關于遙感圖像數據處理的遺傳優化及其組合算法研究

貴州職業技術學院　楊　靖

關于遙感圖像數據處理的遺傳優化及其組合算法研究

貴州職業技術學院楊靖

遙感圖像數據通常被應用在測繪等領域中。為了保證數據的有效應用，首先需要利用有效的數據處理算法對遙感圖像數據進行處理。本文從遙感圖像數據的特征入手，對遙感圖像數據處理的遺傳優化及其組合算法進行研究和分析。

遙感圖像數據；處理；遺傳優化；組合算法

前言

與其他數據相比，遙感圖像數據的復雜性和特殊性特點更加明顯。這種特點為該數據的處理帶來了一定難度。遺傳算法這種具有通用性特點的全局優化方法與遙感圖像數據的處理要求相符，將這種方法應用在數據處理過程中可以促進數據利用率的提升。

一、遙感圖像數據的特點

遙感圖像數據處理通常是在遙感圖像函數的基礎上完成的，因此其函數的特點能夠從一定程度上表示遙感圖像數據的特點。遙感圖像函數的特點主要包含以下幾種：

（一）遙感圖像函數值物理意義方面

可以將遙感圖像函數值看成是一種地物電磁波輻射的度量，從這個角度來看，可以將該數值的反映對象看作是地物的光譜特征，因此，遙感圖像函數的物理意義具有一定的明確性［1］。

（二）遙感圖像函數值定義域方面

在實際的圖像數據獲取過程中，不同遙感傳感器所對應的視域是固定的。在這種情況下，每個遙感傳感器所獲圖像大小同樣具有一定的限定性。因此，所得遙感圖像函數的有效性建立在固定的遙感圖像范圍中。

二、遺傳算法的特點

遺傳算法的特點主要包含以下幾種：第一，自適應性。這種特點是指遺傳算法可以通過遺傳算子和群體策略快速完成相關數據的計算。第二，非定向性。這種特點是由該方法中的生殖過程引發的。

三、遙感圖像數據處理的遺傳優化及其組合算法

這里主要從以下幾方面入手，對遙感圖像數據處理的遺傳優化及其組合算法進行研究：

（一）遙感圖像數據的遺傳匹配定位

1.遙感圖像數據的匹配定位技術

對于遙感圖像數據而言，其匹配定位技術的應用主要包含以下幾種模式：第一，如果被匹配遙感圖像數據之間的分辨率不同，則需要通過預處理操作的進行實現控制塊對遙感圖像匹配精度的提升。在這個過程中，首先需要利用同一地圖投影對具有不同分辨率特點的遙感圖像數據進行變換，應用這種操作的目的是保證分辨率不同的遙感圖像可以在相同空間尺度上進行疊加。其次，需要通過內插細化從分辨率較低的遙感圖像中獲得相應的圖像塊。最后，當相關遙感圖像的分辨率水平發生提升之后，需要將高分辨率圖像塊與該圖像進行配準，進而實現二者之間控制塊對遙感圖像匹配精度的提升。第二，如果被匹配遙感圖像數據之間的分辨率相同，則可以通過模板匹配技術對其進行有效匹配［2］。

2.遺傳優化的遙感圖像數據定位

這種方法的實現主要包含以下幾個步驟：第一，生成目標模板。目標模板的生成方法是，根據航空影響樣本的實際特點，選擇適宜的變換方法得到最終的目標末班。在這個過程中，首先需要在遙感圖像樣本中將目標區域樣本的位置圈出來。然后需要對區域樣本進行測試，測試目的主要是確定該區域與旋轉角度模板以及相應尺度之間的實際適應性數值。當測試結束后，可以從測試參數中得到一個最優匹配解。第二，遙感圖像數據的遺傳算法。在遙感圖像數據匹配定位中應用遺傳算法的優勢主要在于，這種方法可以對遙感圖像數據結構對象直接進行操作。這種方法的計算步驟為：生成含有M個個體的群體之后，分別將這M個個體的具體適應度計算出來。當得出計算結果之后，需要按照適應度度量完成具體個體的選擇；將兩個個體組成雙親，二者的染色體發生交叉之后可以得到兩個子染色體，在確定交叉發生率的基礎上，利用適應度較高的子染色體將雙親染色體替換掉。按照某個固定的變異發生率對上述數據進行變異處理。當變異處理結束后，即中止迭代，對此時數值進行求解［3］。

（二）遙感圖像數據貝葉斯網絡分類模型的遺傳學習

該部分主要包含以下幾個步驟：

1.描述貝葉斯網絡

在實際描述過程中，首先需要對有向圖的行為和屬性進行分析。在該網絡結構中，其變量與結點之間的關系是一一對應的。可以將不同結點之間的連接弧看成是所對應變量之間的聯合概率分布。在這種情況下，可以將貝葉斯網絡結構利用兩個不同的類為基礎表示出來，概率決策表類與有向圖類分別對應著貝葉斯網絡中的條件概率表和有向無環圖兩個組成部分。

2.確定適宜的編碼方案

對于遙感圖像數據而言，能夠對其應用遺傳算法主要受到其中相關優化問題編碼機制的影響。在確定問題編碼方法的過程中，影響因素主要包含上述過程中使用的實際遺傳操作以及遺傳算法的應用情況。這里將遙感圖像數據的編碼方案確定為二進制編碼方式，這種編碼方式的應用優勢主要在于：第一，二進制編碼便于進行合并算子計算操作；第二，二進制編碼方式有利于初始化的順利進行［4］。

3.合理設計適應度函數

適應度函數的設計方法包含許多種，這里通過分段函數的形式對適應度函數進行設計。與傳統的傳入二進制串頭指針和以實際串長度為參數的設計方式相比，分段函數設計方式的局部性和隨意性特點更加明顯。

4.確定終止規則

在遙感圖像數據貝葉斯網絡分類模型中，有效的終止規則主要包含以下幾種：第一，在指定閾值的情況下，群體中滿意解的數量達到相應的比例范圍；第二，出現一個最大迭代次數；第三，無論在哪個位置上，其位值數值大小都處于相同狀態。

5.貝葉斯網路的實現過程

首先，需要在遺傳算法的自適應迭代過程中將初始化模型以及該模型涉及的相關參數輸入進去。當輸入過程結束之后，需要對相關遺傳算子進行有效控制，進而獲得對應的二進制串集合。在該集合中，對最優二進制串進行解碼即可獲得所需的貝葉斯網絡。

（三）遙感圖像數據的遺傳多分辨率圖像分類

該方法主要包含以下幾個步驟：

1.遙感圖像數據的預處理

在該步驟中，首先需要將遙感圖像數據的類別均值信息。為了便于后續處理過程中該數據信息的有效使用，可以利用指針將遙感圖像數據的類別均值信息合理存放起來。為了保證多光譜遙感圖像數據的有效表達，這里通過具有可擴展性特點的四叉樹結構進行表達。與其他表達方法相比，這種方法的優勢主要表現為：第一，空間與時間方面的復雜程度較低；第二，直觀性較強；第三，便于后續擴展工作的順利進行［5］。

2.基于遺傳算法的能量最小化

該部分涉及的問題主要包含以下幾種：第一，適應度函數。適應度函數建立在MRF能量函數的基礎上。該函數的計算結果是通過對四叉樹相關子節點、懲罰項權重以及分類結果圖像字符串等因素得到的。第二，編碼機制。編碼機制會對遺傳算法的應用效果產生相應影響。這里通過四叉樹完成遙感圖像數據的編碼。這種編碼方式的有效性建立在遙感圖像像素點處于2的整數次冪范圍，且遙感圖像形狀為方形的情況。在實際編碼過程中，四叉樹可以從空間的角度入手，通過金字塔形式的數據結構完成空間占有相關數組的編碼。這種編碼方式的應用優勢主要表現為其在計算遙感圖像數據區域的不同特征方面存在一定的便捷性。第三，遺傳算子。就變異算子而言，首先應該從原始的遙感圖像數據中隨機抽取一定數量的像元。假設遙感圖像周長是從原始遙感圖像中選擇像元數目的八倍。在這種情況下，像元對四叉樹中所包含葉節點的變異搜索主要通過分辨率水平來實現［6］。

四、結論

遙感圖像數據的處理難度相對較高，遺傳算法和其組合算法的應用能夠有效保障遙感圖像數據處理的準確性和有效性。與其他算法相比，遺傳算法的應用優勢主要表現為其可以通過簡單化遺傳算子和群體策略的應用快速完成對數據信息的高質量處理。

［1］劉正軍.高維遙感數據土地覆蓋特征提取與分類研究［D］.中國科學院研究生院（遙感應用研究所），2003.

［2］李啟青.遙感數據處理的遺傳優化及其組合算法研究［D］.中國科學院研究生院（遙感應用研究所），2004.

［3］高恒振.高光譜遙感圖像分類技術研究［D］.國防科學技術大學，2011.

［4］解斐斐.基于無人飛艇低空航測系統建筑物紋理獲取與處理技術［D］.武漢大學，2014.

［5］自動化技術、計算機技術［J］.中國無線電電子學文摘，2011，02：166-241.

［6］劉丹.基于支持向量機與k-means混合分類模型的多光譜遙感影像分類研究［D］.昆明理工大學，2013.