计算机视觉技术在地理信息系统中的应用

摘要：计算机视觉又称“机器视觉”是以后计算机学科中十分有趣的一个部分，它是一门探究如何使机器拥有视觉、能够“看”的学科，主要是通过研究图像或视频来帮助人们更好地、更方便的从事一些危险的或人工视觉难以满足的工作。本文分析研究了计算机视觉技术在地理信息系统中的应用。

关键词：计算机视觉;地理信息系统;数字影像测量

计算机视觉在地理信息系统中的应用有数字影像测量以及遥感特征目标识别这两种技术。二者均与计算机视觉领域中的一些相关技术联系密切，数字影像测量的基本原理是通过运用摄影测量与数字影像技术，其中应用的方法有影响匹配、数字影像处理和计算机技术;遥感特征目标识别涵盖图像处理、模式识别、数字影像处理和计算机技术等方面。本文主要阐述了计算机视觉技术在数字影像测量和遥感特征目标识别应用中的运用描述所涵盖的、被发现的问题以及他们今后的发展前景。

1计算机视觉技术与地理信息系统

1.1计算机视觉技术

计算机视觉技术首先是计算机视觉，计算机视觉通俗地讲就是一种相对于人工视觉的机器视觉，主要应用在人工视觉无法进行作业或者用人工视觉无法满足生产需求的领域。因为计算机视觉技术的精确度高，自动化程度高，而且还能通过视频、图像数据的提取整合信息，提高生产效率，所以经常会被应用在生产实践中。

1.2地理信息系统

地理信息系统是一种利用计算机硬件和软件对环境、地理等进行数据的收集、整合、管理以及分析的技术系统，这种技术系统经常被应用于对环境的监测和管理，是一种集合地理科学，环境科学，计算机科学，管理科学等学科的综合边缘型学科系统。

2计算机视觉技术在地理信息系统各个领域的应用及其关键技术

2.1数字摄影测量与计算机视觉

2.1.1应用探究

摄影测量是测绘学科的一个分支，它是对由摄影机摄取的影像（二维）进行量测，测定物体在三维空间的位置、形状、大小乃至物体的运动。摄影测量在近百年的历史中经历了模拟、解析与数字摄影测量三个阶段。数字摄影测量是基于数字影像和摄影测量的基本原理，应用计算机技术、数字影像处理、影像匹配、模式识别等多学科的理论与方法，提取所摄对像以数字方式表达的几何与物理信息的摄影测量学的分支学科。

摄影测量进入数字摄影测量时代后将不断深人地利用计算机代替作业员的眼睛，很明显，它已经与计算机视觉紧密联系在了一起。美国俄亥俄大学的Schenk教授在其著作《数字摄影测量学》的序言中指出：“数字摄影测量是一门相对年輕的、并且迅速发展的学科。它的许多基本概念与方法来自影像处理与计算机视觉。”

2.1.2关键技术—多目立体匹配技术

我们知道，要想产生立体影像，必须有立体像对。我们现在的数字摄影测量中的立体像对技术通常是在一条基线上进行的，但是由于采用计算机匹配替代人眼测定影像同名像对时存在大量的误匹配，使自动匹配的结果很不可靠。为了降低双目匹配的难度，计算机视觉领域很早就开始研究三目立体视觉系统、三目机器人视觉系统、多目立体匹配。为解决周期性重复特征所引起的误匹配，他们提出了对倒距离的SSD（sumofsquaredifference）求和。采用“多目立体匹配技术”可以利用摄影测量的空中三角测量原理，对多度重叠点进行“多方向的前方交会”，既能较有效地解决随机的误匹配问题，同时又能增加交会角，提高高程测量的精度。这项技术的应用，将很大程度的解决了自动匹配结果的不可靠性，提高数字摄影测量系统的准确性。

2.2遥感与计算机视觉

2.2.1应用探究

遥感技术是现代高科技之一，借助遥感手段获取信息具有周期短、信息量丰富等优势。但如何从海量影像数据中及时、准确地获取所需信息并加以利用，一直是我们需要解决的重大问题。完全靠传统的人工判读和识别，效率和精度都无法保证。利用计算机对遥感影像目标进行自动识别，是当前遥感信息处理的主要发展方向。目前，遥感影像目标识别涉及到计算机视觉、人工智能、模式识别与图像处理等诸多方面，国外专家在这方面也做了很多研究，但至今还没有一种针对各种道路类型和分辨率影像的通用提取算法，只能尽可能地利用人与计算机各自的特点，将人的“识别”能力与计算机的“量测”与“定位”能力相结合，采取人机交互方式进行半自动提取。

2.2.2关键技术

1）最小二乘模板匹配算法

该方法在给定特征点初始值的条件下，以最小二乘平差模型估计模板与影像之间的几何变形参数。该算法可以方便地加入各种约束条件，解算和精度评定方法比较成熟，可获得较高的精度。

2）Snakes或ActiveContour模型算法

该算法将初始曲线的变形归结为外部约束、内在约束（几何约束）和影像特征引起的“势能”，由三者和的能量极值点作为结果，可扩展到三维。

3）基于像素与背景算子模型的算法

主要是通过图像分析法，在局部范围内，对目标像素周围的一个小邻域进行处理。处理技术通常包括边缘检测技术、二值化、形态学算子、神经网络和统计分类技术等。

3计算机视觉技术在地理信息系统中还存在的问题

计算机视觉技术被运用到地理信息系统中可以提高比如数字影像测量的精确度，目标识别的精确度等，但是由于计算机视觉技术起步比较晚，加上地理信息系统中各个领域的条件比较复杂，所以在运用中要注意一些问题。

3.1在数字摄影测量中需要注意的问题

在数字影像测量中需要注意的问题首先是数字影像测量所依据的坐标和计算机视觉技术所依据的坐标并不相同。我们知道数字影像测量是通过数字化手段对数字影像进行量测的，对地形图进行绘测，所以使用到的坐标基准是地面坐标。而计算机视觉技术是通过计算机来代替人眼的，所以用到的坐标基准必然是影像机坐标。而且数字摄像测量还有各种空间坐标，计算机视觉技术在运用中如果无法做到空间坐标的变化，则会对数字摄影测量造成很大的困难。另外，数字摄像测量的面积范围比较广，数字影像一般呈现条状分布，影像重叠度高，需要考虑到影像的空间特征。而计算机视觉技术处理的对象就是计算机的可见范围，影像分布并不广，只要处理一个立体像对即可。

3.2在遥感特征目标识别中需要注意的问题

遥感特征目标识别中主要使用的技术除了计算机网络技术，还有人工智能技术、模式识别技术等。由于受到遥感目标识别复杂性的影响，目前采取的人工识别和计算机定位相结合的半自动化识别。所以在识别过程中必然会受到遥感特征的影响，比如遥感技术所获取的信息量很大，计算机处理能力并不能对这些信息数据进行快速处理，如果使用到计算机算法，这些算法十分复杂计算起来并不容易，可能还会对计算机造成破坏。另外，通过遥感手段获取的图像的分辨率有的很低，如果要使用计算机技术对图像分辨率进行处理又可能会损坏图像比如交叉、拐角、重叠等道路。加上所拍摄图像物质的特性各不相同，仅仅依靠计算机视觉技术会因为无法区分属性特征而错误提取目标。所以计算机视觉技术在使用的同时，还要进行人工干预。

4结语

遥感技术和摄影测量技术的迅猛进步，使得计算机视觉技术与地理信息系统联系的更加紧密，随着对遥感技术和摄影测量技术运用的越来越广泛，该技术在整个地理信息系统中的应用会越来越受大家关注。

参考文献

[1]余勇华.摄影测量与遥感技术发展分析[J].江西建材，2014，（01）.

[2]周雪碧，姜心蕊，徐国贤.基于直方图的图像增强技术在图像处理中的应用[J].2014，（11）.

[3]王攀，李俊杰，孙学伟.摄影测量与遥感技术的发展现状及趋势分析[J].科技资讯，2015，（34）.

[4]郦苏丹.SAR图像特征提取与目标识别方法研究[D].国防科学技术大学，2001.

推荐访问： 地理信息 视觉 计算机 系统中的应用 技术

---