遥感图像解译的实质是对遥感图像进行分类，并具体圈定它们的分布范围，提取有用信息。由于城市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解译精度，而人工目视解译则具有很大的灵活性和适应性，缺点是工作量大、效率低。如果在解译过程中，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解译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以提高解译的速度与精度。
城市人机交互解译需要把人工目视解译和数字影像处理、遥感与地理信息系统、地学知识和信息技术等结合起来。常见的城市人机交互解译流程包括:解译范围的人工选取、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。下面简单介绍几种应用实例。
图6-12 城市遥感影像样本标注应用示例
1.城市遥感影像大尺度场景解译
城市遥感应用的研究通常需要将影像分为不同的场景，场景解译可以是指将城市按照社会文化属性分为不同的功能区，也可以是指按照地物的自然属性分为建筑物密集区、非密集区等。城市遥感影像场景解译可以首先利用计算机自动分割算法，在大尺度场景下将影像分割成块状同质区，然后通过目视解译各同质区的场景类别。图6-13是大尺度场景下的地物分割效果及解译效果，通过目视解译确定了城区、城郊结合区、山区、水域四类场景。
图6-13 城市遥感影像场景解译图
2.城市街景影像人工辅助解译(www.xing528.com)
由于城市遥感影像场景的复杂性，以及阴影、遮挡等现象，计算机自动解译后一定会存在部分误分类，因此在计算机自动解译后应当进行人工修正。对于城市的阴影和遮挡区域，可以结合城市街景影像进行人工判断，从而对解译结果进行修正。图6-14为存在遮挡的行道树下街景图像和阴影区域的街景图像，使用街景地图进行人工判读以辅助计算机解译，可以弥补遥感影像的信息缺失。
图6-14 城市街景影像人工辅助解译示例
3.矢量特征引导的城市交互式解译
对道路特征信息不明显的影像，道路的解译常采用人机交互的方式，通常需要人工选择种子点、中心线或面状区域进行引导，然后运用区域增长算法进行自动解译。图6-15为城市道路解译中的引导方式示例，进行交互式解译。
图6-15 城市道路解译中的引导方式示例
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
