一种数字城市的继承式自动生成及实时更新方法转让专利
申请号 : CN200710123797.4
文献号 : CN101149843B
文献日 : 2010-07-28
发明人 : 朱定局 , 樊建平
申请人 : 深圳先进技术研究院
摘要 :
本发明公开了一种数字城市的继承式自动生成及实时更新方法，其应用于一通用计算机系统，利用已有的数字城市和知识库，并包括以下步骤：获取不同时间的遥感影像进行变化监测，生成一变化的影像图；在变化的影像图中进行物体识别，对识别出的物体与知识库中的三维模型进行匹配；将匹配返回的三维模型植入所述数字城市中的对应位置。本发明方法通过遥感技术，可以自动实现对数字城市的更新过程，其更新的数据以对比变化的为主，因此工作量降低，实现了实时的数字城市更新过程，能够为实际应用提供准确的参考。
权利要求 :
1.一种数字城市的继承式自动生成及实时更新方法，其应用于一通用计算机系统，利用已有的数字城市和知识库，并包括以下步骤：A、获取不同时间的遥感影像进行变化监测，生成一变化的影像图；
B、在变化的影像图中进行物体识别，对识别出的物体与知识库中的三维模型进行匹配；
C、将匹配返回的三维模型植入所述数字城市中的对应位置，实时生成后一时间的数字城市。
2.根据权利要求1所述的方法，其特征在于，所述步骤A还包括以下步骤：A1、找到不同时间的遥感影像中的同名点做为控制点自动提取，包括角点，拐点、道路交叉线的提取；
A2、基于仿射变换模型的几何配准方法，先寻找影像同名点，带入建立的仿射变换模型，通过多次计算得到最优仿射变换参数，按照最优配准参数对输入图像进行坐标变换，得到地理位置基本匹配的两时相图；
A3、在两时相图上做地物级别的比较，得到变化的影像图ΔP。
3.根据权利要求2所述的方法，其特征在于，所述步骤A2还包括在每次计算前剔除偏差最大的多个同名点。
4.根据权利要求1所述的方法，其特征在于，所述知识库的形成过程还设置一图像库，其包括步骤：D1、从遥感影像中提取各种类型的个体的有代表性的图像，并且将这些有代表性的图像进行分类，抽取其共性，形成第一级特征图像；
D2、在此级别中进行划分出子类，并在各子类的所有图像中分别抽取共性，给各子类分别赋予一个特征图像；
如此类推，直到其划分基本上代表了该个体有代表性的各种类型为止。
5.根据权利要求4所述的方法，其特征在于，设置一模型库的分类结构与所述图像库的分类结构一致，图像库中的一个图像与模型库中的一个模型相对应。
6.根据权利要求5所述的方法，其特征在于，所述模型库中的模型是使用建模的工具建起来的静态模型。
7.根据权利要求5所述的方法，其特征在于，所述模型库中的模型是使用参数描述的并在需要时实时渲染的三维模型。
8.根据权利要求5所述的方法，其特征在于，所述图像库与模型库之间的映射关系，包括以下步骤：D3、根据图像库对遥感影像中的物体进行抽取和识别；
D4、将抽取出来的物体与图像库中的相应类别的子类进行相似度比较，并检索出图像库中与该物体相似度最大的图像，并映射到模型库中相应的模型；
D5、通过知识库对遥感影像中的个体进行自动建模。
9.根据权利要求8所述的方法，其特征在于，所述步骤D5还包括：D51、根据图像库中的第一级特征图像对遥感影像进行扫描，得到每一个大类的物体的集合，判断该集合中的物体与该第一特征图像之间的相似度；
D52、从图像库中找出该集合中的物体所属的最准确的分类。
10.根据权利要求9所述的方法，其特征在于，所述步骤D52包括：D521、将该集合中的物体图像与其所属分类的下一级分类的特征图像比较，如果该集合中的物体图像与某一类的特征图像相似度最高，则判断该集合中的物体图像属于该类；
D522、将该集合中的物体图像与所述步骤D521中确定的所属类的下一级各特征图像进行分别匹配，并算出其相似度，找到相似度最大特征图像所属的类别，作为该物体图像所属的类别；
如此类推，直到其相似度达到预期要求。
说明书 :
技术领域
本发明涉及一种地理空间模拟技术，尤其涉及的是一种数字城市继承式自动生成及实时更新的方法。
背景技术
以下首先说明本发明所涉及的概念：
1、数字城市(Digital city)：一个能够实现城市综合管理与决策支持的、虚拟的、具有开放性的城市模型；
2、三维模型(3D model)：物体的三维多边形表示，通常用计算机或者其它视频设备进行显示。显示的物体是可以是现实世界的实体，也可以是虚构的东西，既可以小到原子，也可以大到很大的尺寸。任何物理自然界存在的东西都可以用三维模型表示。
3、纹理(Texture)：一个纹理实际上就是一个位图。从这个意义上来讲，当纹理一词被用于计算机图形学时，它就有了一个明确的定义。从语义学角度来讲，纹理一词既是指一个物体上颜色的模式，又是指物体表面是粗糙的还是光滑的。
4、知识库(Knowledge Base)：知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。知识库使基于知识的系统(或专家系统)具有智能性，并不是所有具有智能的程序都拥有知识库，只有基于知识的系统才拥有知识库。现在许多应用程序都利用知识，其中有的还达到了很高的水平，但是，这些应用程序可能并不是基于知识的系统，它们也不拥有知识库。一般的应用程序与基于知识的系统之间的区别在于：一般的应用程序是把问题求解的知识隐含地编码在程序中，而基于知识的系统则将应用领域的问题求解知识显式地表达，并单独地组成一个相对独立的程序实体。
知识库的特点如下：
1)知识库中的知识根据它们的应用领域特征、背景特征(获取时的背景信息)、使用特征、属性特征等而被构成便于利用的、有结构的组织形式。知识片一般是模块化的。
2)知识库的知识是有层次的。最低层是“事实知识”，中间层是用来控制“事实”的知识(通常用规则、过程等表示)；最高层次是“策略”，它以中间层知识为控制对象。策略也常常被认为是规则的规则。因此知识库的基本结构是层次结构，是由其知识本身的特性所确定的。在知识库中，知识片间通常都存在相互依赖关系。规则是最典型、最常用的一种知识片。
3)知识库中可有一种不只属于某一层次(或者说在任一层次都存在)的特殊形式的知识——可信度(或称信任度，置信测度等)。对某一问题，有关事实、规则和策略都可标以可信度。这样，就形成了增广知识库。在数据库中不存在不确定性度量。因为在数据库的处理中一切都属于“确定型”的。
4)知识库中还可存在一个通常被称作典型方法库的特殊部分。如果对于某些问题的解决途径是肯定和必然的，就可以把其作为一部分相当肯定的问题解决途径直接存储在典型方法库中。这种宏观的存储将构成知识库的另一部分。在使用这部分时，机器推理将只限于选用典型方法库中的某一层体部分。
另外，知识库也可以在分布式网络上实现。这样，就需要建造分布式知识库。建造分布式知识库的优越性有三点：
(1)可在较低价格下构造较大的知识库；
(2)不同层次或不同领域的知识库对应的问题求解任务相对来说比较单纯，因而可以构成较高效的系统；
(3)可适于地域辽阔的地理分布。
知识库的构造必须使得其中的知识在被使用的过程中能够有效地存取和搜索，库中的知识能方便地修改和编辑，同时，对库中知识的一致性和完备性能进行检验。
5、图像匹配(image matching)：是指把两个不同传感器从同一景物录取下来的两幅图像在空间上进行对准，以确定出这两幅图像之间相对平移的过程，它可广泛应用于目标跟踪、资源分析、医疗诊断等方面是现代信息处理领域中一项极为重要的技术。
6、图像相似度(image semblance)：是指一幅图像“旋入”另一幅图像的概率.同时给出了一个简洁的图像相似度算法。通过多次实验，这种图像相似度对于复杂模式的识别是有效和满意的，可用于图像的分类检索。相似度包括在形状、结构、统计、纹理、环境、高低大小等方面的相似程度。
7、数字城市图像库：由数字城市中所有物体的图像所构成的库为数字城市图像库，该库可以根据物体的类型分为建筑图像子库、道路图像子库、桥梁图像子库、植物图像子库、动物图像子库、水域图像子库、大气图像子库、地层图像子库。
8、数字城市模型库：由数字城市中所有物体的三维模型构成，并且它的分类与数字城市图像库相对应。模型中包含了物体三维上的所有特征信息，包括形状、颜色、纹理等等。
9、数字高程模型(DEM)，也称数字地形模型(DTM)，是一种对空间起伏变化的连续表示方法。由于DTM隐含有地形景观的意思，所以，常用DEM，以单纯表示高程。可以从网上下载30米精度的免费全球高程数据。
数字城市是综合运用GIS、遥感、遥测、宽带网络、多媒体及虚拟仿真等技术，对城市的基础设施、功能机制进行信息自动采集、动态监测管理和辅助决策服务的技术系统；它具有城市地理、资源、生态环境、人口、经济、社会等复杂系统的数字化、网络化、虚拟仿真、优化决策支持和可视化表现等强大功能。数字城市为城市持续发展提供了重要的支撑工具。
可视化是实现数字城市与人交互的窗口和工具，没有可视化技术，计算机中的一堆数字是无任何意义的，数字城市的一个显著特点是虚拟现实技术。在建立了数字城市以后，用户戴上显示头盔或者从计算机屏幕上或者从大屏幕投影上，就可以看见城市从地球中出现，使用鼠标或键盘放大数字图像；随着分辨率的不断提高，用户可以看见私人住房、商店、树木和其它天然和人造景观，当用户对商品感兴趣时，可以进入商店内，欣赏商场内的衣服，并可根据自己的体型，构造自己试穿衣服的虚拟场景。
虚拟现实技术为人类观察自然，欣赏景观，了解实体提供了身临其境的感觉。最近几年，虚拟现实技术发展很快，虚拟现实造型语言(VRML)是一种面向Web、面向对象的三维造型语言，而且它是一种解释性语言。它不仅支持数据和过程的三维表示，而且能使用户走进视听效果逼真的虚拟世界，从而实现数字地球的表示以及通过数字地球实现对各种地球现象的研究和人们的日常应用。实际上，人造虚拟现实技术在摄影测量中早已是成熟的技术，近几年的数字摄影测量的发展，已经能够在计算机上建立可供呈测的数字虚拟技术。当然，当前的技术是对同一实体拍摄照片，产生视差，构造立体模型，通常是当模型处理。进一步的发展是对整个地球进行无缝拼接，任意漫游和放大，由三维数据通过人造视差的方法，构造虚拟立体。
现有的构建数字城市的技术，如图1、图2、图3所示，是三种常用的构建数字城市的办法，与其它的方案相类似，只是建模和渲染的工具不同而已。上述方案的共同特征是：根据现场采集到的照片，进行手工三维建模，并手工标定各物体在城市场景中的位置，然后将各物体的三维模型手工加入到城市场景中的相应位置。
利用上述技术方案，一旦城市建模完毕后，数字城市就确定了，并不再改变，导致了如果几年后城市的面貌发生了很大的变化，以前的数字城市就不能反映实际的城市面貌，数字城市就需要完全重新制作，而实际上新版的数字城市和以前的数字城市在很多地方的工作是重复性的，但现有的技术无法利用该特性。
已有的数字城市都是利用手工建模技术形成的，如果已经设计了一个城市I在A时刻的数字城市Ia，后来又要设计城市I在B时刻的数字城市Ib，则城市I在B时刻的数字城市Ib会全新设计，而不会利用已经存在的城市I在A时刻的数字城市Ia。因为现有的技术无法判别不同时刻的城市之间没有变化之处和已有变化之处，也就是说现有技术在构建数字城市时所有的数字城市都从零开始重新研发，而不能利用已有的数字城市的研发成果，这是一种对已有数字城市研发成果的浪费，导致了很多重复性的研发工作，也导致数字城市的研发成本极高。
以深圳市为例说明，即使已经有一个3年前做的数字深圳，3年之间深圳发生了很大的变化，例如新增了一些建筑、改造了一些建筑、拆除了一些建筑等等，所以3年前做的数字深圳不能真实反映现在深圳的真实面貌，需要做一个能反映深圳现在面貌的数字深圳。根据现有的技术，由于无法准确知道 “新增了哪些建筑、改造了哪些建筑、拆除了哪些建筑”，等等深圳所发生的变化，所以利用现有技术仍然需要带着照相机对城市中的所有物体一一拍照、一一手工建模，再将建好的模型一一手工标定并安置到数字城市场景中的合适位置，工作量非常之大，其构建过程与构建3年前的数字深圳毫无差异。此过程需要耗费大量的人力(去采集照片、去手工建模、去手工标定并安置模型)，耗费大量的财力(需要很多照相机供采集照片用，需要很多计算机供手工建模、手工标定并安置模型用)，耗费大量的时间(建一个模型有时候就需要1天，一个城市中有成千上万的物体需要建模，例如深圳市数字城市以现有技术最少需要3年的时间才能完成)。
而目前城市的发展是日新月异，官员想身临其境地指挥应急、查处违章，居民想足不出户地旅游，等等，这些只有在数字城市中才能做到。但是如果做一个数字城市需要花很长的时间，如利用现有的技术，数字深圳需要3年时间，那人们在数字深圳中所见的一切都是3年前的，会给城市应急、违章监测等带来灾难性的后果。事实上，深圳的变化的确是日新月异，每一天城市的面貌都会发生改变，所以数字城市需要至少在一天之内更新完毕才会有实际意义，才能使得该数字城市真正能代表和反映真实的城市，才能使得该数字城市上的应用能够真正发挥作用，才能为城市应急、违章监测、交通指挥、数字生活提供实时的支持。而现有的技术由于没有充分利用已有的数字城市成果，更新需要重复性工作，无法做到实时更新和实用化。
因此，现有技术存在缺陷，而有待于改进和发展。
1、数字城市(Digital city)：一个能够实现城市综合管理与决策支持的、虚拟的、具有开放性的城市模型；
2、三维模型(3D model)：物体的三维多边形表示，通常用计算机或者其它视频设备进行显示。显示的物体是可以是现实世界的实体，也可以是虚构的东西，既可以小到原子，也可以大到很大的尺寸。任何物理自然界存在的东西都可以用三维模型表示。
3、纹理(Texture)：一个纹理实际上就是一个位图。从这个意义上来讲，当纹理一词被用于计算机图形学时，它就有了一个明确的定义。从语义学角度来讲，纹理一词既是指一个物体上颜色的模式，又是指物体表面是粗糙的还是光滑的。
4、知识库(Knowledge Base)：知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。知识库使基于知识的系统(或专家系统)具有智能性，并不是所有具有智能的程序都拥有知识库，只有基于知识的系统才拥有知识库。现在许多应用程序都利用知识，其中有的还达到了很高的水平，但是，这些应用程序可能并不是基于知识的系统，它们也不拥有知识库。一般的应用程序与基于知识的系统之间的区别在于：一般的应用程序是把问题求解的知识隐含地编码在程序中，而基于知识的系统则将应用领域的问题求解知识显式地表达，并单独地组成一个相对独立的程序实体。
知识库的特点如下：
1)知识库中的知识根据它们的应用领域特征、背景特征(获取时的背景信息)、使用特征、属性特征等而被构成便于利用的、有结构的组织形式。知识片一般是模块化的。
2)知识库的知识是有层次的。最低层是“事实知识”，中间层是用来控制“事实”的知识(通常用规则、过程等表示)；最高层次是“策略”，它以中间层知识为控制对象。策略也常常被认为是规则的规则。因此知识库的基本结构是层次结构，是由其知识本身的特性所确定的。在知识库中，知识片间通常都存在相互依赖关系。规则是最典型、最常用的一种知识片。
3)知识库中可有一种不只属于某一层次(或者说在任一层次都存在)的特殊形式的知识——可信度(或称信任度，置信测度等)。对某一问题，有关事实、规则和策略都可标以可信度。这样，就形成了增广知识库。在数据库中不存在不确定性度量。因为在数据库的处理中一切都属于“确定型”的。
4)知识库中还可存在一个通常被称作典型方法库的特殊部分。如果对于某些问题的解决途径是肯定和必然的，就可以把其作为一部分相当肯定的问题解决途径直接存储在典型方法库中。这种宏观的存储将构成知识库的另一部分。在使用这部分时，机器推理将只限于选用典型方法库中的某一层体部分。
另外，知识库也可以在分布式网络上实现。这样，就需要建造分布式知识库。建造分布式知识库的优越性有三点：
(1)可在较低价格下构造较大的知识库；
(2)不同层次或不同领域的知识库对应的问题求解任务相对来说比较单纯，因而可以构成较高效的系统；
(3)可适于地域辽阔的地理分布。
知识库的构造必须使得其中的知识在被使用的过程中能够有效地存取和搜索，库中的知识能方便地修改和编辑，同时，对库中知识的一致性和完备性能进行检验。
5、图像匹配(image matching)：是指把两个不同传感器从同一景物录取下来的两幅图像在空间上进行对准，以确定出这两幅图像之间相对平移的过程，它可广泛应用于目标跟踪、资源分析、医疗诊断等方面是现代信息处理领域中一项极为重要的技术。
6、图像相似度(image semblance)：是指一幅图像“旋入”另一幅图像的概率.同时给出了一个简洁的图像相似度算法。通过多次实验，这种图像相似度对于复杂模式的识别是有效和满意的，可用于图像的分类检索。相似度包括在形状、结构、统计、纹理、环境、高低大小等方面的相似程度。
7、数字城市图像库：由数字城市中所有物体的图像所构成的库为数字城市图像库，该库可以根据物体的类型分为建筑图像子库、道路图像子库、桥梁图像子库、植物图像子库、动物图像子库、水域图像子库、大气图像子库、地层图像子库。
8、数字城市模型库：由数字城市中所有物体的三维模型构成，并且它的分类与数字城市图像库相对应。模型中包含了物体三维上的所有特征信息，包括形状、颜色、纹理等等。
9、数字高程模型(DEM)，也称数字地形模型(DTM)，是一种对空间起伏变化的连续表示方法。由于DTM隐含有地形景观的意思，所以，常用DEM，以单纯表示高程。可以从网上下载30米精度的免费全球高程数据。
数字城市是综合运用GIS、遥感、遥测、宽带网络、多媒体及虚拟仿真等技术，对城市的基础设施、功能机制进行信息自动采集、动态监测管理和辅助决策服务的技术系统；它具有城市地理、资源、生态环境、人口、经济、社会等复杂系统的数字化、网络化、虚拟仿真、优化决策支持和可视化表现等强大功能。数字城市为城市持续发展提供了重要的支撑工具。
可视化是实现数字城市与人交互的窗口和工具，没有可视化技术，计算机中的一堆数字是无任何意义的，数字城市的一个显著特点是虚拟现实技术。在建立了数字城市以后，用户戴上显示头盔或者从计算机屏幕上或者从大屏幕投影上，就可以看见城市从地球中出现，使用鼠标或键盘放大数字图像；随着分辨率的不断提高，用户可以看见私人住房、商店、树木和其它天然和人造景观，当用户对商品感兴趣时，可以进入商店内，欣赏商场内的衣服，并可根据自己的体型，构造自己试穿衣服的虚拟场景。
虚拟现实技术为人类观察自然，欣赏景观，了解实体提供了身临其境的感觉。最近几年，虚拟现实技术发展很快，虚拟现实造型语言(VRML)是一种面向Web、面向对象的三维造型语言，而且它是一种解释性语言。它不仅支持数据和过程的三维表示，而且能使用户走进视听效果逼真的虚拟世界，从而实现数字地球的表示以及通过数字地球实现对各种地球现象的研究和人们的日常应用。实际上，人造虚拟现实技术在摄影测量中早已是成熟的技术，近几年的数字摄影测量的发展，已经能够在计算机上建立可供呈测的数字虚拟技术。当然，当前的技术是对同一实体拍摄照片，产生视差，构造立体模型，通常是当模型处理。进一步的发展是对整个地球进行无缝拼接，任意漫游和放大，由三维数据通过人造视差的方法，构造虚拟立体。
现有的构建数字城市的技术，如图1、图2、图3所示，是三种常用的构建数字城市的办法，与其它的方案相类似，只是建模和渲染的工具不同而已。上述方案的共同特征是：根据现场采集到的照片，进行手工三维建模，并手工标定各物体在城市场景中的位置，然后将各物体的三维模型手工加入到城市场景中的相应位置。
利用上述技术方案，一旦城市建模完毕后，数字城市就确定了，并不再改变，导致了如果几年后城市的面貌发生了很大的变化，以前的数字城市就不能反映实际的城市面貌，数字城市就需要完全重新制作，而实际上新版的数字城市和以前的数字城市在很多地方的工作是重复性的，但现有的技术无法利用该特性。
已有的数字城市都是利用手工建模技术形成的，如果已经设计了一个城市I在A时刻的数字城市Ia，后来又要设计城市I在B时刻的数字城市Ib，则城市I在B时刻的数字城市Ib会全新设计，而不会利用已经存在的城市I在A时刻的数字城市Ia。因为现有的技术无法判别不同时刻的城市之间没有变化之处和已有变化之处，也就是说现有技术在构建数字城市时所有的数字城市都从零开始重新研发，而不能利用已有的数字城市的研发成果，这是一种对已有数字城市研发成果的浪费，导致了很多重复性的研发工作，也导致数字城市的研发成本极高。
以深圳市为例说明，即使已经有一个3年前做的数字深圳，3年之间深圳发生了很大的变化，例如新增了一些建筑、改造了一些建筑、拆除了一些建筑等等，所以3年前做的数字深圳不能真实反映现在深圳的真实面貌，需要做一个能反映深圳现在面貌的数字深圳。根据现有的技术，由于无法准确知道 “新增了哪些建筑、改造了哪些建筑、拆除了哪些建筑”，等等深圳所发生的变化，所以利用现有技术仍然需要带着照相机对城市中的所有物体一一拍照、一一手工建模，再将建好的模型一一手工标定并安置到数字城市场景中的合适位置，工作量非常之大，其构建过程与构建3年前的数字深圳毫无差异。此过程需要耗费大量的人力(去采集照片、去手工建模、去手工标定并安置模型)，耗费大量的财力(需要很多照相机供采集照片用，需要很多计算机供手工建模、手工标定并安置模型用)，耗费大量的时间(建一个模型有时候就需要1天，一个城市中有成千上万的物体需要建模，例如深圳市数字城市以现有技术最少需要3年的时间才能完成)。
而目前城市的发展是日新月异，官员想身临其境地指挥应急、查处违章，居民想足不出户地旅游，等等，这些只有在数字城市中才能做到。但是如果做一个数字城市需要花很长的时间，如利用现有的技术，数字深圳需要3年时间，那人们在数字深圳中所见的一切都是3年前的，会给城市应急、违章监测等带来灾难性的后果。事实上，深圳的变化的确是日新月异，每一天城市的面貌都会发生改变，所以数字城市需要至少在一天之内更新完毕才会有实际意义，才能使得该数字城市真正能代表和反映真实的城市，才能使得该数字城市上的应用能够真正发挥作用，才能为城市应急、违章监测、交通指挥、数字生活提供实时的支持。而现有的技术由于没有充分利用已有的数字城市成果，更新需要重复性工作，无法做到实时更新和实用化。
因此，现有技术存在缺陷，而有待于改进和发展。
发明内容
本发明的目的在于提供一种数字城市的继承式自动生成及实时更新方法，改变现有数字城市的手工建模方式，以及一次性使用现状，利用继承式自动生成的过程实现数字城市的重用，避免数字城市资源的浪费；并通过数字城市以往成果的重用，缩短数字城市研发的周期，提高数字城市研发的效率。
本发明的技术方案包括：
一种数字城市的继承式自动生成及实时更新方法，其应用于一通用计算机系统，利用已有的数字城市和知识库，并包括以下步骤：
A、获取不同时间的遥感影像进行变化监测，生成一变化的影像图；
B、在变化的影像图中进行物体识别，对识别出的物体与知识库中的三维模型进行匹配；
C、将匹配返回的三维模型植入所述数字城市中的对应位置，实时生成后一时间的数字城市。
所述的方法，其中，所述步骤A还包括以下步骤：
A1、找到不同时间的遥感影像中的同名点做为控制点自动提取，包括角点，拐点、道路交叉线的提取；
A2、基于仿射变换模型的几何配准方法，先寻找影像同名点，带入建立的仿射变换模型，通过多次计算得到最优仿射变换参数，按照最优配准参数对输入图像进行坐标变换，得到地理位置基本匹配的两时相图；
A3、在两时相图上做地物级别的比较，得到变化的影像图ΔP。
所述的方法，其中，所述步骤A2还包括在每次计算前剔除偏差最大的多个同名点。
所述的方法，其中，所述知识库的形成过程还设置一图像库，其包括步骤：
D1、从遥感影像中提取各种类型的个体的有代表性的图像，并且将这些有代表性的图像进行分类，抽取其共性，形成第一级特征图像；
D2、在此级别中进行划分出子类，并在各子类的所有图像中分别抽取共性，给各子类分别赋予一个特征图像；
如此类推，直到其划分基本上代表了该个体有代表性的各种类型为止。
所述的方法，其中，设置一模型库的分类结构与所述图像库的分类结构一致，图像库中的一个图像与模型库中的一个模型相对应。
所述的方法，其中，所述模型库中的模型是使用建模的工具建起来的静态模型。
所述的方法，其中，所述模型库中的模型是使用参数描述的并在需要时实时渲染的三维模型。
所述的方法，其中，所述图像库与模型库之间的映射关系，包括以下步骤：
D3、根据图像库对遥感影像中的物体进行抽取和识别；
D4、将抽取出来的物体与图像库中的相应类别的子类进行相似度比较，并检索出图像库中与该物体相似度最大的图像，并映射到模型库中相应的模型；
D5、通过知识库对遥感影像中的个体进行自动建模。
所述的方法，其中，所述步骤D5还包括：
D51、根据图像库中的第一级特征图像对遥感影像进行扫描，得到每一个大类的物体的集合，判断该集合中的物体与该第一特征图像之间的相似度；
D52、从图像库中找出该集合中的物体所属的最准确的分类。
所述的方法，其中，所述步骤D52包括：
D521、将该集合中的物体图像与其所属分类的下一级分类的特征图像比较，如果该集合中的物体图像与某一类的特征图像相似度最高，则判断该集合中的物体图像属于该类；
D522、将该集合中的物体图像与所述步骤D521中确定的所属类的下一级各特征图像进行分别匹配，并算出其相似度，找到相似度最大特征图像所属的类别，作为该物体图像所属的类别；
如此类推，直到其相似度达到预期要求。
本发明所提供的一种数字城市的继承式自动生成及实时更新方法，通过遥感技术，可以自动实现对数字城市的更新过程，其更新的数据以对比变化的为主，因此工作量降低，实现了实时的数字城市更新过程，能够为实际应用提供准确的参考。
本发明的技术方案包括：
一种数字城市的继承式自动生成及实时更新方法，其应用于一通用计算机系统，利用已有的数字城市和知识库，并包括以下步骤：
A、获取不同时间的遥感影像进行变化监测，生成一变化的影像图；
B、在变化的影像图中进行物体识别，对识别出的物体与知识库中的三维模型进行匹配；
C、将匹配返回的三维模型植入所述数字城市中的对应位置，实时生成后一时间的数字城市。
所述的方法，其中，所述步骤A还包括以下步骤：
A1、找到不同时间的遥感影像中的同名点做为控制点自动提取，包括角点，拐点、道路交叉线的提取；
A2、基于仿射变换模型的几何配准方法，先寻找影像同名点，带入建立的仿射变换模型，通过多次计算得到最优仿射变换参数，按照最优配准参数对输入图像进行坐标变换，得到地理位置基本匹配的两时相图；
A3、在两时相图上做地物级别的比较，得到变化的影像图ΔP。
所述的方法，其中，所述步骤A2还包括在每次计算前剔除偏差最大的多个同名点。
所述的方法，其中，所述知识库的形成过程还设置一图像库，其包括步骤：
D1、从遥感影像中提取各种类型的个体的有代表性的图像，并且将这些有代表性的图像进行分类，抽取其共性，形成第一级特征图像；
D2、在此级别中进行划分出子类，并在各子类的所有图像中分别抽取共性，给各子类分别赋予一个特征图像；
如此类推，直到其划分基本上代表了该个体有代表性的各种类型为止。
所述的方法，其中，设置一模型库的分类结构与所述图像库的分类结构一致，图像库中的一个图像与模型库中的一个模型相对应。
所述的方法，其中，所述模型库中的模型是使用建模的工具建起来的静态模型。
所述的方法，其中，所述模型库中的模型是使用参数描述的并在需要时实时渲染的三维模型。
所述的方法，其中，所述图像库与模型库之间的映射关系，包括以下步骤：
D3、根据图像库对遥感影像中的物体进行抽取和识别；
D4、将抽取出来的物体与图像库中的相应类别的子类进行相似度比较，并检索出图像库中与该物体相似度最大的图像，并映射到模型库中相应的模型；
D5、通过知识库对遥感影像中的个体进行自动建模。
所述的方法，其中，所述步骤D5还包括：
D51、根据图像库中的第一级特征图像对遥感影像进行扫描，得到每一个大类的物体的集合，判断该集合中的物体与该第一特征图像之间的相似度；
D52、从图像库中找出该集合中的物体所属的最准确的分类。
所述的方法，其中，所述步骤D52包括：
D521、将该集合中的物体图像与其所属分类的下一级分类的特征图像比较，如果该集合中的物体图像与某一类的特征图像相似度最高，则判断该集合中的物体图像属于该类；
D522、将该集合中的物体图像与所述步骤D521中确定的所属类的下一级各特征图像进行分别匹配，并算出其相似度，找到相似度最大特征图像所属的类别，作为该物体图像所属的类别；
如此类推，直到其相似度达到预期要求。
本发明所提供的一种数字城市的继承式自动生成及实时更新方法，通过遥感技术，可以自动实现对数字城市的更新过程，其更新的数据以对比变化的为主，因此工作量降低，实现了实时的数字城市更新过程，能够为实际应用提供准确的参考。
附图说明
图1为现有技术的数字城市生成技术示意图；
图2为现有技术的另一种数字城市生成技术示意图；
图3为现有技术的再一种数字城市生成技术示意图；
图4a为本发明的数字城市的继承式自动生成及实时更新方法中的建库流程示意图；
图4b为本发明继承式数字城市自动生产方法的流程示意图；
图4c为本发明继承式数字城市实时更新的流程示意图；
图5为本发明方法的变化影像图的处理流程图；
图6a和图6b分别是本发明的遥感影像图；
图7是本发明方法的图像库的分类结构示意图；
图8为本发明方法的识别规则库的分类结构示意图；
图9为本发明方法的模型库分类结构示意图；
图10为本发明方法的图像库与模型库之间的映射示意图；
图11为本发明方法的处理流程原理示意图；
图12为本发明方法的具体处理流程示意图。
图2为现有技术的另一种数字城市生成技术示意图；
图3为现有技术的再一种数字城市生成技术示意图；
图4a为本发明的数字城市的继承式自动生成及实时更新方法中的建库流程示意图；
图4b为本发明继承式数字城市自动生产方法的流程示意图；
图4c为本发明继承式数字城市实时更新的流程示意图；
图5为本发明方法的变化影像图的处理流程图；
图6a和图6b分别是本发明的遥感影像图；
图7是本发明方法的图像库的分类结构示意图；
图8为本发明方法的识别规则库的分类结构示意图；
图9为本发明方法的模型库分类结构示意图；
图10为本发明方法的图像库与模型库之间的映射示意图；
图11为本发明方法的处理流程原理示意图；
图12为本发明方法的具体处理流程示意图。
具体实施方式
以下结合附图，将对本发明的各较佳实施例进行更为详细的说明。
本发明的数字城市的继承式自动生成及实时更新方法，以已有的数字城市为基础，在已有的数字城市的基础上，利用遥感影像的变化对已有的数字城市进行修正，从而达到数字城市自动生成与实时更新的目的。假设本发明获取不同时间T1、T2的遥感影像进行变化监测，生成一变化的影像图；其中T1早于T2。如果T1时间的数字城市C1已经存在，则利用该C1；如果在T2时间之前没有已经建成的数字城市，则可以利用前一个专利“一种数字城市全自动生成的方法”来生成T1时间的数字城市C1。
专利“一种数字城市全自动生成的方法”可以概述如下：其利用了遥感影像，具体在一通用计算机首先要完成数字城市的制作，如图4a所示，具体包括：通过阴影监测算法，监测出遥感影像上所有阴影的长度，关于阴影长度的计算是现有技术所公知的；将城市的遥感影像进行矢量化，从而获取不同城市物体的形状；并将物体的位置与阴影的位置进行匹配，从而获取物体的高度；关于矢量化的计算过程也是现有技术所公知的，因此，不再赘述；采集城市中各种建筑、车辆等的图像及其相应模型，放入知识库，分析遥感影像中的城市数据，将城市中的个体分类，例如车辆、楼房等，并从遥感影像中抽取个人的特征图像，自动加入图像库，根据个体特征图像，经过人眼的识别判断加上实地采集该个体的三维信息，然后建模并加入模型库；根据图像库中不同物体的图像的特性在遥感影像中识别不同的物体，从而获取不同城市物体的类型及其顶座形状；该过程中根据图像库中每一类物体的二级特征图像对遥感影像中的该类物体进行匹配，从而识别各物体属于哪一子类；如此类推，知道识别的效果达到了要求，从而获取影像中所有城市物体的具体类型；根据城市物体的不同类型、底座形状、顶座的形状、高度结合模型库，自动生成城市物体的三维模型；根据DEM和遥感影像获取数字城市的地貌及其地形的高低起伏；将这些上述城市物体的三维模型，根据它们二维坐标的位置镶到具有高程的遥感影像中，到这一步就已经自动生成了数字城市。
本发明的数字城市的继承式自动生成及实时更新方法，如图4b和图4c所示，是本发明方法的整体方案构思，在现有技术的数字城市产生方式上，通过遥感图像的判断其变化之处，并结合已有的城市知识库，进行修订的建模处理，并最终产生实时的数字城市。
具体的计算过程为：城市I在a时刻的数字城市Ia和城市I从a时刻到b时刻为止发生的变化为ΔIab，自动生成城市I在b时刻的数字城市Ib＝Ia+ΔIab，其中a时刻应早于b时刻。所以本发明方法利用已有的数字城市和城市发生的变化自动生成新的数字城市，充分利用了已有的数字城市资源，并把现实中城市的变化与数字城市结合起来，使得数字城市能和现实城市同步更新。
以深圳为例说明，如图11和图12所示，深圳市S在X1年即2000年做过一个数字深圳S2000。到了X2年即2006年，城市面貌也发生了很大的变化，所以需要再做一个数字深圳S2006。本发明技术方案就是拿2000年的深圳市遥感图像P(X1)＝P2000和2006年的深圳市遥感图像P(X2)＝P2006进行比较，找到变化的影像图ΔP＝P2006-P2000。然后根据该变化的部分ΔP，利用已有的城市知识库生成ΔS，于是就可以得到S(X2)＝S2006＝S2000+ΔS了。
本发明方法的方案中主要有两步：
第一步：拿2000年的城市S遥感图像P2000和2006年的城市S遥感图像P2006进行比较，找到变化的影像图部分ΔP＝P2006-P2000，该步骤中还包括以下过程：
第一阶段：找到两图同名点做为控制点自动提取，包括角点，拐点、道路交叉线等提取。在地物不同时，两图的控制点较难对应上，可能目标点个数差异较大。
第二阶段：计算几何配准仿射变换参数，根据同名点带入多项式，并剔除部分偏差太大的同名点。经过多次计算，得到最优参数，并根据此参数对图像做仿射变换，本阶段输出地物地理坐标基本对应的两时相图。
第三阶段：对两幅图上做地物级别的比较，得到变化的影像图ΔP。这一步是变化监测效果的关键，也是难点所在，因为拍摄角度不同，阴影投射位置不同，就可能造成伪目标点。往往出现的情况是，变化的用地产生变化的图像，但变化的图像未必是变化的用地，因此本发明不是单纯的两图象素级比较而是提升到地物级对比，识别地物，以地物为单位做比较，比如草地、建筑等。
第二步：根据遥感数据的变化的影像图部分ΔP，同时利用城市S的知识库.(该知识库在首次生成数字城市时已建立，并随时间推移可人工修订)生成变化的数字城市部分ΔS，于是本发明就可以得到城市S的目前数字城市S2006＝S2000+ΔS了。该步骤还包括具体的过程：
第一阶段：将第一步得到的遥感数据中变化的影像图部分ΔP中的物体M，与知识库中的三维模型进行匹配，进行个体识别。如果物体与某一个三维建筑模型的匹配程度判断，判断匹配符合要求，则返回该三维模型。
第二阶段：将第一阶段返回的三维模型植入物体M所在的位置(经纬度)，根据差异图ΔP，在先前的数字城市S(X1)上进行植入、拔除、修正等操作，合成X2年的数字城市。
下面更具体的说明本发明方法的处理过程。
第一步：监测城市的变化：先用不同年份的遥感影像进行变化监测生成一幅变化的影像图，然后在检测出的变化的区块上进行物体识别，对识别出的物体结合知识库，赋予其具体属性，例如，如果该物体是建筑，那么它的属性有高度、形状、纹理。
其处理流程如图5所示，遥感影像图1和遥感影像图2是不同年份的遥感图像，通过本发明的变化检测，即得到差异图，也即变化的影像图ΔP，然后进行识别其物体特征和位置等，并通过其知识库识别物体属性。实际的检测效果示例如图6a和图6b所示，即使有同源的卫星或航拍数据，其不同年份的拍摄时间可能不同，拍摄时的太阳高度角不同，天气不同等状况都会给变化检测带来误差，因此在变化监测之前要对图像进行配准和相应的处理。
对监测到的物体进行识别，需要利用规则库、图像库，识别规则库中的规则按照不同方面的匹配进行划分，如图8所示，如：形状相似度和差异的检测规则、结构相似度和差异的检测规则、统计相似度和差异的检测规则、颜色相似度和差异的检测规则、灰度相似度和差异的检测规则、纹理相似度和差异的检测规则、所处环境相似度和差异的检测规则等等。
图像库中的图像采样自遥感影像，其分类结构示意如图7所示，具体为：从遥感影像中提取各种类型的个体的有代表性的图像，并且将这些有代表性的图像进行分类，抽取共性，成为第一级特征图像，然后再在此级别进行划分出子类，并在子类的所有图像中抽取共性，给该子类赋予一个特征图像，如此类推，直到其划分基本上代表了该个体有代表性的各种类型为止。将监测出来的变化物体与图像库中的相应类别的子类进行相似度比较，并检索出图像库中与该物体相似度最大的图像，并映射到模型库中相应的模型。
通过知识库对遥感影像中的个体进行自动建模的过程如下：根据图像库中的第一级特征图像对遥感影像进行扫描，得到每一个大类的物体的集合。第一级分类有建筑的特征图像、桥梁的特征图像、广场的特征图像、花草树木的特征图像、水的特征图像等等。
判断该物体与这些特征图像之间的相似度。相似度包括：形状的相似度、结构的相似度、统计的相似度、颜色的相似度、灰度的相似度、纹理的相似度、所处环境的相似度等等。可见相似度有很多分量，本发明可以通过对个体的初始分析来决定采用哪些相似度，并在判断该个体与图像库中图像的相似度时给不同类型的相似度赋予不同的权值，然后在判别最终相似度时采用加权的方法。
本发明方法的识别规则库的分类结构如图8所示，在从遥感影像中监测出变化的物体影像之后，从图像库中找出该物体所属的最准确的分类(如：建筑/高建筑/写字楼)，其方法是：首先将该物体图像与其所属分类的下一级分类的特征图像比较，如果该个体图像与某一类(假设为X)的特征图像相似度最高，那么便可以判断该个体图像属于X类，再将该个体图像与X类的下一级各特征图像进行分别匹配，并算出其相似度，找到相似度最大特征图像所属的类别(假设为Y)，作为该物体图像所属的类别；然后可以继续与Y的下一级特征图像进行比较，如此类推，直到其相似度达到预期的要求，如本发明方法中可以根据需要规定：对于建筑来说相似度达到80％即可。那么其最终匹配并相似度最大的子类的特征图像将该个体图像的孪生图像，其实际绘制出的图像效果将与实际的物体影像非常相似。
第二步：将变化的部分重建到数字城市中，包括以下各阶段：
第一阶段：根据变化监测到的物体图像构建相应的物体模型，模型库的分类结构与图像库的分类结构基本一致，如图9所示，图像库中的一个图像基本上与模型库中的一个模型相对应，但模型库中的模型可以是使用建模的工具建起来的静态模型，也可以是使用参数描述的可以在需要时实时渲染的三维模型。动态模型比静态模型更容易修正，使用静态模型比使用动态模型更实时，但表达的真实性没有经过修正后的动态模型好。所以本发明方法可以在自动生成数字城市时先使用静态模型，再逐渐用修正后的动态模型替换掉先前的静态模型。
正因为模型库和图像库是对应的，只要在第一阶段利用图像库识别出物体的属性，将可以将其映射到模型库并构建出该物体的模型了，如图10所示。
第二阶段：自动将变化监测对应的物体模型放进被继承的数字城市中。将遥感影像中的物体模型重新植入被继承的数字城市中的过程如下：从遥感影像中监测出变化的物体时，本发明方法就已经在程序中记下了该物体的二维坐标(经纬度)，以及该物体的不同的边的方位。根据该物体图像在遥感影像中的坐标和方位，本发明方法就可以将其通过上一步自动生成的逼真模型以正确的朝向、角度、位置植入被继承的数字城市中。
放进的方式根据变化方式的不同分为三种，以建筑为例说明：如果通过对比遥感影像，发现某处多出一个建筑，那么该建筑将被新增进被继承的数字城市中；如果通过对比遥感影像，发现某处的建筑变成了广场或者该建筑变高了，那么该原建筑将从被继承的数字城市中去掉，并将广场或者变高了的建筑植入；如果通过对比遥感影像，发现某处少了一个建筑，那么该建筑将从被继承的数字城市中去掉。由此本发明的继承式数字城市即可完成实时的更新。
因此，在深圳的数字城市绘制过程中，如果2006年重新根据2006年的深圳市遥感图像P2006建模生成S2006，约需要3年的时间，耗资约3000万。而采用本发明方法根据深圳市遥感图像在2006年与2000年之间的变化继承式地生成S2006，只需要半小时的时间，所以完全可以实时完成数字城市的处理，只需要保证遥感图像的正确获得即可。并且继承式生成的数字城市S2006保持了数字城市S2000的精细性。
利用本发明方法可以为城市应急指挥系统服务，融合各种遥感数据自动实时地生成数字城市，以实时数字城市的布局、地形、道路等信息为基础，就可以结合气象观测数据(风温资料)模拟城市风场，动态模拟大气污染扩散等突发事件的发展趋势，实时动态逼真地显示给城市指挥者，提供决策支持。
利用本发明方法可以为城市违章建筑监测服务，融合各种遥感数据自动实时地生成数字城市，通过比较数字城市中的建筑与规划数据就可以将不同的违章建筑准确地找到并显示给城市规划管理者。
利用本发明方法还可以用于很多其他方面，例如居民可不出家门而享受虚拟商场、虚拟医院、虚拟戏院及虚拟旅游等方面的服务；城市应急救灾指挥人员不出指挥所就能看到最佳的救援路线和现场情况；警察不用出警察局就能马上定位到犯罪分子的所在位置，监视犯罪分子的一举一动，并能立即确定最佳的抓捕路线；规划部门不用实地考察，就能看见所有的用地和住房，从而做出最合理的决策；交通管理部门不用站在马路上就能看到所有道路的交通状况，从而做出最合理的调度。
本发明方法继承式数字城市生成方法可以应用于使用任何方案生成的数字城市，并且变化监测得到变化的物体影像也有其他方式可以替代，例如航拍；得到变化的物体图像后生成物体的三维模型也有其他的方式可以替代，例如数字城市中物体图像更动画形象化。上述具体的图像处理过程，包括对遥感图像的知识库应用是现有技术的图像自动处理技术中所公知，因此，不再赘述。
应当理解的是，上述针对本发明较佳实施例的描述较为详细，并不能因此而理解为对本发明专利保护范围的限制，本发明的专利保护范围应以所附权利要求为准。
本发明的数字城市的继承式自动生成及实时更新方法，以已有的数字城市为基础，在已有的数字城市的基础上，利用遥感影像的变化对已有的数字城市进行修正，从而达到数字城市自动生成与实时更新的目的。假设本发明获取不同时间T1、T2的遥感影像进行变化监测，生成一变化的影像图；其中T1早于T2。如果T1时间的数字城市C1已经存在，则利用该C1；如果在T2时间之前没有已经建成的数字城市，则可以利用前一个专利“一种数字城市全自动生成的方法”来生成T1时间的数字城市C1。
专利“一种数字城市全自动生成的方法”可以概述如下：其利用了遥感影像，具体在一通用计算机首先要完成数字城市的制作，如图4a所示，具体包括：通过阴影监测算法，监测出遥感影像上所有阴影的长度，关于阴影长度的计算是现有技术所公知的；将城市的遥感影像进行矢量化，从而获取不同城市物体的形状；并将物体的位置与阴影的位置进行匹配，从而获取物体的高度；关于矢量化的计算过程也是现有技术所公知的，因此，不再赘述；采集城市中各种建筑、车辆等的图像及其相应模型，放入知识库，分析遥感影像中的城市数据，将城市中的个体分类，例如车辆、楼房等，并从遥感影像中抽取个人的特征图像，自动加入图像库，根据个体特征图像，经过人眼的识别判断加上实地采集该个体的三维信息，然后建模并加入模型库；根据图像库中不同物体的图像的特性在遥感影像中识别不同的物体，从而获取不同城市物体的类型及其顶座形状；该过程中根据图像库中每一类物体的二级特征图像对遥感影像中的该类物体进行匹配，从而识别各物体属于哪一子类；如此类推，知道识别的效果达到了要求，从而获取影像中所有城市物体的具体类型；根据城市物体的不同类型、底座形状、顶座的形状、高度结合模型库，自动生成城市物体的三维模型；根据DEM和遥感影像获取数字城市的地貌及其地形的高低起伏；将这些上述城市物体的三维模型，根据它们二维坐标的位置镶到具有高程的遥感影像中，到这一步就已经自动生成了数字城市。
本发明的数字城市的继承式自动生成及实时更新方法，如图4b和图4c所示，是本发明方法的整体方案构思，在现有技术的数字城市产生方式上，通过遥感图像的判断其变化之处，并结合已有的城市知识库，进行修订的建模处理，并最终产生实时的数字城市。
具体的计算过程为：城市I在a时刻的数字城市Ia和城市I从a时刻到b时刻为止发生的变化为ΔIab，自动生成城市I在b时刻的数字城市Ib＝Ia+ΔIab，其中a时刻应早于b时刻。所以本发明方法利用已有的数字城市和城市发生的变化自动生成新的数字城市，充分利用了已有的数字城市资源，并把现实中城市的变化与数字城市结合起来，使得数字城市能和现实城市同步更新。
以深圳为例说明，如图11和图12所示，深圳市S在X1年即2000年做过一个数字深圳S2000。到了X2年即2006年，城市面貌也发生了很大的变化，所以需要再做一个数字深圳S2006。本发明技术方案就是拿2000年的深圳市遥感图像P(X1)＝P2000和2006年的深圳市遥感图像P(X2)＝P2006进行比较，找到变化的影像图ΔP＝P2006-P2000。然后根据该变化的部分ΔP，利用已有的城市知识库生成ΔS，于是就可以得到S(X2)＝S2006＝S2000+ΔS了。
本发明方法的方案中主要有两步：
第一步：拿2000年的城市S遥感图像P2000和2006年的城市S遥感图像P2006进行比较，找到变化的影像图部分ΔP＝P2006-P2000，该步骤中还包括以下过程：
第一阶段：找到两图同名点做为控制点自动提取，包括角点，拐点、道路交叉线等提取。在地物不同时，两图的控制点较难对应上，可能目标点个数差异较大。
第二阶段：计算几何配准仿射变换参数，根据同名点带入多项式，并剔除部分偏差太大的同名点。经过多次计算，得到最优参数，并根据此参数对图像做仿射变换，本阶段输出地物地理坐标基本对应的两时相图。
第三阶段：对两幅图上做地物级别的比较，得到变化的影像图ΔP。这一步是变化监测效果的关键，也是难点所在，因为拍摄角度不同，阴影投射位置不同，就可能造成伪目标点。往往出现的情况是，变化的用地产生变化的图像，但变化的图像未必是变化的用地，因此本发明不是单纯的两图象素级比较而是提升到地物级对比，识别地物，以地物为单位做比较，比如草地、建筑等。
第二步：根据遥感数据的变化的影像图部分ΔP，同时利用城市S的知识库.(该知识库在首次生成数字城市时已建立，并随时间推移可人工修订)生成变化的数字城市部分ΔS，于是本发明就可以得到城市S的目前数字城市S2006＝S2000+ΔS了。该步骤还包括具体的过程：
第一阶段：将第一步得到的遥感数据中变化的影像图部分ΔP中的物体M，与知识库中的三维模型进行匹配，进行个体识别。如果物体与某一个三维建筑模型的匹配程度判断，判断匹配符合要求，则返回该三维模型。
第二阶段：将第一阶段返回的三维模型植入物体M所在的位置(经纬度)，根据差异图ΔP，在先前的数字城市S(X1)上进行植入、拔除、修正等操作，合成X2年的数字城市。
下面更具体的说明本发明方法的处理过程。
第一步：监测城市的变化：先用不同年份的遥感影像进行变化监测生成一幅变化的影像图，然后在检测出的变化的区块上进行物体识别，对识别出的物体结合知识库，赋予其具体属性，例如，如果该物体是建筑，那么它的属性有高度、形状、纹理。
其处理流程如图5所示，遥感影像图1和遥感影像图2是不同年份的遥感图像，通过本发明的变化检测，即得到差异图，也即变化的影像图ΔP，然后进行识别其物体特征和位置等，并通过其知识库识别物体属性。实际的检测效果示例如图6a和图6b所示，即使有同源的卫星或航拍数据，其不同年份的拍摄时间可能不同，拍摄时的太阳高度角不同，天气不同等状况都会给变化检测带来误差，因此在变化监测之前要对图像进行配准和相应的处理。
对监测到的物体进行识别，需要利用规则库、图像库，识别规则库中的规则按照不同方面的匹配进行划分，如图8所示，如：形状相似度和差异的检测规则、结构相似度和差异的检测规则、统计相似度和差异的检测规则、颜色相似度和差异的检测规则、灰度相似度和差异的检测规则、纹理相似度和差异的检测规则、所处环境相似度和差异的检测规则等等。
图像库中的图像采样自遥感影像，其分类结构示意如图7所示，具体为：从遥感影像中提取各种类型的个体的有代表性的图像，并且将这些有代表性的图像进行分类，抽取共性，成为第一级特征图像，然后再在此级别进行划分出子类，并在子类的所有图像中抽取共性，给该子类赋予一个特征图像，如此类推，直到其划分基本上代表了该个体有代表性的各种类型为止。将监测出来的变化物体与图像库中的相应类别的子类进行相似度比较，并检索出图像库中与该物体相似度最大的图像，并映射到模型库中相应的模型。
通过知识库对遥感影像中的个体进行自动建模的过程如下：根据图像库中的第一级特征图像对遥感影像进行扫描，得到每一个大类的物体的集合。第一级分类有建筑的特征图像、桥梁的特征图像、广场的特征图像、花草树木的特征图像、水的特征图像等等。
判断该物体与这些特征图像之间的相似度。相似度包括：形状的相似度、结构的相似度、统计的相似度、颜色的相似度、灰度的相似度、纹理的相似度、所处环境的相似度等等。可见相似度有很多分量，本发明可以通过对个体的初始分析来决定采用哪些相似度，并在判断该个体与图像库中图像的相似度时给不同类型的相似度赋予不同的权值，然后在判别最终相似度时采用加权的方法。
本发明方法的识别规则库的分类结构如图8所示，在从遥感影像中监测出变化的物体影像之后，从图像库中找出该物体所属的最准确的分类(如：建筑/高建筑/写字楼)，其方法是：首先将该物体图像与其所属分类的下一级分类的特征图像比较，如果该个体图像与某一类(假设为X)的特征图像相似度最高，那么便可以判断该个体图像属于X类，再将该个体图像与X类的下一级各特征图像进行分别匹配，并算出其相似度，找到相似度最大特征图像所属的类别(假设为Y)，作为该物体图像所属的类别；然后可以继续与Y的下一级特征图像进行比较，如此类推，直到其相似度达到预期的要求，如本发明方法中可以根据需要规定：对于建筑来说相似度达到80％即可。那么其最终匹配并相似度最大的子类的特征图像将该个体图像的孪生图像，其实际绘制出的图像效果将与实际的物体影像非常相似。
第二步：将变化的部分重建到数字城市中，包括以下各阶段：
第一阶段：根据变化监测到的物体图像构建相应的物体模型，模型库的分类结构与图像库的分类结构基本一致，如图9所示，图像库中的一个图像基本上与模型库中的一个模型相对应，但模型库中的模型可以是使用建模的工具建起来的静态模型，也可以是使用参数描述的可以在需要时实时渲染的三维模型。动态模型比静态模型更容易修正，使用静态模型比使用动态模型更实时，但表达的真实性没有经过修正后的动态模型好。所以本发明方法可以在自动生成数字城市时先使用静态模型，再逐渐用修正后的动态模型替换掉先前的静态模型。
正因为模型库和图像库是对应的，只要在第一阶段利用图像库识别出物体的属性，将可以将其映射到模型库并构建出该物体的模型了，如图10所示。
第二阶段：自动将变化监测对应的物体模型放进被继承的数字城市中。将遥感影像中的物体模型重新植入被继承的数字城市中的过程如下：从遥感影像中监测出变化的物体时，本发明方法就已经在程序中记下了该物体的二维坐标(经纬度)，以及该物体的不同的边的方位。根据该物体图像在遥感影像中的坐标和方位，本发明方法就可以将其通过上一步自动生成的逼真模型以正确的朝向、角度、位置植入被继承的数字城市中。
放进的方式根据变化方式的不同分为三种，以建筑为例说明：如果通过对比遥感影像，发现某处多出一个建筑，那么该建筑将被新增进被继承的数字城市中；如果通过对比遥感影像，发现某处的建筑变成了广场或者该建筑变高了，那么该原建筑将从被继承的数字城市中去掉，并将广场或者变高了的建筑植入；如果通过对比遥感影像，发现某处少了一个建筑，那么该建筑将从被继承的数字城市中去掉。由此本发明的继承式数字城市即可完成实时的更新。
因此，在深圳的数字城市绘制过程中，如果2006年重新根据2006年的深圳市遥感图像P2006建模生成S2006，约需要3年的时间，耗资约3000万。而采用本发明方法根据深圳市遥感图像在2006年与2000年之间的变化继承式地生成S2006，只需要半小时的时间，所以完全可以实时完成数字城市的处理，只需要保证遥感图像的正确获得即可。并且继承式生成的数字城市S2006保持了数字城市S2000的精细性。
利用本发明方法可以为城市应急指挥系统服务，融合各种遥感数据自动实时地生成数字城市，以实时数字城市的布局、地形、道路等信息为基础，就可以结合气象观测数据(风温资料)模拟城市风场，动态模拟大气污染扩散等突发事件的发展趋势，实时动态逼真地显示给城市指挥者，提供决策支持。
利用本发明方法可以为城市违章建筑监测服务，融合各种遥感数据自动实时地生成数字城市，通过比较数字城市中的建筑与规划数据就可以将不同的违章建筑准确地找到并显示给城市规划管理者。
利用本发明方法还可以用于很多其他方面，例如居民可不出家门而享受虚拟商场、虚拟医院、虚拟戏院及虚拟旅游等方面的服务；城市应急救灾指挥人员不出指挥所就能看到最佳的救援路线和现场情况；警察不用出警察局就能马上定位到犯罪分子的所在位置，监视犯罪分子的一举一动，并能立即确定最佳的抓捕路线；规划部门不用实地考察，就能看见所有的用地和住房，从而做出最合理的决策；交通管理部门不用站在马路上就能看到所有道路的交通状况，从而做出最合理的调度。
本发明方法继承式数字城市生成方法可以应用于使用任何方案生成的数字城市，并且变化监测得到变化的物体影像也有其他方式可以替代，例如航拍；得到变化的物体图像后生成物体的三维模型也有其他的方式可以替代，例如数字城市中物体图像更动画形象化。上述具体的图像处理过程，包括对遥感图像的知识库应用是现有技术的图像自动处理技术中所公知，因此，不再赘述。
应当理解的是，上述针对本发明较佳实施例的描述较为详细，并不能因此而理解为对本发明专利保护范围的限制，本发明的专利保护范围应以所附权利要求为准。