2017年6月13日，第六屆地理信息開發(fā)者大會(WGDC2017)在北京國家會議中心盛大開幕。大會由空間信息產(chǎn)業(yè)創(chuàng)新創(chuàng)業(yè)服務(wù)平臺泰伯主辦，秉承不斷引領(lǐng)和促進空間信息技術(shù)創(chuàng)新與變革的宗旨，WGDC已走過六個年頭，如今成為全球最具前瞻性的跨界創(chuàng)新風(fēng)向標(biāo)。

　　此次大會以1+16的形式舉辦，匯集了國土資源、智慧城市、智能駕駛等多個領(lǐng)域的專家共襄盛舉。其中國土資源峰會作為傳統(tǒng)測繪行業(yè)的“重頭戲”，邀請到了多位業(yè)內(nèi)領(lǐng)導(dǎo)和專家到場支持。

　　峰會上，北京大學(xué)遙感與GIS研究所副所長、博士生導(dǎo)師杜世宏教授帶來了題為《土地覆蓋遙感制圖——從對象到場景》的精彩演講，以下為現(xiàn)場實錄(未經(jīng)本人確認(rèn))：

　　杜世宏教授PPT鏈接：http://static.3snews.net/GIO/20170615.pdf

　　各位專家、各位同行大家下午好。我的報告題目稍微做了改動，改成《土地覆蓋遙感制圖——從對象到場景》。

　　我主要從四個方面來看。目前，我們已經(jīng)進入遙感大數(shù)據(jù)時代，包括了各種分辨率，各種平臺的不同時限的各種數(shù)據(jù)。從這里看出來，它是從很粗的分辨率然后到很細(xì)的分辨率，最后可以看到這個結(jié)構(gòu)。現(xiàn)在大家都很感興趣的問題是，數(shù)據(jù)的獲取和數(shù)據(jù)的擁有量在不斷的豐富，但是我們怎么把這些豐富的遙感大數(shù)據(jù)用起來？今天我要講的就是通過制圖的手段充分發(fā)掘和使用遙感數(shù)據(jù)的方法。

　　從傳統(tǒng)的遙感數(shù)據(jù)來看，大概這么幾個問題還要進一步的改進。長期以來我們采用基于像素的表達方法，沒考慮像元和定位之間的依賴作用。制圖的精度對高分辨率的要求很高，它是單個的像元，這個不能滿足我們的需求。遙感制圖不管是高速分辨率還是低速分辨率都是需要像素表達。我們有影像對象，我們基于影像對象，而不是像素進行影像的分析和制圖，這個稱為對象的制圖。最早在1965年，基于對象影像的概念是計算機里面提出來的。影像對象，它指的是光譜變化不太大，但是有變化的，而且連續(xù)的這么一個區(qū)域，是基于對象分析的。

　　現(xiàn)在它的核心的問題在哪里呢？核心的問題在于，我們首先把這個像素要分割成影像對象，再基于對象進行特征表達，再制圖。對象有一個好處，一個對象，它是一個多邊形，多邊形的依賴關(guān)系我們完全可以考慮進去。我們生成影像對象。它是什么呢？分割尺度是影像分割中的最重要的參數(shù)。下面的圖，這個也是影像分割，一個被分割成好幾個對象，下面的右邊的圖分割太粗了，第一個和最后一個都不是太好分割的。你分割的不對的時候，對象的幾何已經(jīng)不是我們真實所需要的，只有中間的這個它是完整的分割。

　　現(xiàn)在問題來了，我們?nèi)绾尾拍艿玫竭@個分割呢？這是理想的預(yù)期的目標(biāo)，這是第一個問題。

      第二個問題，在分割的時候，多個尺度分割，為什么？這個跟線量有關(guān)系的，比如我們的建筑物，我們的道路，我們的樹，他本來是大小不同的，另外從生態(tài)過程來講，它本身有一個知識結(jié)構(gòu)的。右邊的這個圖，同一幅影像我們可以采用不同的對象的參數(shù)找到多尺度分割。從最下面看，從細(xì)到粗，對象可以生成一個層次的網(wǎng)絡(luò)結(jié)構(gòu)?？梢赃_到一個較好的組合結(jié)果?，F(xiàn)在的對象里面遇到很大的問題就在于，我們提取建筑物，到底是哪個尺度比較好？這個是沒有先驗的經(jīng)驗，也沒有具體知識可以借鑒的。因此，比較盲目。

       從左邊往右邊， 它的分割尺度是逐漸增大的。從第一排基本上是很難用于制圖，因為分割太細(xì)了。右邊的兩個圖，第四個有個品紅色的，這個建筑物好像是完整的分割出來了。同樣的一個尺度上，這個建筑分割出來了，但是有的建筑沒有分割出來。再下面這個公園也是沒有分割出來，右邊的圖上，公園和上面的那個分割了，但是黃色的建筑沒有分割出來。

       這個就在告訴我們一個什么問題呢？就是說這個問題是很復(fù)雜的一個問題，復(fù)雜到什么程度呢？我們說是不同的地物，它是有不同尺度的，第二就算是統(tǒng)一的地物，一個建筑物他的尺度也是不同的。另外一個對于每一個層來講他的分割參數(shù)是什么呢？這個都是目前不知道的。所以具體做的時候需要大量的人工，分成很多個層次，人工判斷哪個好。這樣實際上是一個費時費力的問題，對象制圖里面核心的在這里，對象分割出了問題，后面的分類都會出問題。這個目前是國際上分割尺度選擇目的的難點，也是熱點的問題。

　　我們首先看右邊這個地圖，到底是哪些因素在影響分割尺度的選擇呢？這是一個核心問題。我們自己的研究得出的是這樣一個結(jié)論：它有三個因素，哪三個因素呢？第一個是地物類別，不同的地物類別分割尺度是不一樣的；第二個是對比度，上面的圖和下面的圖都是建筑物，但是上面一個對比度比較清晰，下面的對比度比較模糊；還有就是內(nèi)部的異質(zhì)性，那一塊和這個對比度太強了，所以它也分出來。

　　從研究項目來看，既然這么重要，影像對象制圖到底該如何來做？國內(nèi)外的專家近十年來做了大量的工作，我們把它分成兩大類：一個是非監(jiān)督的方法；另外一個是監(jiān)督的方法。

        非監(jiān)督的方法里面，基于廣譜異質(zhì)度五的尺度選擇。

        監(jiān)督里面，基于分類精度的尺度選擇，這里分為幾個方面。首先第一個，是完全利用遙感的光譜數(shù)據(jù)來做的它用局部的方差，這個隨著尺度的變大不一樣，它的表達是很簡單的。我一個影像對象，他用方差表達的。這樣的話，你一幅影像里面影像對象的異質(zhì)度隨著尺度發(fā)生變化。

　　右邊的圖，它有一個曲線，這個曲線叫影像異質(zhì)度隨著變化，有兩個變化最大的區(qū)域，這個里面兩個變化最大的地方我們可以找出來，以這兩個尺度去覆蓋影像，得到一個較好的結(jié)果。這邊沒有用任何的附加因素，它還是達到剛才的結(jié)果，地物類別、對比度、還有內(nèi)部異質(zhì)性，他只是考慮內(nèi)部異質(zhì)性，沒有考慮類別和對比度的。

　　第二個方面，不僅考慮對象內(nèi)部異質(zhì)性最小，還考慮對象間相似形最小，用這兩個方式表達，這樣仍然可以看出來，中間這個圖隨著尺度的增加，把對象的異質(zhì)性和對象的相似性，我找最小的，大家看出來，這個里面其實7尺對應(yīng)那個圖是最小的。它還是沒有表達類別和對比度的問題，它只是內(nèi)部異質(zhì)性選擇的結(jié)果。而且，我不管任何的地物，我都能得到相同的風(fēng)格的介入。

　　第三個方法，目前國內(nèi)通用的方法，就是矢量對象。而且我不是用所有矢量，我只要有一部分矢量就可以了。我把矢量對象和分割對象匹配出來，找到最佳匹配的，他可以根據(jù)分割度確定是不是選擇最好的分割。這里面有一個定義，時間關(guān)系不細(xì)講了。

　　這樣的話我們可以確定，比如說左邊的這是一幅北京的Quick Bird的影響，右邊是四種參考建筑物的對比。我們對建筑物本身而言，它分成好多類別，不同類別對應(yīng)的分割尺度也是不一樣的。第一個，它在100上面分割是最好的，在中間這個稍微復(fù)雜的建筑上120是最好的，對于比較高的建筑是在140，右邊的這個是180。我們可以通過選擇提高制圖效果。

　　第四個方法是，個性尺度選擇。我們只要做過實際工作的同行發(fā)現(xiàn)，不同地方的分割尺度有所變化的，隨著對比度和異質(zhì)度發(fā)生變化。這個方面就是我們做的工作。我們現(xiàn)在不管是什么樣的尺度，你扔給我，我通過這個算法就能最后生成一個最好的，最適宜的尺度出來。這就是個性尺度選擇，每一個上面都有最佳的，最好的尺度。

      這樣帶來的一個效果是什么？大家可以看一下左邊這個影像和右邊的圖，右邊是分割的結(jié)果。不同的顏色代表了30到70，綠色是30，最下面的代表70，不同的地物分割尺度是不一樣的。這里我們稱為一個自適應(yīng)和變適應(yīng)的分割，充分考慮的是類別，對比度和異質(zhì)性。這個通過我們機器學(xué)習(xí)算法學(xué)習(xí)到的結(jié)果?；趥€性尺度和學(xué)習(xí)的結(jié)果，我們再進行自適應(yīng)的分割和分類，他的精度會有很大的提高。這里像大家看這是一個我們分割的結(jié)果。給出這樣的分割的結(jié)果，其實可以生成更多的，在制圖的時候，你說你選擇哪個尺度去制圖呢？而且難度是很大的選擇的，往往是不選擇。

　　這是尺度選擇，這是其中的一個尺度，我們對比每個角度，在哪個尺度上好，不管哪一個，我們自適應(yīng)就會選擇右邊的這個，它都會生成一個最佳的。而且自適應(yīng)結(jié)果把多個分辨率的結(jié)果進行重組之后，他不是來自于一個，是來自多個分割的結(jié)果，這樣提高精度。

　　這個對湖泊地區(qū)的分割結(jié)果，這個應(yīng)該是1234，前面的幾個分割結(jié)果，對湖泊來講肯定是分割尺度10最好，但是我們自適應(yīng)分割，看最后一個自適應(yīng)分割就一張圖，不管對湖泊還是植被還是過渡帶都是自適應(yīng)的最佳的結(jié)果。最后一個把前面的7個結(jié)果組合起來的，這樣回避了一個尺度選擇的難題，都可以找到一個最好的表示，提高他的對象制圖的結(jié)果。

　　對比出來看結(jié)果：第一個方法是一幅影像只能選一個，但是它的特點是，不需要人工干預(yù)，完全基于遙感可以做到。第二個基于分類精度選擇，后面兩個會更好一點，這是我們對比的一個結(jié)果。

　　下面也有一個選擇了，從效率來講，第一個最高，他不需要任何的限量，第二個自適應(yīng)的分割，從精度上來講，C是最好的，因為它是完全和矢量是吻合的。如果有矢量的話就是C圖，沒有矢量的話就是D圖，綜合來看D是相對較好，各個因素來看它都是表現(xiàn)比較好的方法。

　　第二個問題，有了對象的制圖方法是不是就能夠滿足遙感對土地覆蓋監(jiān)測的需求了呢？不是。我們看一看人是怎么表達土地覆蓋和土地利用的，上面一幅影像是舊式住宅，下面是新式住宅，下面這個是城鎮(zhèn)混合住宅，右邊是農(nóng)村宅基地，這里面每一個名字代表的不是一棟建筑物，而是一組建筑物的組合。右邊的花園洋房，建筑物和道路和草地有規(guī)則的排序。這個把它稱為場景，它是更大的范圍上的、空間上的、要素上的場景。

　　這有一個難點是場景本身不再是對象。場景是多種地理要素的組合，而且分布有差異性，光譜多樣性。帶來一個問題，因為它本來就是多個地物類的，光譜本來就是不同的，必須考慮多要素的空間分布進行分析方法，這個是一個全新的問題。從人的理解，我們更希望是右邊的，我們有了場景的表達，結(jié)果可以反過來提高我們對象的結(jié)果。無論從分割還是分類制圖的角度來講都還是空白的。

　　這個是一幅影像，我們會生成一塊一塊的。右邊的是特殊的，植被和裸土環(huán)繞分布構(gòu)成操場，上面是公園。這樣才是得到了我們需要的一個結(jié)果，而且在每謀劃一個單元內(nèi)部，他的地物的光譜有些特殊的特點。

　　這樣我們需要三個核心，第一個如何給一幅影像之后，我們自動的生成這個單元；第二個找到哪些特征表達它；第三個是如何進行分類和制圖。這三個都是需要我們從新的角度探索的，因為這是以前的方法，現(xiàn)有的方式做不到的。

　　后面的數(shù)據(jù)，前三個遙感數(shù)據(jù)可以得到了，后面的，有的來自于GIS數(shù)據(jù)；有的是覆蓋數(shù)據(jù)；應(yīng)用初步的分類結(jié)果再進行場景的分割。

　　第二個問題分類的問題，這里是首先兩步走：第一個是初始方位，我們考慮對象的空間關(guān)系和場景的特征和相似形。

　　第二個方法我們進行語意依賴優(yōu)化，它不是孤立的存在的?？紤]了地物的分布和表達，再進行一個制圖，最終的結(jié)果是很可觀，我們用了大概三幅數(shù)據(jù)，在兩個不同的城市，在北京和珠海進行實驗。

　　輕工業(yè)、重工業(yè)、一級二級，以及商業(yè)區(qū)等等，我們進行了分類。這樣的話，最終的分類結(jié)果，左上是遙感數(shù)據(jù)，有的是矢量數(shù)據(jù)。左下的結(jié)果我們最后進行了一個對比，g這個地方，是一個商業(yè)區(qū)，我們可以看出來這是可以接受的方法內(nèi)，是我們新做的一個方法。這個是我們驗證的結(jié)果，最終的結(jié)果都是在85以上，因為考慮他的復(fù)雜性，這個結(jié)果還是可以接受的。

　　另外一個問題，這是一個學(xué)校。學(xué)校的北邊是個商業(yè)區(qū)，右邊的是居住區(qū)、老師的公寓、下面是教學(xué)區(qū)。就算是對學(xué)校來講，它的功能不是單一的。它可能帶來很多的問題，對這個單元，它不是一個唯一的，它應(yīng)該是多個類別的，但是主導(dǎo)是教育用地占了絕大部分比例的。這樣有了單元之后，集體分類只是給一個類別是不給的，我們還想給一個多類別，每一個類別還是要有定量的。

　　這個模型不會細(xì)講了。突破點在哪里呢？突破點在于，它是用了一個平均的光譜表達的，因此每一個都是一個點，在這個里面不是一個點，他是容許一定的異質(zhì)性跟包容性的，可以提高他的兼容性和精度。最后的效果也還是不錯的，比現(xiàn)有的方法有很大的提高，這是我們的一個實驗上面的一個結(jié)論。

　　下面我講的第二個問題是一個分割的問題，其他的，從街區(qū)的數(shù)據(jù)進行分割，我們希望有一個制度化的分割的方法，這個里面我們主要考慮兩類體征，一個是相鄰對象的特征，比如他的對象的問題，還有分布的問題和要素類別的問題，還有不相鄰對象的特征的問題我們都可以統(tǒng)一的考慮，這里面主要考慮分布問題，在這個基礎(chǔ)上，我們首先是逐要素分層聚合的方法，用圖表達出來，然后聚合，聚合的結(jié)果，因為這個是分要素聚合，我們再擴展。然后，我們再進行一個疊加，最后得到我們最終的一個分割的介入。

　　我們看一下結(jié)果就可以，這是一幅影像，我們最后為了表述這個結(jié)果，這個是我們分割的，完全是自動分割出來的結(jié)果，如果建筑物分布比較規(guī)則的話就是一個居住區(qū)，這塊是商業(yè)區(qū)，這塊是居住區(qū)，這塊也是居住區(qū)，完全影像自動分割出來的結(jié)果。這是更大范圍的，居住區(qū)，商用區(qū)，這里面可以在不同的尺度上面去分割，滿足多種層面的需求。

　　這里面，左上邊的圖根據(jù)光譜分的，把紅色的建筑放在一起去了，分割在一起了。下邊，還加了建筑物的分布，把分布相同的，這個里面，我們考慮分布特征更重要的問題。這是多個城市的，北京、莆田和珠海的實驗。

　　上面的三個圖，不管從光譜特征來看，因為它都是一樣的，紅、綠藍的比例是一樣的，從光譜和建筑的角度來講，從對象分布角度來講，他是把它區(qū)分出來的。因此我們必須從三個角度進行一個區(qū)分。這是完全把三個東西統(tǒng)一考慮進來了。

　　這個里面POI的數(shù)據(jù)，他的語義是豐富的，但是他的位置實際上是不一致的。因此我們進行了一個重新的生成模型的表達，這個是我們對象的一個分布的表達，我們需要考慮到分布。這里是我們用到的影像數(shù)據(jù)，右邊是原始數(shù)據(jù)，右邊是原始定位，重新生成的，這樣的話密度更過。這個是我們不同區(qū)域的POI密度的分布，這個規(guī)劃是完全我們最新的，我們根據(jù)對象的分布，把每個場景單位的分布，完全的產(chǎn)生不同的類型，這樣最終可以提高我們的場景整合的結(jié)果。

　　這個我們可以看到，左邊是建筑區(qū)，工業(yè)區(qū)還有校園，居住區(qū)等等，中間是不同的比例，可以看到POI數(shù)據(jù)很大的提高了，他的貢獻是最大的。

　　最后，我們想做一個簡單的總結(jié)，我們現(xiàn)有的方法是像素和對象制圖。后面講了，在國土應(yīng)用里面應(yīng)該還會有功能的制圖，對象制圖的話只是土地利用和土地覆蓋的問題，場景制圖是城市功能制圖，這完全是兩個問題。

　　關(guān)鍵問題是場景怎么分割，第二個怎么分類，必須多個要素，聚合分類，不是一個簡單的語義概括。第三個場景分解，功能混合，主要解決這三個問題，非常感謝大家!