GIS与图像处理：全球灯光分析与计算机视觉应用

本资源主要介绍了GIS（地理信息系统）结合图像处理与计算机视觉技术的应用实例，特别是全球夜间灯光数据集在分析人类居住区分布上的作用。通过引用《机器视觉》、《数字图像处理》等经典著作，概述了图像处理与计算机视觉的基础知识，包括所需的数学基础如线性代数和概率统计，以及计算机科学中的软件编程和电子学中的信号处理。 视觉作为人类信息传递的主要手段，其重要性不言而喻，占据超过60%的信息获取份额。人机交互中，尽管计算机接收信息的方式相对单一（键盘、鼠标），但图像处理和计算机视觉技术的发展使得机器能理解图像，实现了计算机的"视觉"功能。这些技术主要应用于两个关键领域：一是对图像信息的优化，二是促进机器对图像内容的自动理解和识别。 图像处理与计算机视觉的主要区别在于处理层次。图像处理涵盖了低级处理，如图像的增强和转换，以及部分中级处理，如图像分割和目标描述，输出通常是特征数据。而计算机视觉则进一步发展，涉及高级处理，如目标识别、关系理解，甚至生成抽象的数据，它强调的是对图像背后的深层理解和解释。 举例中提到的Lenna图像被用于展示光学图像，而IKONOS卫星图像展示了遥感技术的应用，即使是高分辨率的图像也需经过数字化处理，将其转化为离散的像素。数字图像处理不仅局限于这些技术，还涵盖了更广泛的图像分析和理解领域。 此外，课程中还区分了"Image"（通常指拍摄得到的视觉图像）、"Picture"（手工描绘的图像）和"Drawings"（工程图纸）的概念，明确了图像处理中的术语定义。通过对比图像处理和计算机视觉，我们看到了这两个领域如何共同推动信息技术的进步，以及它们在GIS中的实际应用场景，如城市规划、环境监测等。