随着商用一米以下分辨率的光学卫星图像的出现(Quickbird，Ikonos)，大规模、经常性的地图更新和监测是可负担和实际可行的。在图像处理和计算机视觉领域，人们研究如何从遥感数据进行自动目标识别和变化检测已有三十多年了，取得了很多针对农村和城市的有价值的结果。密集的城市地区的高分辨率图像更难分析，因为阴影的出现、建筑物的遮挡和过多的细节增加了分析的难度。　　 该博士生工作当中，我们提出基于一幅高分辨率Quickbird图像与含有场景高程信息的数字表面模型(Digital Surface Model，DSM)融合的城市建筑物地图的更新。我们将解决去除地图与影像数据间差异导致的外源性不一致(地图—图像问的不精确匹配，地图上简化或者错误的目标物导致的)的问题，从而达到最终可靠的变化检测。为了达到这个目的，我们利用活动轮廓分割技术来精确地匹配与遥感图像上建筑物对应的符号化的地图目标物。在有了间接信息源(DSM)和地图的形状先验知识后，我们将检验这些可变形模型对于城市噪声(阴影、传感器噪声等等)处理能力如何。　　 该论文的第一部分介绍文献的回顾和问题现状的分析；下面章节主要成果和贡献可以总结如下：　　 1.摄像机标定、参数优化　　 我们提出了一个优化方案来准确地计算拍摄遥感图像的摄像机的内、外参数。这个方法由后验概率估计参数，并利用n个立体像对的冗余。由地面控制点和所有图像上的对应点，我们通过单纯形法(Simplex algorithm)优化一个由摄像机模型构造的非线性代价函数。试验结果显示了方法提高参数的绝对(地理编码)与相对(图像一致性)精确度的有效性。成对计算的DSM也和其它数据一样在相同的地图参考系统下进行地理编码、直射校正和镶嵌。　　 2.数字地图的形状约束活动轮廓校正　　 (a)为了匹配地图中符号化的建筑物和它们在卫星图像中的对应表示，我们提出了一个基于活动轮廓的新颖方法。外部几何形状先验知识可以从数字地图中获得，从而约束活动轮廓：约束它的形状，使得地图中的建筑物形状与卫星图像中的对应目标物匹配是相似的。我们实验表明了这个方法克服城市噪声的有效性。相关的研究都是基于区域(Mumford-Shah，Bayesian models)和边缘(Gradient Vector Flow)的活动轮廓方法。　　 (b)提出的形状惩罚对于全局平移是不变的。不变性一般部是通过基于悌度下降的优化子过程实现的。我们提出了一个基于单纯形算法(Simplex algorithm)的可选的方案，它更鲁棒而且性能比梯度下降更好。　　 (c)由于活动轮廓法对它优化的能量函数的局部极小值很敏感，我们提出在函数中加入一个新的项，它与作为遥感图像补允的DSM相关。由于在DSM中建筑物与背景的区别比在卫星图像中明显得多，它使得分割曲线更加鲁棒向目标逼近。因此结果表明算法对于较远初始值和局部极小解敏感度降低。　　 (d)最后，我们加入了一个新的柔性形状先验知识项，以解决在没有外部的DSM数据支持的情况下局部极小问题。基于时空加权，此方法存活动轮廓收敛过程中允许松弛和增强先验形状惩罚。同加入传统的形状先验项的方法比较肯定了我们提出的方法减小对局部极小的敏感度的能力。　　 3.使用新形状能量函数的数字地图校正　　 由于地图是现实世界的抽象表示，它会体现简化和普遍化的效果，这将带来地图和遥感数据间外源性不一致。另外一幅地图通常是通过手工获取，可能存在局部的错误目标物。如果从这样一幅退化的地图中获得的先验知识还硬性地用其约束活动轮廓，那么就可能忽略这些不一致，从而导致不正确的匹配。我们存本论文中给出一个新的先验能量函数，它允许由先验形状和活动轮廓存在平行的差异。这个模型包括一个二次活动轮廓模型(Rochery等)的新的表达，以增强待分割卫星图像中建筑物的角与直线。　　 4.数据融合和Hough投票检测地图—图像变化　　 南DSM和多光谱图像计算得到的简单变化指示器融合到一起来检测地图和最近的遥感数据间的明显变化。如没有明显的变化，地图—图像外源性不一致随着活动轮廓匹配过程减少。然后我们提出一个基于边界的Hough投票方法来判定每一个匹配的建筑物“变化”或“未变化”：校正的地图建筑物分割段和原始获取的卫星图像分割段的一致性在Hough投票空间中进行评估和累加。Hough投票得分和活动轮廓导致的几何变化都整合到一个随机框架下，以评估每一个地图目标物“未变化”的概率。　　 实验结果都是基于2002和2003年的Quickbird卫星图像(0.6m/pixel)和北京市测绘设计研究院提供的1：10，000比例尺的地图数据(1996和2002年)的。