3sNews讯 4月13日消息，“天目创新2010年用户大会暨WorldView-2产品发布”今日在京成功举办。本次会议由国内领先的高分辨率影像数据提供商北京天目创新科技有限公司和美国DigitalGlobe公司联合主办，3sNews为独家门户支持。以下为嘉宾演讲全文：
图为天目创新公司副总经理朱继东（3sNews配图）
朱继东：大家下午好!我上午给大家做了翻译，下午我给大家讲两点，一个是eCognition信息提取技术，第二是Worldview2高分辨率卫星影像，这两者结合起来做信息提取方面的应用。
我们来回顾一下eCognition技术，eCognition最大的特点，我们说它的优势其实是在三个方面，第一是它发明了面向对象的影像分析技术，现在注册了OBRA技术，第二是它的手段，大家看看PPT，它的手段是不断的进行分割分类，在分割分类中间不停的去迭代，在每次迭代中可能会得到感兴趣的目标，在无数次迭代中也逐渐把自己感兴趣的目标全部分析出来，然后得到满意的结果。第三个特点，它的依据是操作者自身的知识水平，就是说这个知识库，这是它最大的法宝。我们看这规则库是软件最聪明的地方，把决策权交给了操作者。
这个软件在国内推广了很多年，从它的3.0版本，4.0、5.0、6.0、7.0、8.0，每一年一个新版本，我们看它在国内推了这么多年，目前还是处于不温不火的状态，我们分析一下原因。PPT里写的原因有四个方面，第一是它不断的推新版本，功能不断增多，功能又多又全，大家打开软件就会清楚按纽太多了，功能太多了，使操作人一拿上就产生了惧怕感。
刚才说了它的优势，优势是规则集非常重要，规则集怎么来的?是靠专业知识，专业知识从哪来?专家给出来的，我们一般操作者不可能是全面的专家，这也是它应用中目前遇到的问题。
第三点，自动分类，在国外人们对于成果的美观要求是比较低的，但是在国内来说，对成果的美观性要求非常高，很可能达到与成果效果相当高的程度。它解决成果效果方面也不是很好，我们做比较大的项目过程中，在做土地变更分类做过一些实验，大规模生产时运算起来比较慢，大规模生产不太好用。
它的技术发展方向和实际应用也是有一些矛盾，版本越来越多，功能发展越来越全面，一年一个新版本不断增新功能，从桌面软件向集成化软件慢慢转变，这个转变从2007年开始的，已经面向企业化大规模组建式的生产。因为这样，所以对用户的要求越来越高，不是一个人能玩的转，需要一个团队来熟悉这个软件，需要有开发的人，需要有行业应用专家，需要有操作的人，所有人加起来才能熟悉一个软件，这就对用户要求非常高。综合起来国内这么多年的应用情况，软件门槛越来越高，这个软件反倒离大家应用越来越远了。
我们说一个特点，曲高和寡，我们经营这么长时间发现了一个特点，当然是开玩笑的了，发现这个软件干什么比较好呢?是研究生做毕业设计的非常好，做毕业设计论文非常好过，我们叫它是毕业设计专用利器。我们既然知道它的矛盾，我们就要解决它，索性在去年的时候德国这家公司已经意识到这个问题了，下面我们看看它在新版本是怎么解决这些矛盾的。
首先它解决了一个问题，就是操作者很惧怕操作它，是怎么解决的?第一优化人机界面后，把人机界面设计接口以专门的功能开放出来，开放了人机界面设计接口，做到以用户为中心，用户可以按自己的喜好设计流程界面，这样大家喜欢用了才能真正用起来。
第二，它提高系统运行效率，大家看这个图就知道了，在版本7的时候，前年时它的运行效率还不是特别完善，到了去年发布版本8的时候，效率比之前一下提高了16倍，就是加载速度。数据浏览速度增加了8倍，它采取了一系列多线程并行处理技术，这个技术在上午DJ副总裁也提到了，目前广泛使用的是DPU技术，并行多线程技术，在电脑缓存中把数据切成碎片，然后进行处理，处理完后把碎片合成成果，这个技术目前在各个生产型软件中都有应用，它也不例外。为什么一个版本能提高16倍的运行速度呢，这就是关键，采用了新的计算机运行模式。[page]
同样，为了企业级应用必须要做成分布式系统，好处是可以提高运算速度，多系统并行运行，多线程是提高速度的，同时对企业级应用来说，支持多个线程分布式处理，你觉得一个服务器不够，那么可以多加服务器，使运算服务器可以满足你生产的需要，这是迈向企业化应用很关键的一步。给了个名字叫服务器工厂，可以不断的加。
一个很重要的一点，它加强了输出结果的美观性，做了很多周边工作，我们想想它的技术这么多年都是先进的，到现在还是先进的，现在已经意识到技术先进已经不是问题了，矛盾在哪?在我们刚才提到的那些问题，现在开始做美化工作了，这些美化工作体现在哪呢?比如对房屋、建筑物，可以自动把建筑物规则化，做的很方，比如一个房子边界做的方方正正，让成果看起来非常美观。比如植被边界做得比较平滑，不零碎。
这是海岸线，大家知道对于信息提取时有可能提取最左边的影像，有可能会有很多下次，比如缺一块多一块，但是怎么样让它变成大家能接受得比较好的成果呢，这需要软件算法，他们做了很多这样的研究，最后得到什么结果呢?类似于我们说用它的算法，类似于把海岸线抖一抖，把不要的东西都抖掉，变的很平滑。
再有一点是成果优化，这是对于图的利用分类效果，左边右面是效果比较。这是它的建筑物边界优化的情况，绿色是最终得到的矢量边界。目前为止新版本已经做了很多让大家接受的东西，更加人性化了。
eCognition8我们这次搞个优惠推广活动，大家看这个图，版本8功能不断增强，价格要优惠推广，能力大幅度提升，价格大幅度优惠，如果各位感兴趣的话，联系我们销售代表就可以。
我的广告做完了，下面说另外一个事情。不知道大家是否记得我开始说的三个特点，前面两个特点都是它本生的特点，最后一个说要靠规则集，要靠人，或者要靠自己。剩下的核心问题是我们自己怎么解决问题，我刚才把软件广告做完了，下面说说我们自己干什么，我们要做的事情是建立一套规则集，这套规则集是能合理解决问题的规则集，建规则集依靠什么呢?我们总结了12字方针，叫“靠专家、靠资源、靠技术、靠自己”。什么意思呢?我们必须利用多种资源，利用一切可以利用的资源，应用你的专业知识和技术以及专家的经验，专家经验也要非常丰富的，这些综合起来由我们自己建立一套规则集，这非常重要，这才是这个软件的法宝所在。我们为什么用不好呢?是我们自己的问题。
我用个非常形象的例子给大家讲解一下，这个例子也比较有趣，也非常典型。美国罗格西德马丁公司得机器人项目，有个路径可通过性自动识别，大家知道这个公司是全球最大的军火商，这个机器人是战斗机器人。它的项目目标是快速创建任务区，可通过性数据库，并且植入机器人内部，指导机器人自动巡航，如果机器人多一个区域里，哪能走，哪不能走要试先知道，不像我们人，遇到前面有沼泽地我绕一下就可以了，但是机器人不知道，我们怎么事先给它一定的规则集呢?首先利用高分辨率影像做一个信息提取和分类，这个分类的目的是我把地物类别分析出来，然后获取我需要的信息，这里获取的是道路中间线分析。我说的例子是完全利用eCognition自动处理的，因为机器人不需要成果多美观，是要准确性。我们用高分辨率获取当地道路中间线信息。工作流程是用eCognition进行全自动识别，获取道路中间线信息，第二步获取当地坡度信息，获取坡度信息是什么意思呢?我这机器人即使有条路，通过性非常好，但是超过了我的爬坡能力，我只能爬30度，不能爬40度，必须要知道坡度信息，我们就获取当地坡度信息。另外获取当地图质条件，因为有沙图，有湿地，有坚硬的非渗透区，有些地区机器人过不了，我们人可以过沙子，但是有些轮子的东西不一定过得去。比如说沼泽地，真想想办法就可以过去了，而机器人过不去，我们必须知道土壤的条件，土质分类情况。另外最重要是通过气象卫星获取当地的气象条件。如果是硬质土路面，没有下雨可以过，但是一下雨变成泥地，结果陷进去回不来了。所以我们必须提前通过气象卫星植入天气条件。
到此大家看一下我们所利用的信息，已经超出了遥感范围，但还是图的范围，还是信息的范围，比如高分辨率卫星影像，地面高成模型，我们土壤地质条件，我们气象条件，这几项综合起来建立一个是否能通过的规则库，这是一个判别规则，这个判别规则综合起来给了eCognition软件，然后自动给你出来一个今天我放出去机器人走哪条路就出来了，这条路就是今天可以通过的路径。
回顾一下这个例子，这个例子的关键是PPT正下方的通行与否的规则，这个规则怎么建立呢?是气象专家、土质条件专家、测绘专家、遥感专家加一块给你出的主意。这个例子希望对大家的理解有所帮助。
我们转过头来讲Worldview高分辨率卫星与影像分析技术。这可以达到互相补充和优势户部的目的，尤其是Worldview2八个波段，可以让eCognition规则创建又多了很多参考资源，刚才说靠专家、靠资源，资源多了就大大增加影像分析的效果，深化了影像分析应用的前景。今天上午我给大家翻译的一个小时，全部说的是影像分析应用的前景。
在这里说一个略微知识性的东西，通常来说高分辨率影像包含五个相对独立的特征成分，分别是城市建成区、植被、阴影、水体、裸地，假设没有其他参考信息，高分辨率影像所能识别的，仅有高分辨率影像，所能区分的就是五大类信息，右面图是快鸟影像，Worldview2在提取能力对这五种区分上能力更加强。
这是自动分类的实验，这个实验上午有两个演讲中都提到了，当使用八波段的时候，我们用了更多的光谱信息，使自动分类提取的精度提高了15%左右。
这两张图片是对于水体的提取，大家看到明显不同的是，利用八波段提取的水体噪声减少了很多，准确度高了非常多，因为有八个波段，左边有很多白点，白点都是噪声，有可能被误分析为水体阴影，但是用八个波段很容易区分开，所以分析精度大幅度提高。[page]
这是八个波段新增的四个波段，有蓝边、黄波段、红边和近红外二号，蓝边波段拓展了，敝蓝波段更短范围，海岸线水体研究很有用，黄波段实际是把光谱信息还原程度大幅提高了，因为黄埔连续性就高了，中间没有间隔了。红边对于植被生长状况研究非常有用，还有近红外二号。
这是另外一个情况，上一张PPT讲了高分辨率卫星影像信息提取的主要区分五大地类，建成区、植被、裸地、水体、阴影，这五大类波谷反射特性放在这里了，为什么呢?就是告诉大家，如果大家对波谷反射特性非常了解，可以从这图中理解到，为什么八个波段会更加能够区分这些类别。
后面讲一下卫星和自动化识别技术，就是一个资源一个技术加起来的应用前景。目前讲的是卫星技术，讲的是我们如何用，还有一些专家意见。第一是在地质方面的应用，地质应用主要用到近红外二号、黄波段、红边波段这几个波段的结合，可以区分特定矿产。这是地质学方面的一个表，这个表比较专业，我们简单的讲一下。上面蓝色部分是Worldview2卫星可以涵盖的部分，比如说可以突出断层、采矿主向道，可以发现铁氧化物，可以非常容易识别他们，赤铁矿、赤铜矿。这是Worldview暂时无法解决或者解决有限，还没有相应的波段可以解决灰色部分的地质应用，但是毕竟开创了一个高分辨率卫星影像在地质行业中的应用。以前可见光在地质行业应用还显得没有什么可能，但是目前来说，可行性变得越来越高。
这是潜在的地质应用，红边波段和黄波段在地矿方面的价值，这也是波谷反射特性，是上述六种矿物的波谷反射特性，在黄波段与红边上反射都很强，反射强就好区分一些，对特定矿产矿石有比较高的识别能力。
这是国外做的一个实验，这是自然彩色的三波段影像，利用传统的近红外波段叠加自然彩色后当地铜矿的情况。如果叠加近红外二号、黄波段、蓝边波段之后，色彩信息更加丰富，通过对于色彩信息的波谷反射特性研究，在紫色范围是潜在的赤铜矿矿址，这是国外的Worldview2应用研究。
Worldview2和近红外二号波段，这是美国的一张经验表，这是美国航空航天局推荐对于第物目标提取所推荐的波段，七波段是最常用，最常用的七波段和Worldview2波谷范围近似，所以可以证明一点，Worldview2在右面表里的相关应用都有效的。|
下面说一下土地利用分类，我们做了一些实验，但是这些实验没有真正的付诸到大型项目中，比如对于变化信息提取，上午也提到了，对于变化信息提取无非是新影像对旧影像的提取，或者新影像对其他资料进行提取，找到变化。
这是仅用波段组合来发现变化的例子，最简单的做法是什么?就是把前十项全色影响和后十项全色影像叠加后放在多通道影像通道当中去，形成一个彩色影像，这个伪彩色影像上面的彩色异常是变化存在的地方，这是非常简单的识别方案。彩色影像怎么做呢?也好做，大家如果用到eCognition就知道，eCognition里面是六通道合成影像，我们把三波段前十项后十项彩色都放进去，形成六波段影像，凡是色彩异常的地方就分析一下为什么异常，异常就是存在变化。
如何进行量化提取呢，量化提取对于自动化来说应用的技术，第一是面向对象的信息提取技术，另外我们还有一些实际的案例，比如主成分分类，进行目标制图，最后输出成地理信息格式，最后找到了变化的区域。当然这个区域对于我们应用，是不是拿来就能用，实际是离我们最后应用成果还比较远，这只是找到变化的区域，我们在变化区域上再加点其他的标准和规则，比如人为的规则，什么样的要提，什么样的不提，什么样的作为变化，什么样的不作为变化，这不是掌握在遥感影像上的，而是掌握在专家手里或者定规则人的手里。这些要加在一起才能形成我们要的成果。
基于矢量的变化信息提取，这简单讲一下，如果基于当前的土地利用变化图，然后用于新影像找变化的时候，如果同时又前十项，我们与基于影像差不多，用主成分法提取，或者拿土地利用变化图对影像进行分割，分割后再进行对照，如果没有前十项影像，只有一个影像和矢量，要把它分类分出来，我们先用土地利用变化图把影像分割，分割成不同影像块，每个影像块就是矢量的范围，然后利用统计学的方法把矢量数据库里相应的信息和识别分类后的信息进行区域统计，区域统计后找到它的变化。
这是统计学的做区块统计，这是个结果，刚才讲的是在我们土地利用分类和信息提取种做的尝试，尝试了最终没有付诸大项目的应用，主要是因为大型项目涉及到的规则太多了，我们没有办法收集这些规则把它一一输到软件里。另外大项目的规则随时变化的，我们很难把控大规模自动化生产，这只是个研究，到目前还没有用于大项目。
下面讲的是植被种类的识别，讲到面向对象分类技术和高分辨率影像，一个技术一个资源怎么用。在植物种类识别方面，最难识别的是野生植被，最好分辨是人为植被。野生植被物种复杂，而且穿插生长，很难有规律。提取野生植被有什么意义呢?在国外目前已经发展到生物燃料方面，野生植被有很多有经济利用价值，比如可以做生物燃料的材料，有潜在的经济价值，所以要研究野生植被。
我们看看利用新增的波段与面向分类技术，怎么对植被进行精确区分。第一步仍然是开篇提到的，需要一个好的规则集，先不要拿软件来做事，也不要先分类，我们先找几个专家探讨探讨，探讨什么呢?就是让专家给我们一些建议，这些是专家给我们的建议，我们在一块学习一下。创建规则提取信息的关键是什么?第一是植被的各种问题通常会按非常明显反映到叶片颜色上，比如叶片颜色变了就证明植被健康状况不一样了。第二说了叶黄病，是叶绿素减少，同时叶黄素、叶红素是红萝卜素增加了，这些是搞生物的知道，我们搞遥感的不知道。另外遥感专家和生物专家坐在一起，聊了一会而得到了什么?第一红边波段对于分类有什么贡献，处于可见光区域边缘的过度地段，在此区域内植被色素吸收几乎全部的能，反射很少，但是红色素反射非常大，对于波谷反射特性来说，从非常小的突然突变为非常大的值，这个区域是突变的区域，此边缘地带存在边缘反射区带，这是红边。随着植被的各种变化，边缘界限会改变，对于我们做一个规则集提供了又一条专家知识，这背后蕴含了更多的知识，我们要知道什么是叶绿素含量，生物活性、含水量，都怎么获取，还有个健康指数怎么获取。季节性变化，我们要知道长期的季节性气候资料，这些都需要。健康的制备叶绿素含量低，红边突变会朝着波长较长移动，如果植物生病，叶面指数较低，会向波长较短移动。这也是遥感专家和生物学专家坐一块给我们的规则。[page]
综合上述规则，我们得到了一套差不多可以解决问题的规则，然后我们来看看到底怎么解决。这是刚才那一篇字体现在屏幕上所反映的东西，这里是不同的树种、植被波谷反射特性，中间蓝框是突变区域，突变区域就是红边波段区域，红边波段在不同波长上突变的情况不太一样，每一种植被物种反射波谷特性也不一样，所以利用波谷反射特性表和加上前面的专家知识，足够我们自己建一套规则了，这个规则就得靠自己，当然靠专家给我们建议了。这是国外做生物燃料案例。
这是利用黄边波段识别植被健康状况的波谷反射状况的结果，总体来说有三条实线，健康植被、生病植被、死亡植被，在黄边波段、红边波段下三种植被状态都有明显的区分，这是我们建立规则又一依据。
下面讲讲其他的应用，比如农作物识别和土产，这也是面向对象的分析分类，最后得出结果。农业应用就不多改了，给大家读一下就可以了。比如国外做的湿地人为破坏的监测，城市绿地监测，国外的葡萄种植园保险金投保评估，多说一句，在国外摇憾被广泛的应用在保险行业，就是保险公司采购影像非常多，为什么?保险公司给一个地方投保，要先知道毁坏情况到底怎么样，比如葡萄园投保，要看生长情况怎么样，比如葡萄园灌溉情况，草莓生长状况，果树施肥效果，这都是农业中用到的资源技术。
另外一个应用是植株树冠统计，这有什么目的呢?两个目的，第一是判断树的长势情况，比如提取每一个点，每个树冠独立点，点面积越大长势越好，另外一点，统计树的数量，因为独立点的数量非常容易了解，知道知道森林有多少棵树，有阔叶林多少棵，针叶林多少棵，可以非常量化的分析识别出来的，这是更进一步的应用。
还有一个是海床识别和底栖生物识别应用，用多波段和信息提取技术，怎么样对水生植被进行提取的案例，用蓝绿红波段进行组合后，效果不太好，对于水藻、海藻没有太多反映，整个水体区分的不太好，我们在应用红绿、近红外波段组合，因为近红外的加入，我们对什么水藻等反馈非常明显，因为是植被。但是也没有对底栖生物有反馈，底栖生物包括浅水珊瑚、浮游生物等，我们把红边、近红外、黄色波段又加进去后。在水体区域内，水的颜色层次变化非常大，有深有浅，有浅蓝有深蓝，甚至有灰色的，这些区域对于判别底栖生物非常有用，比如小贝壳在哪里生长，哪里有哪里没有，哪里长珊瑚，哪里没有长。我们的资源越丰富，我们波段越多，我们能够获取的信息越多。怎么获取信息?总结一下，我们要的是信息，我们要靠的是12字方针，就是让专家给我们解决方案，让资源给我们提供更多的参考信息，用面向对象得分类技术给我们更高明的手段，我们自己还要动脑筋把它组合起来找到真正的信息结果。
我就讲到这里，谢谢大家!
{{item.content}}