探讨模糊算子在遥感图像特征提取中的应用

摘要： 本文主要阐述了模糊算子在遥感图像特征提取中的一般方法以及利用模糊算子对数据进行融合的应用等内容。

Abstract： In this paper， general method of fuzzy operator in remote sensing image feature extraction and the application of data fusion by using fuzzy operator were mainly elaborated.

关键词： 模糊算子；遥感；图像特征

Key words： fuzzy operator；remote sensing；image features

中图分类号：TP39 文献标识码：A 文章编号：1006-4311（2012）33-0209-02

0 引言

对遥感图像特征进行提取是信息处理及提取中的一项关键技术，高精度、快速的遥感图像特征提取以及分类是实现图像处理实际应用的重要前提，遥感图像具有数据量庞大的特点，采用传统的信息提取方法仅仅能够解决信息提取的线性问题，一些方法虽然能够解决信息分类中的非线性问题，但是其技术的复杂度非常高，很难在计算效率上达到相应的要求。将数据融合的概念充分应用到对遥感图像的特征自动提取过程中，就可以利用数据的冗余和互补特性来有效改善提取特征的性能，因为经典理论中并集与交集的外延法很难得到满意结果，也就是说相应的算子往往不是过于宽松就是过于严格，因此必须对这两种带有对立特征的算子加以折中，才能得到最终的满意结果。

1 遥感图像特征提取概述

遥感是一种能够远离目标，可以在不同对象目标进行直接接触的条件下，通过平台上所装载的传感器来获取特征信息并对信息进行处理加工、判定、提取和实际应用分析的一项综合性技术，也是目前唯一能够提供全球范围内动态观测数据的手段，利用遥感所提供的数据具有信息客观丰富、覆盖范围广、实时性高的特点，现在已经被广泛应用于气象预报、农作物估产、灾害动态监测、土地的利用规划、资源勘探、环境监测、灾害预报、军事侦察、航天航空等民用及军事领域，对社会经济的发展能够起到重大推动作用，其特征提取是对遥感图像进行自动提取的关键技术，所以，大力开展对遥感图像特征进行提取的研究具有广阔的应用前景和实际意义。在对遥感的图像进行分类识别工作过程当中，图像的特征提取是其中的重要组成部分，主要分为三大部分，一个是光谱的特征提取，一个是纹理的特征提取，另外一个是形状的特征提取，其中光谱信息能够反映出地物反射过程中电磁波所具有的能量大小，它也是对图像进行目视判断的重要依据，在当前的图像处理及特征提取研究当中，大多利用的就是光谱的特征提取，随着图像分析与解译工作的不断深入以及遥感技术的快速发展，研究者发现单纯利用遥感图像中的光谱特征，渐渐已经不能有效准确地进行计算机的自动识别和分析。

近些年来，星载和机载的图像传感技术获得了很大程度上的进步和发展，并使得由此而获取的遥感图像得到广泛应用，在这其中，目标识别的特征提取技术尤为关键，其特征主要指的是图像的统计特征、结构特征、几何特征以及谱特征等等。大多数的人造物体都会具有清除的边界和规则形状，利用所提取的线性特征可以识别桥梁、机场跑道、河流、道路网等，也是提取特征的重要组成部分。因为遥感图像大多具有一定的噪声，因此采用传统的一些特征提取方法往往很难得到满意效果，随着科学技术的不断进步，目前已经研究出了不少处理这些噪声图像的方法，但是从总体上来讲，即便是利用较为匹配的数学法则，实际上也很难得到完美结果。

2 常用的特征提取方法

对单个图像的特征进行提取，首先就需要对图像进行相应的预处理，以此来对图像中的噪声进行过滤，尽可能对图像中的有效信息予以保留，很多经典的对噪声进行平滑方法能够将噪声减小到最优化的统计，但往往很难对检测性能进行改进，Zamperoni在其研究当中提出了关于方向预滤波的定义，能够在对噪声进行平滑的同时对异性结构当中的一些有用信息予以保留。上下文对模糊算子的依赖都需要采用到各个像素点方向的估计，利用该预滤波算法是较为科学的。Kirsch算子实际上是一个八方向的算子，该方法首先就是对原始图采用Kirsch算子进行计算，而采用更多方向的算子可能结果会更为理想，对系统的要求相应的也会更高。相对于每一个像素点来说，应用该8个算子就能算出8个不同的差分值，其中最大的对应方向可以作为参考图需要的方向，能够对原图像像素在一定范围内的均一最大方向。预处理进行完之后，可以通过提取图中的一些线性特征，需要根据所要识别出的物体不同特性，其中可以供选择的一些提取方法是不同的，例如基于神经网络、马尔科夫链、图像形态学、统计学、边缘学的方法能够在很多文献中见到，其中图像形态学和边缘检测学属于局部的检测方法，在进行局部的检测之后还会有一些漏警和虚警的存在，为了能够进一步改进这些性能，通常需要对图像进行一些全局分析，其目的就是对虚警进行抑制，并能把检测到的片段连接起来。比如在某些文献当中所提及的马尔科夫链方法，实际上就是一种全局分析的方法，局部检测的性能如果越好，那么通过全局分析所得出的结果就会越理想，多数据融合的方法能够对提高局部检测的性能起到重要作用，并为以后的全局分析步骤提供很大的便利。

3 利用模糊算子对数据进行融合的应用

将同一场景的多幅图像加以融合，能够得到较好的检测性能，在大多数的融合规则当中，往往会将数据假定为独立存在的，其中所说的独立实际上并不是指统计的实际存在，而是指这些数据可以独立处理和获取，在雷达阵列中使用不同的传感器和在不同时刻利用同一传感器所得到的数据都属于该范畴，并且都能够适用于以下所列的融合算子。模糊算子能够为融合而提供便利条件，在经典的理论当中，由并集和交集所外延出的最大化和最小化算子往往很难得到满意结果，Chanussot提出了两种融合的策略，其中第一种是利用一个折中的算子来对数据进行融合，而第二种是对所运用的含有独立特性的算子所计算出的结果加以融合，在上下文中依赖模糊算子进行计算的方法就属于后一种策略。假设有n组不同数据，相对于每一个的像素点来讲，可以把从第n幅图所得到的响应用xk表示，而方向的估计就可以表示为dk。融合不用数据所得出的判决结果，就可以用所得出的融合数据得到新的判决，总体来说，后者所得到的结果会更科学，这是因为它能更为合理地处理那些矛盾判决的情况。

3.1 最小化以及最大化算子 为了能够把并集以及交集的思想充分拓展到模糊集合的概念当中，通常可以将以下的两种三角模糊算子进行定义。将映射T：[0，1]2[0，1]称之为三角模，任意选取a，b，c，d[0，1]，当以下条件存在时成立：

（1）T（0，0）=0，T（1，1）=1；

（2）若 a，b；c；d，则T（a，b）T（c，d）（具有递增性）；

（3）T（a，b）=T（b，a）（具有交换性）；

（4）T（T（a，b），c）=T（a，T（b，c））（具有结合性）。

如果T是三角模，任意选取a[0，1]，T（a，1）=a，则可以将T成为t模；如果三角模T可以满足该条件，则可以任意选取a[0，1]，T（0，a）=a，则将T称之为s模。T模总是能够趋于连接的、严格的操作，但是s模则是总能趋于分离的、宽松的操作。

以下对最大化算子和最小化算子进行测试，它们分别是最小s模和最大t模。

设三角模 S， T 分别为s 模和t 模， 那么任取 a， b ■ [ 0，1]，有：

（1）0 T（a，b） a b，

即T，且T（a，0）=0；

（2）a b S（a，b） 1，

即S，且S（a，1）=1。

以上为二元情况，可以推广到多元：以x表示k个响应的一项最小化计算：

x=mink{xk}

对每一个像素点来讲，唯有在每一幅图像的数据都可以判定其为目标物体时，才可以认为他是一个非常严格的判决。这样的算子能够很好地对虚警的出现进行良好的抑制，其具有很高的检测可信度，但是检测性能较差，因为最小化算子是其中最大的t模，对于另外的t模来讲，其具有很高的效果，在对更多虚警进行抑制的同时也对检测进行了抑制。最大化算子对应最小化算子，以x来表示k个能够响应的计算最大化方式：x=maxk{xk}

该算子有很好的检测性能，其中只要能有一个可以超过阀值，就可以将其判定为目标物体，其虚警率不但不会降低，还能将k个数据共同的虚警相叠加，并且其他s模可以进一步加强效果。

3.2 上下文对模糊算子的依赖 实践研究证明，不管是最大化算子还是最小化算子，都很难得到非常合理的结果，研究者一直想找到一种能够将数据的冗余度进行充分利用，可以在提高检测性同时又能将虚警降低的模糊算子，上下文依赖的算子、QWA算子和平均算子在很大程度上就可以达到这样的要求，Blocn认为为了能够最有效地对两种算子的特点进行利用，就需要对其进行加权的平均处理。相比较上下文的独立算子来讲，在上下文依赖算子计算权值时，要充分考虑全局的知识和不同数据源的可信度和一致度，如当每个源处于一致条件下时可以构造一个算子进行连接操作，而当每一个源处于不一致条件下时可以对其进行分离操作，每个源之间出现冲突时采取折中操作。将最小化算子和最大化算子当做待融合的极端算子，利用一定参数对其进行平均加权操作。

xCD（x1， ，xk）=x（x1，，xk）+（1-）x（x1，，xk）

根据之前的预滤波所得出的方向参数参考图，如果数据源方向相同，则要同时取其最大的兼容性，而当数据源方向处于相同时应当取其最小的兼容性，相对于中间情况，就需要选择一个较为合适的函数来对其进行定义，需要注意的是，所选取的这个函数也要满足以上所提出的限制条件。很多文献中通常在构造加权函数时会用到余弦函数：=k，lcos（d（k），d（l））

其中余弦函数的优势就在于可以较好地同方向的周期性相结合，其算法相对来说更为简单，但是也并不是说它不存在缺点。由于该方向具有一定的周期性，因此也有很多需要注意的地方，即此两个的方向差值就是它们之间的锐角，其方向的平均值会有不同的取法。

4 结束语

利用将多幅同一场景图像加以融合的方法对于降低低虚警率和提高检测的概率具有较为积极的影响，但是这种方法是独立存在的，因此可以采用将其与其他的一些特征提取的方法相结合，其中依赖模糊算子是非常重要的一种方法。

参考文献：

[1]王莹，张市芳，谢世强.直觉梯形模糊几何集成算子及其在群决策中的应用[J].价值工程，2012（01）.

[2]崔炳德.支持向量机分类器遥感图像分类研究[J].计算机工程与应用，2011（27）.

[3]李灏.遥感图像分类方法及研究进展[J].价值工程，2011（18）.