间数据转换为各个应用领域所急需的应用信息的挑战。在遥感卫星的数据获取技术与不断扩大的应用需求共同推动下，遥感信息提取技术得到了日新月异的发展。目前，遥感信息提取技术正在不断汲取和集成AI领域的优秀研究成果，智能化成为遥感数据处理的时代特征。随着遥感信息智能提取方法研究的兴起，许多研究人员已经根据遥感数据的特点将粗糙集（rough set）、模糊理论（fuzzy theory）、人工神经网络（artificial neural network，ANN）、遗传算法（genetic algorithm，GA）、知识推理（knowledge inference，KI）等众多AI方法成功应用到遥感信息领域中。遥感信息提取过程中，这些能够提供自学习、自适应及自推理的高效率处理方法的AI技术，在应用于目标识别、土地利用与分类、变化检测等遥感信息提取方面时，显示出了处理效率高、智能化等优点。面对着海量的遥感数据，如何通过综合利用先进的PR与AI，探索全新的遥感信息智能提取算法，从而提高遥感信息提取速度，并能够提取尽可能多的有用信息，已经成为遥感数据信息提取领域亟待解决的问题和重要的研究方向。
空间信息智能处理是指利用AI的理论和方法，结合智能计算方法，如神经计算、模糊计算、进化计算等方法实现空间信息的智能化处理，是地球空间信息科学与AI的交叉和融合，属于遥感科学、信息科学、认知科学的学科交叉，代表了地球空间信息科学的重要发展方向。从空间信息的获取到空间信息的应用与可视化都可以借助AI技术来提高空间信息的获取效率和应用效果。
空间信息智能处理技术包括遥感图像内容的智能判读、空间推理以及空间数据挖掘等方面。
（1）遥感图像内容的判读，是指对原始遥感图像进行加工处理，以便把所需要的信息从中提取出来。它通常涉及图像的几何校正、辐射校正、波段组合、数据融合、地物分类、地物识别以及随后的决策支持等技术。人工判读要求解译人员应具备有关专业（如地质、地理、水文、农林、气象等）的知识，并熟悉遥感图像的特点、地物波谱和地面实况。智能判读则可实现判读过程的自动化，提高结果的准确性。在现代条件下，遥感图像的智能判读通常综合利用模糊分类、人工神经网络、小波变换、语义模型以及决策专家系统等技术。
（2）空间推理，是指利用空间理论和AI技术对空间对象进行建模描述与表示，并据此对空间对象间的空间关系进行定性或定量分析与处理的过程。在这一领域，有关地理信息系统（GIS）的研究是最多的，它也是空间推理的最成熟也是最广泛的应用领域。人类对于各种事物进行分析、综合并最后作决策的过程，通常是从已掌握的已知事实出发，运用事物之间的相互关系（如因果关系等），找出其中蕴涵的新的更多事实，这个过程通常被称为推理。推理是根据一定的原则，从一些已知的判断（前提）合理地导出另一些新的论断（结论）的思维过程。空间推理的研究主要集中在：①根据空间目标的位置，基于给定的空间关系形式化表示模型，推断空间目标之间的空间关系；②根据空间目标之间的已知基本空间关系，推断空间目标之间未知的空间关系，此研究涉及空间关系推理规则的表示和推理策略；③利用空间推理，从空间数据库中挖掘空间知识，也可以利用事件推理的方法进行空间目标的模糊查询。
（3）空间数据挖掘，是数据挖掘的一个分支，是在空间数据库的基础上，综合利用各种技术与方法，从大量的空间数据中自动挖掘事先未知的且潜在有用的知识，提取非显式存在的空间关系或其他有意义的模式等，揭示出蕴含在数据背后的客观世界的本质规律、内在联系和发展趋势，实现知识的自动获取，从而提供技术决策与经营决策的依据。它可以用来理解或重组空间数据、发现空间和非空间数据间的关系、构建空间知识库以及优化查询等。近年来出现的主要空间数据挖掘方法有空间分析、统计分析、归纳学习、聚类与分类、粗糙集、空间特征与趋势探测、数字地图图像分析、模式识别以及可视化等方法。
空间信息处理主要是指空间信息的计算机处理，是地球空间信息科学的重要内容，其核心技术是以RS、GIS和GNSS为代表的“3S”技术及其信息处理方法。空间信息智能处理是指空间信息的智能化处理，这里从“3S”技术智能信息处理的角度阐述其主要内容，即RS信息的智能化处理、GIS信息的智能化处理、GNSS信息的智能化处理等。本书以RS信息智能化处理方面为重点阐述。
遥感信息的应用水平近年来常滞后于空间遥感技术的发展，其主要原因在于遥感数据未得到充分的利用，对遥感信息认识的不足和对遥感信息分析水平的滞后，造成了遥感信息资源的巨大浪费。利用智能化的方法挖掘遥感信息的应用潜力，提高遥感图像分析和识别的精度，提高遥感信息处理的效率成为遥感应用目前的迫切要求。遥感信息智能化处理是指应用AI的理论与方法对遥感图像进行处理，提高遥感图像处理的精度，实现遥感图像处理过程的自动化。AI的迅速发展，必将大大促进遥感信息处理的智能化和自动化，使遥感信息能更快速、更准确地为相关部门提供服务。遥感信息的智能化处理主要研究内容包括：
（1）遥感图像几何处理的智能化方法。遥感图像在应用之前，须被投影到所需要的地理坐标系中。遥感图像的几何处理包括粗加工处理和精加工处理两个层次。粗加工处理也称为粗纠正，它仅做系统误差改正；精纠正是指消除遥感图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像的过程。
（2）遥感图像辐射处理的智能化方法。遥感图像成像过程复杂，传感器接收到的电磁波能量与目标本身辐射的能量是不一致的。传感器输出的能量包含了太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解造成的影响，必须加以校正和消除。辐射处理包括辐射定标、辐射校正、遥感图像增强、遥感图像平滑以及遥感图像锐化等内容。
（3）遥感图像分类和解译的智能化方法。判读是对遥感图像上的各种特征进行综合分析、比较、推理和判断，最后提取出感兴趣信息的过程。传统的方法是采用目视判读，是一种人工提取信息的方法，即使用眼睛目视观察，借助一些光学仪器或在计算机显示屏幕上，凭借判读经验、专业知识和相关资料，通过人脑的分析、推理和判断，提取有用信息。而遥感图像的计算机自动识别分类是模式识别技术在遥感技术领域的具体应用。
遥感图像的计算机分类就是利用计算机对地球表面及其环境在遥感图像上的信息进行属性的识别与分类，从而识别图像信息中相应的实际地物，提取所需地物信息。遥感图像自动识别分类的常用方法包括最大似然法、支持向量机分类法、神经网络分类法和高斯混合模型分类法等。目前，遥感图像自动化分类水平也在不断提高，其软件发展趋势是：①由单一遥感资料的处理向多种遥感资料处理方向发展；②遥感图像处理系统支持的输入输出设备越来越广泛；③遥感图像处理系统的结构向开放的、可扩展性强的方向发展；④由单一的遥感图像处理系统向遥感图像处理与GIS，GNSS以及通信的集成方向发展；⑤由传统的遥感图像处理方法向新一代的智能遥感图像处理方法发展。
（4）基于知识的遥感图像分类方法。基于知识的遥感图像分类就是利用多源数据，将专家目视解译时用到的知识加入到计算机自动解译过程中进行综合分类。基于知识的专家系统方法，即模仿解译专家的解译过程，是指从遥感信息的机理出发，综合提取多种影像特征（色调、颜色、形状、大小、纹理、位置和相关布局、时间特征等），集成不同来源的非遥感辅助数据和专家的经验知识，利用各种知识的“组合优化”和相互补充来提高计算机自动解译精度，它是实现遥感影像自动解译的一个重要发展方向。因此，在基于知识的遥感影像分类方法中，实现知识的自动提取是一个必然的发展趋势。采用空间数据挖掘和知识发现方法（如决策树方法），快速、有效地构建分类规则，可有效促进基于知识的遥感图像分类方法的广泛应用。
智能GIS是空间信息科学与技术发展的必然趋势，是AI技术与GIS技术的结合。国内外很多学者在这方面已做了大量的研究工作，提出了许多非常实用的空间信息智能化处理方法，如栅格数据、矢量数据、三维数据、属性数据、时空数据的信息处理方法以及地理信息的可视化处理方法。
（1）栅格数据的信息处理。栅格数据结构采用二维数字矩阵作为数据分析的数学基础，具有自动分析处理较简单、分析处理模式化强等特征，其主要方法有：聚类聚合、多层面信息复合叠置、窗口分析及追踪分析等。
（2）矢量数据的信息处理。矢量数据通常不存在模式化的分析处理方法，而表现为处理方法的多样性和复杂性，其主要方法有：包含、缓冲区、叠置、网络等分析方法。
（3）三维数据的信息处理。随着二维GIS向三维和更高维方向的发展，三维GIS数据的信息处理越来越重要。三维GIS数据处理除了对空间对象的x，y坐标进行分析外，更重要的是对三维坐标z坐标的分析和处理，其主要方法有对表面积、体积、坡度、坡向等量的计算，以及对剖面、可视性和水文等量的分析。
（4）属性数据的信息处理。属性数据是对空间对象的描述性信息，对空间对象的属性信息进行统计分析是GIS信息处理的重要内容。主要方法有空间数据的量算（质心量算、长度量算、面积量算、形状量算等），空间数据内插，空间信息分类（主成分分析、层次分析、聚类分析），空间统计分析（地统计分析）等。
（5）时空数据的信息处理。时空数据的信息处理是指在传统的静态GIS（static GIS，SGIS）的基础上考虑时间维，同时处理空间维和时间维，构成时态GIS（temporal GIS，TGIS）；也就是说，利用多种时空数据模型，如空间时间立方体模型、序列快照模型、基图修正模型、空间时间组合体模型等分析和处理随时间变化的空间现象，对空间对象的时变特性进行分析与处理。
（6）地理信息的可视化处理。将GIS产品以某种用户需要的、可理解的形式进行可视化的表达和输出，主要包括提供多种地理信息系统产品输出，如普通地图、专题地图、影像地图、统计报表、决策方案、三维数字模型、三维地图以及虚拟现实与仿真模拟演示等。
GIS信息智能处理具体方法包括地理信息的采集与集成、智能化地图设计与综合、地理数据分类的智能化方法、空间数据挖掘与知识发现、地理信息的智能检索、地理信息的智能空间分析、地理信息的可视化以及空间决策支持等。
GNSS信息处理与AI的结合是一种发展趋势，目前国内外也有相关研究，主要研究集中于GNSS 基线解算、整周模糊度的固定等方面。准确和快速地解算整周模糊度，无论对于高精度动态定位或 GNSS 姿态及定向系统都是极其重要的。GNSS信息处理主要包括数据预处理、基线向量的解算以及GNSS网平差。
（1）数据预处理就是对数据进行平滑滤波检验、剔除粗差；统一数据文件格式，将各类数据文件转换成标准化文件（如GPS卫星轨道方程的标准化、卫星时钟钟差标准化、观测值文件标准化等）；找出整周跳变点并修复观测值；对观测值进行各种模型改正。
（2）基线向量的解算一般采用差分观测值，较为常用的为双差观测值，即由两个测站的原始观测值分别在测站和卫星间求差后所得到的观测值。在进行基线解算时，双差观测值中电离层延迟和对流层延迟一般已消除。基线解算的过程实际上主要是一个平差过程。
（3）GNSS控制网的平差。GNSS控制网是由相对定位所求得的基线向量而构成的空间基线向量网，在GNSS控制网的数据处理过程中，基线解算所得到的基线向量仅能确定GNSS网的几何形状，但却无法提供最终确定网中点的绝对坐标所必需的绝对位置基准。在GNSS控制网的平差中，是以基线向量及协方差为基本观测量的，通常采用三维无约束平差、约束平差两种平差模型。各类型的平差具有各自不同的功能，必须分阶段采用不同类型的网平差方法。