更易于从新的地理数据中提取信息的专家
分类系统
ERDAS公司总裁Lawrie E. Jordan
10年前，羽翼渐丰的地理技术（geotechnology）工业正蹒跚地寻找新的地理数据源以满足地理信息系统增长的需要，同样地，我们遥感界也花费了20世纪90年代的大部分时间去设计先进的影像卫星，优化数字化技术和创建新的数字数据集。作为上述领域发展的结果，遥感界现在正在直面挑战。空间数据用户能够登录到互联网上去获取各种数字格式的卫星影像、数字高程模型（DEM）、预打包（pre-packaged）的矢量文件以及其它地理数据。随着空间数据种类的增加，这些数据所提供的信息也就越来越丰富。特别要提出的是，由Space Imaging公司最近发射的以及Orbital Imaging公司与Earth Watch公司将要发射而获取的1米分辩率卫星影像，包含了前所未有的丰富信息。同时可能有许多人们认为不可能拥有那么多的空间数据，而且从这些多重栅格和矢量数据中提取有意义的信息也是一个严峻的挑战。事实上，精确利用高分辩率影像和其它新数据都正是下一个十年我们所面临的任务。幸运地是专家系统技术可以让我们去处理数据巨大和广度的地理数据。当该技术应用于地理空间环境时，专家系统技术能够处理众多的内容丰富的数据集，以便完成复杂的土地利用/土地覆盖分析，从而将结果表示为专题栅格影像图。最近几年，专家系统已经被广泛用于诊断医学和许多其它学术和信息技术应用领域。从1995年起，ERDAS公司在美国国家宇航局的资助下开始研究，将专家系统技术融入商业影像处理软件，以便更好地利用地理数据，特别是高分辩率卫星影像与航空影像。现在，专家系统技术已经成为ERDAS IMAGINE地理图像处理（geographic imagine）软件最新版8.4版的一个主要部分。其新的功能称为IMAGINE专家分类器（Expert Classifier）与原来软件的功能紧密集成在一起，用于从原始数据中（不仅仅是光谱影像，还包括其它矢量地理信息，地形信息（坡度与坡向等））提取有意义的专题信息。 一、专家系统介绍
专家系统是一类计算机应用，它主要基于一系列某一领域专家所定义的规则、条件或假设解决某一问题或做出决策。这些规则集就是所谓的知识库，也叫作决策树，因为它可以图解地组装成一个树形结构，在这里规则表达了一个问题，其答案被下送到由含有条件查询的新的分支上。
专家系统的基本思想是模拟人类组合各种带有因果关系的知识，进行推理并得出结论。在地理影像处理技术应用当中，这种技术要在传统分类的统计像元分析基础上产生一个巨大的飞跃，进入到基于要素目标的上下文关系、纹理和空间关系上来解释影像的王国，“有很多因子可以在光谱值的基础上加以使用，如大小、形状、色调、类型等，所有这些因子都可以可视化解释”地球卫星集团公司环境与GIS服务公司副总裁Creg.koeln先生这样说。
因为专家系统能够基于许多不同类型信息产生结论，同样地ERDAS公司设计的专家分类系统可输入多种数据集，诸如DEM，土地覆盖图、土地层、GIS矢量以及卫星影像。以城镇分类为例，IMAGINE专家分类器可以让电信规划人员输入IKONOS 1米类分辩率影像和建立的高程DEM来区分某些光谱相似却是不同材料的屋顶和道路表面。同样，基于DEM信息，在几何形状上相似的两个要素可以区别为建筑物屋顶和停车场。此外，用户还可以给某些变量设置可变的置信度来表达在分析过程中的权重。“置信度可以让我们将某种数据集变得更重要”USGS的国家高程数据库项目和EROS数据中心的科学家Jay Kost说。“例如，土壤数据在土地覆盖制图方面通常是最重要的，但是有时高程数据在林业应用中区别树种方面却是关键因素。”专家系统的其它方面，IMAGINE专家分类器建立了二个机制。首先，它使各领域应用专家能够通过简单的拖拉图解界面的方式建立决策树以形成一个新的知识库，这一树形图包括专家在对同样数据进行人工分析时所考虑的规则、条件和变量的顺序。其次，它给了你一个导引（Wizard）界面，它主要用于非专家的普通用户能将知识库应用到其自已的数据。它提示用户输入所需要的数据集，自动地按需要应用IMAGINE软件所提供的功能，通过决策树进行分析以得到一个准确结论。
二、将专家系统用于实际工作
ERDAS公司已将其最新IMAGINE 8.4版分发给许多领域的重要用户进行实践。如林业、
制图、地质、环境、城市规划等。Earth Sat公司立即将这一最新工具用于其工作当中，为电信客户解决了在制图项目中土地覆盖/土地利用所面临的问题。Earth Sat公司典型地使用传统的统计分类器对TM图像进行土地覆盖分类，他们还在寻找一种可行的方法以便将某一类别再细分。并且他们要区分高密度各低密度城区。“在LandsatTM影像中，城区相对容易按光谱来识别”，EarthSat的Koeln先生说。“但是单独的光谱采样不能区分城区密度”。Koeln先生认为影像纹理可以解决这个问题。纹理是在某一小区域内光谱变化的频率，而城区趋于有较高的纹理，这是因为城区里有许多要素——房子、花园、道路以及停车场等——在一相对小的区域导致不同的光谱响应，而高城市密度产生较多的影像纹理。他们设置IMAGINE专家分类器只需输入Landsat影像，其次他们用ERDAS IMAGINE的可视化建模工具（model maker）建立了一个统计模型，用于计算纹理信息（以7*7象元矩阵为基础）。在专家分类器中，用特定光谱阈值来隔离并建立城镇区域。这样，基于光谱和影像纹理数据的组合，IMAGINE的专家分类器就可成功地区分出城市的不同密度区。而设置这样的规则库只需一、二个小时。“在确定结果的过程中，我们给出了纹理值一个高于光谱数据的置信度。”Koeln先生说。“较大的纹理值和较高的光谱反映被确认为高密度城区，而低纹理值和低光谱则分为低密度城区。”Koeln先生希望专家系统技术能提供在应用于1米卫星影像上的高精度分类优势，因为有更多的地面要素会相互影响也就可能混淆光谱采样，那么在这样的环境下，除了光谱响应外，分析纹理、形状、大小和许多其它特征值的能力在精确与定量化分类土地利用和土地覆盖将会成为必需。从这点来说，其它领域的使用者都认为
IMAGINE专家分类器是比传统分类要先进而实用的创新工具，而且也是决策支持工具，这种工具能够分析各种各样的空间数据集，而这些数据不必是卫星影像，这样就扩展了IMAGINE专家分类器作为专家系统的地学应用领域。作为决策支持系统的一个例子是由ERDAS为军事用户建立的知识库，其目标是建立一个决策系统，能够让指挥员确定在所给定的地形哪些地方是某种运输车辆能够穿行的。这样的知识库主要是由各种运输工具的性能说明和容差，诸如所能攀爬的最大坡度和某种牵引力下所需的地表条件等。在某一地区土地类型图、DEM和当前气象信息等条件输入之后，IMAGINE专家分类器就可以生产出对每一种运输工具能穿越地形的专题地图。IMAGINE专家分类器的另一个应用能力就是小路标（Pathway cursor），该功能允许用户在输出影像上选择任意一个像元来观察在分类过程中决策树实际到达的实际轨迹。“这个游标是有用的工具，它能帮助用户返回和看到分类中用了什么规则”USGS的Jay Kost先生说：“这样用户就可以更好地细化其知识库了。”另外，小路标还帮助用户学习知识库，更充分利用由专家建立结合进系统内的专门知识。该知识库可拷贝给其它成千上万的非专家用户，这些用户只需能可靠重复这个过程而完成极度复杂的空间分析。知识库的可移动性让ERDAS公司相信专家系统技术是地理影像处理技术未来发展的关键组成部分。ERDAS IMAGINE的专家系统分类技术将是图象智能识别与理解的最有力工具，对遥感应用深入发展具有里程碑意义的推动作用。
