《模式识别88882.doc》由会员分享，可在线阅读，更多相关《模式识别88882.doc（4页珍藏版）》请在金锄头文库上搜索。
1、模糊模式识别在 模糊模式识别在遥感图像识别中的应用 （The application of Fuzzy pattern recognition in remote sensing image recognition）摘要:以往在对植被和遥感图像识别时，通常是通过目视判读，根据遥感图像的 摘要 判读标志，提取信息特征。随着模糊模式识别在越来越多的科学研究中得到广泛 的应用，本文将模糊模式识别引入到植被和遥感图像识别中去。突破了传统的提 取信息特征的方式，从而达到更加快捷有效的进行复杂影像的识别的目的。 关键字: 关键字 模糊模式识别;遥感图像;句法模式;统计模式 Abstract: In the
2、 past, usually according to the interpretation of remote sensing images, information feature is extracted from the vegetation and remote sensing image recognition by visual interpretation. Following the application of fuzzy pattern recognition in a growing number of scientific researching, this arti
3、cle will take fuzzy pattern recognition into the vegetation and remote sensing image recognition. Break with traditional characteristics of the way of information, so as to achieve more efficient and effective for complex image identification purposes. Keywords: Fuzzy pattern recognition, Remote sen
4、sing image, Syntactic pattern, Statistical model1. 引言近年来随着信息业的发展， 模式识别已广泛的应用于遥感影像识别， 传统的识别地物的 方式是目视判读1l，根据遥感图像的判读标志形状、大小、图形、阴影、位置、纹理、类 型等特征来识别地物，这种方法受人的视觉和思维方式影响较大，有一定的局限性。而模糊 法模式识别是根据地物的最明显的、 最本质的特征来进行识别的。 它是根据人的辨别事物的 思维逻辑，吸取人脑的识别特点，并把数学从二值逻辑转向连续逻辑，从而更接近人类大脑 的识别活动6。本文采用的基于统计模式和句法模式的模糊模式识别方式突破了传统的提
5、取信息的单一方式，能够更快捷有效的的进行复杂影像的识别和分类。2.模糊模式识别的原则 模糊模式识别的原则2.1 最大隶属度原则 当模式是模糊的，被识别对象是明确的，问题可以描述如下: 设有 n 个模式，它们分别表示成某论域 X （X 可以是多个集合的笛卡儿乘积 集)的n 个模糊子集 A1, A2,L ,An， x0 X 是一个具体被识别的对象， 而 若有 i 1, 2, L , n，使得 Ai(x0)=maxA1(x0),A2(x0),L,An(x0) 则认为 x0 相对属于模式 Ai. 2.2 贴进度原则当模式及被识别对象都是模糊的，问题可以描述如下: 设论域 X 的模糊了集 A1， A2，
6、L，AN，代表 n 个模糊模式，被识别的对象可以表示成 X 的子集 B，若有 i1,2,L ,n，使得(2) 则认为 B 相对合于模式 Aj. 在模糊模式识别的具体应用中，关键是模式或被识别对象的模糊集合的构 造，即如何建立刻画模式或对象的模糊集合. 3.具体的模糊模式识别工作步骤 3.具体的模糊模式识别工作步骤 （1）选取模式的特征因了集合 X=X1,X2,L ,Xn被识别的对象表示为 Xi X 1 X 2 LX ni =1n上的向量（x1,x2,L,xn）, xiXi,i=1,2,L,n,或者表示为nXi =1ni上的模糊子集；（2）建立模糊模式的隶属函数 A（X） f( ，AXi =1i
7、);(3)利用最大隶属原则或贴近度原则对被识别的对象进行归属判决。4.模糊模式识别的两种方法 模糊模式识别的两种方法4.1 基于统计模式的模糊模式识别 4.1.1 一般统计模式识别 在模糊模式识别中，模式的隶属函数除了由主观估计给出外，还可以借助统 计方法得到。下面介绍一种在模式识别中建立模糊模式的常用统计方法。 设 X 是实数域，X 上的模糊集 A 的隶属函数为 (3) 称 A 为正态模糊集。其隶属函数曲线如图 1 所示。图1正态模糊集正态分布随机变量的概率密度函数为(4)其中 a 为数学期望， 为均方差。而正态模糊集的隶属函数 ，因此，可以把正态模糊集看成是由正态概率分布诱导 出的 X 上
8、的模糊集，这种形式的模糊集在模糊数学的应用中是很重要的。 假设有一模式 A，它可以由实数 xX 来表征。现已知一组符合于模式 A 的样本。 现已知一组符合于模式 A 的样本 x1,x2,L ,xn。通常可以把它们理解为某随机变量 戮 (A)的一组观测值。如果戮 (A)服从正态分布，利用数理统计方法可计算 2 出戮 (A)的样本均值 a 和样本方差 ，进而可根据式(3)建立 a 的隶属函数. 遥感图像统计模式识别( 4.1.2 遥感图像统计模式识别(光谱特征空问及地物在特征空问中聚类的统计特 性) 遥感图像的光谱特征通常是以地物在多光谱图像上的亮度体现出来的， 即不 同的地物在同一波段图像上表现
9、的亮度一般互不相同;同时，不同的地物在多个 波段图像上亮度的呈现规律也不同， 这就构成了我们在图像上赖以区分不同地物 的物理依据。 同名地物点在不同波段图像中亮度的观测量将构成一个多维的随机 向量 X，称为光谱特征向量。即 X=x1,x2,L,xnT 式中 n 一一图像波段总数; Xi 一一地物图像点在第 i 波段图像中的亮度值。 为了度量图像中地物的光谱特征， 建立一个以各波段图像的亮度分布为了空 问的多维光谱特征空问。这样，地面上任一点通过遥感传感器成像后对应于光谱 特征空问上的一点。各种地物由于其光谱特征(光谱反射特征或光谱发射特征) 不同，将分布在特征空问的不同位置上。图 2 示出地物
10、与光谱特征空问的关系。 图中小方块表示每类地物的一个像元。地面地物传感器生成多光谱遥感影像(图 中以两个波段为例)，由于地物的反射光谱特性不同，三类地物的每个像元的亮 度不同。如果以两个波段的影像亮度值作为特征空问的两个了空问 (两个坐标 轴)，从图 2 中可看出，三对同名像元对应特征空问三个不同点。图 2 地物与光谱特征空间的关系由于随机性因素(如大气条件、背景、地物朝向，传感器本身的“噪声”等) 影响，同类地物的各取样点在光谱特征空问中的特征点将不可能只表现为同一 点，而是形成一个相对聚类的点集群，如图 2 中虚线所示，而不同类地物的点集 群在特征空问内一般是相互分离的。 地物在特征空问的
11、聚类通常使用特征点 (或其相应的随机矢量)分布的概率密度函数 P(X)来表示。假设特征点的统计分 布属于正态分布，则其概率密度函数可表达为:(5) 式中，X 是由式(6)表达的特征向量;M = m1 m2 L mn为均值向量;(6) 式中，为协方差矩阵，即式中， 其中，xik 第 i 特征第 k 个特征值，N 为第 i 特征值总个数. 4.2 基于句法模式的模糊模式识别 句法模式识别是基于模式特性的一组测量来组成特征向量，用决策理论划分 特征空问的方法进行分类。句法模式识别基于描述的结构特征，用形式语言中的 规则进行分类。句法模式识别系统通常由四部分组成，如图 3 所示。待识别的输 入图像，经
12、过增强、数据压缩等处理后，按识别的具体对象分割成了图(如三角 体和长方体)，再将了图分割更简单的模式基元(即组成三角体和长方体的各个 面)，并判别基元之问的关系。如三角体是由相互邻接的四边形和三角形所组成， 而长方体则由 6 个相互邻接的四边形组成。 通过对基元的识别， 进而识别了模式， 最终识别该复杂地物。图 3 句法模式识别系统框图这种识别方法将复杂地物层层简化直至最小单元一一基元， 是一种层次的模 式描述。可以把模式描述的结构法类比与语言的语法。由基元、了模式以不同方 式构成模式的过程如同由字构成词，由词构成句了的过程。用作模式的结构描述 的语言包括两部分:即模式基元和对基元的合成操作规
13、则，这种语言被称为“模 式描述语言”。对基元作合成操作以构成模式规则，就叫做语法。当模式中的每 一基元被辨认以后，识别过程就可以通过语法分析来实现。 模式基元的选择和抽取:句法识别的首要问题是确定一个模式基元集。基元的选 择一般应注意两点: （1）基元应是模式的基本单元，且宜于利用它们之问的结构关系来紧揍方便 地描述模 式。 （2）基元应是简单的了模式，可用非语言方法(如统计方法、儿何尺寸度量 等)来提取。 目前主要有两种选择的方法:着眼于图形的边界或骨架的基元选择和按区域划分 多边形近似的基元。而基元的抽取方法只能按不同的基元设计不同的方法来进 行。5.模糊模式识别实验与分析 5.模糊模式识
14、别实验与分析5.1 基于统计模式的模糊模式识别实验 小麦亲本识别:设有 5 种小麦品种，它们是早熟，矮杆，大粒，高肥丰产和中 肥丰产品种。为简单起见，只取白粒重一个指标考察。利用统计方法求出各品种 小麦白粒重的均值和方差，分别构造出相应的模糊集合(见表 1)表1 5 种小麦百粒重的均值，方差及相应的模糊集现有一种不知品种的小麦 B，用统计方法测得其百粒重的均值 a=3.43，均方 差 =0.28，于是该品种模集的隶属函数为采用如下定义的贴近度公式此处得到图 4 均值，均方差及其隶属函数统计关系按择进原则，隶属函数之中与 1 接近的原则，B 属于早熟型。根据均值，均方差 及其隶属函数统计关系图，
15、如图 4，在隶属函数的曲线上与 1 越接近则说明其贴 进度越大。 根据实验数据和它们的统计关系可以判断出小麦的亲本类别， 统计模式根据 贴进度和最大隶属度关系可以快速的判断其属性。通常，在模式识别中仅依照样 品的一种特征指标来判别归类不一定合理，而应同时考察儿个特征指标。 5.2 基于句法模式的模式识别的遥感实验 本实验采用某地区的 TM 图像(见图 5)。用 ERDS IMAGINE 软件，首先对 TM 图 像进行图像增强和数据压缩处理，然后分割成了图，再将了图分割更简单的模式 基元，从基元之问的拓扑关系，最终识别地物。如图 6,图 7,图 8,图 9。图 5 原图像图 6 区域之间拓扑关系
16、图 7 水域基元图 8 建筑基元图 9 植被基元通过以上的实验图像可以看出，将原图像分割成简单基元的模式了图，很容 易根据遥感图像特征和拓扑关系识别出了图的内容， 所以句法模式识别的模糊识 别模式是一种很可行的遥感影像分类方式。6结论因此，在模式识别中引入模糊数学方法，用模糊技术来设计识别系统，可以 对现实世界的信息更加详细、准确的进行描述，从而更广泛，更深入地模拟人的 思维过程，进而提高计算机的智力，提高系统的实用性和可靠性。7参考文献1 陈飞,王秀芳,王坤,农宇.地形图点状符号的自动提取和识别J .自动化学报, 2007,(10) 。 2 刘亚岚.遥感影像群判读技术的试验研究D .中国优秀博硕士学位论文全文数据库 (博
