多光谱图像
图像理解是在数字图像处理、计算机技术和人工智能不断发展的基础上产生的一种模拟人的图像识别机理的理论，它与计算机视觉理论有许多共同的部分，或者说有许多交叉的部分，它与人工智能、专家系统也有着一些共同的地方。
图像理解主要包括三个层次，其低层为一般图像处理；中层为图像中特征的符号化组织过程；高层为抽象的符号推理。
因此，计算机视觉主要与其低层，人工智能主要与其高层产生重叠。
目前，就图像理解这一理论的研究探讨有了专门的期刊；有关大学设置了专门的课程；有关专家学者写了专著。
比如国防科技大学的王润生教授就系统地介绍和总结了图像理解的基本理论、方法和国内外研究现状等〔1〕。
这一方面的基础理论和方法引起了有关学者和科研人员的注意和浓厚兴趣，他们结合自己的工作领域，进行了更深入的研究。
应当说，有关的理论和方法已经被极大地丰富了。
比如，有关图像纹理分析这方面的论文、论著数不胜数，其中，有关新理论新方法(如分形分维方法)的应用，更为这一理论注入了新内容；再如，我国数字摄影测量界已经将“双目”图像的分析理论和方法推向了具有世界先进水平的境界。
尽管如此，图像理解的理论与方法仍有严重不足之处。
这并不是指这一理论尚未成熟，而是指它的理论与方法还存在着片面性，还没有成为一个完整的体系。
因为图像理解的对象是各类图像，并没有限定是某一类图像，那么，现在的问题就是遥感图像理解(主要是多光谱图像理解)的理论十分贫乏。
以人类生存环境及地球资源为主要研究目标获取的各种遥感图像已经得到越来越广泛的应用，丰富的光谱信息及其在时间空间域的分辨率的提高，配合着地理信息系统技术，全球定位系统技术和因特网技术的发展和普及，为图像信息的广泛应用创造了空前繁荣的局面，成为信息时代的显著特征，在信息高速公路和数字地球战略中占据着极其重要的地位。
然而，现有的图像理解理论和方法在如此丰富的信息面前却显得苍白无力。
应当说，面对丰富的遥感信息，人们一直在研究如何处理和应用，有关这方面的理论和方法的研究成果也是不少的，但似乎并没有从图像理解的角度加以总结、提练，有的方面甚至缺乏系统的研究。
如对于多光谱图像边缘提取、区域分割等应以什么理论为基础，应采取什么方法；在纹理分析方面，多光谱图像的纹理具有怎样的意义，或者多光谱图像的纹理概念是什么，需要采取什么方法进行分析；时序多光谱图像又应当采取什么分析方法；针对多光谱图像的符号化工作应当如何进行，在此基础上如何利用知识进行推断，如何在模拟人的思维模式方面更深入地开展研究，等等，这些都是应当考虑的问题。
这些问题在图像理解的理论与方法之中尚没有或很少有现成的答案。
应该承认，对上述一些问题已有一些研究，至少我们自己就已经在一些方面作了初步的研究，但这些研究还不够，研究的成果还未加以总结。
在现实工作中，多光谱图像的分析具有非常重要的意义。
丰富的光谱信息为地物的边界和地物目标的识别创造了良好的条件，比起单色图像，多光谱图像具有极大的优越性。
随着多光谱图像空间分辨率的提高和地理信息系统技术的发展，人们的信心更加增强，对多光谱图像处理的要求也越来越高。
比如，在地形图更新生产中，如果以多光谱图像为背景，就可以半自动地确定地物分布的边缘或跟踪线状地物的“骨架线”，从而大大减轻人工劳动强度，提高效率；又如，利用多光谱图像和各种背景数据如地貌、土壤信息，即将遥感与地理信息系统结合，引入人工智能方法，就象已有的图像理解系统那样，更好、更准确地提取地物目标信息，为土地利用分析、资源环境调查，提供更高质量的成果，已经是许
多领域部门遥感工作者的重要课题；再如，多时域多光谱图像不仅为地物目标分析，而且为环境变迁分析提供了极其宝贵的数据。
所有这些都表明，多光谱图像分析是一个亟待进一步开发的领域，是一个大有可为的领域。
近年来，国外有关科研人员对多光谱图像的研究十分活跃和深入，特别是随着成像光谱仪影像处理方法的进步，人们对如何充分利用光谱信息进行了大量研究，其中包括特征提取、图像分割、分类，多时期的变化监测分析等，并且取得了许多有价值的成果。
比如文献〔4〕提出了基于光谱曲线“形状”的地物分析方法，该方法将多光谱图像数据转化为光谱数据代码，以代码向量匹配推断目标类型，既减少了分析过程中的数据量，又大大提高了分析的准确性，不能不说是一种具有创造性思维的方法；又如文献〔5〕以具有少数地物类型分布为前提，考虑混合光谱的问题，采用LMM(线性混合模型)方法，并结合RX算法的可行性和有效性，却是十分巧妙的。
在我们国家5年前完成的遥感图像理解系统软件的研究中〔2〕，针对多光谱图像的分析，提出了综合光谱信息和其它来自于地理信息系统的背景数据，在图像分割的基础上，以图斑为单元，建立以特征表为表达方式的事实库文件，并以同样表达方式表示所获取的知识库文件，通过模糊推理方式完成图像分析的方法，是多光谱图像理解系统的一种雏型。
近年来，针对多光谱图像理解理论与方法中的不足，我们逐步开展了一些工作，在文献〔3〕中，我们提出了多光谱纹理的概念，将单色图像纹理的概念引伸到多光谱，提出可采用诸如分形分维方法进行多光谱纹理分析的建议，以期引起同行们的关注和重视，并在深入研究中取得更多的理论与方法上的成果。
我们也将在这些工作的基础上深入开展研究工作，因为这些工作不仅具有理论意义，而且具有实际价值。
图像理解的理论是在不断发展之中的，当专家学者们总结出它的理论体系时也已声明，这些理论还在发展之中。
事实上也是如此，因为，就其宗旨而言，模拟人的图像识别机理不是一件容易事，因此尚需作大量工作，以推动这方面理论与方法研究的发展，为丰富图像理解的理论和方法作出贡献。