随着遥感技术在国民经济、政治、军事等方面的广泛应用,关于遥感图像的信息自动提取分类越来越受到人们的关注,其中的一个关键问题就是能够对各种目标进行自动准确识别.但是,从目前的整体研究状况来看,该领域还处在不成熟的发展阶段.产生这种状况的原因大致有两点:一是遥感图像目标识别是一门交叉学科,其采用的主要技术均来自于图像处理、机器视觉等学科领域,因而受上述领域整体发展水平的制约--例如,迄今还不具备通用稳健的目标分割提取方法;二是由于遥感图像成像距离远,覆盖面广,带来的直接结果是图像质量较差--和一般图像相比,以及信息量大,处理时间长.国外关于这方面的研究早在上世纪70年代末就已开始,而中国研究机制的真正启动则是90年代中叶的事.目前,各种高性能硬件产品的相继出现,使得我们在信息源的获取和处理能力大大增强,相应的,对于遥感图像中目标的分析也逐渐由定性转向定量.我们的工作就是在这种背景下展开的.该论文针对可将光遥感图像中人工建筑物目标的特点,构建了一个完整的自下向上的目标识别体系.整个体系流程主要分为三个部分:在底层处理中,运用Canny算子检测边缘,然后从中提取图像特征--基本线段(ELS,Elementary Line Segment);中间层处理运用感知组织(Perceptual Organization)的基本规则--邻近性、共线性、闭合性、连续性、对称性等,将底层提取的基本特征进行组合,生成规则的几何图形,并产生目标假设送交高层处理;高层处理根据已有知识,即目标特征(包括形状、灰度、纹理、功能、尺寸、子结构、阴影、场景上下文等),对已生成假设进行验证,以决定是否接受假设.另外,在文章末尾,我们还探讨了知识在视觉识别系统中的运用,其中包括各种知识形式的介绍(其间穿插了我们的一些想法)以及将知识运用在识别系统中应注意的事项.该文的主要工作有:(1)在不降低性能的前提下简化了Canny算子;(2)从不同角度,提出了两种有效的基本线段提取算法;(3)深入的研究了感知组织在线段合并及目标假设生成中的作用.最后的实验结果表明,该识别体系是有效的,其中的一些思想和方法对于机器视觉中的其它领域来说也具有一定的推广性.