基于粗集理論的遙感影像分類

馮夢森　劉陽　翁鵬

摘 要 粗集理論作為一種新興的處理含糊和不確定性問題的數(shù)學(xué)工具，特別適合于不完整、不確定知識和數(shù)據(jù)的表達(dá)、學(xué)習(xí)和歸納，己經(jīng)在模式識別、機(jī)器學(xué)習(xí)、決策支持、過程控制、預(yù)測建模等眾多科學(xué)與工程領(lǐng)域得到成功的應(yīng)用，相當(dāng)具有發(fā)展?jié)摿Α?/p>

關(guān)鍵詞 數(shù)據(jù)挖掘 不確定性 粗集理論 遙感影像分類

中圖分類號：TP751 文獻(xiàn)標(biāo)識碼：A

1緒論

1.1研究背景

進(jìn)入80年代后，數(shù)據(jù)庫大量涌現(xiàn)，對信息處理和數(shù)據(jù)理解需求愈來愈大，依靠人工分析數(shù)據(jù)遠(yuǎn)遠(yuǎn)滿足不了這一要求。因此，信息處理研究的熱潮被掀起，1989年8月在美國底特律召開的第11屆國際人工智能聯(lián)合會(huì)議的專題討論會(huì)上首次提出了數(shù)據(jù)庫中的知識發(fā)現(xiàn)KDD （ Knowledge Discovery in Database） 或數(shù)據(jù)挖掘DM （ Data Mining）。

1.2研究目的與意義

遙感信息是地學(xué)規(guī)律復(fù)雜性、不確定性的綜合反映。常規(guī)的遙感數(shù)理統(tǒng)計(jì)分析模型，采用純數(shù)學(xué)上的假設(shè)來消除或回避這種不確定性，效果往往很不理想。主觀BAYES概率推理、模糊邏輯推理和證據(jù)理論是目前處理不確定信息常用的幾種方法，這些方法需要一些數(shù)據(jù)的附加信息或先驗(yàn)知識，如模糊隸屬函數(shù)、基本概率指派函數(shù)和有關(guān)統(tǒng)計(jì)概率分布等，而這些信息往往很不容易得到。利用粗集進(jìn)行空間不確定性推理，可以不需要問題所處理的數(shù)據(jù)集合以外的任何先驗(yàn)信息。

2粗集理論下的遙感影像分類

2.1理論基礎(chǔ)

根據(jù)Pawlak提出的粗集理論，假定我們具有關(guān)于論域的某種知識，并使用屬性和相應(yīng)的值來描述論域中的對象。例如：空間物體集合U具有“顏色”、“形狀”、“大小”這3種屬性。從離散數(shù)學(xué)的觀點(diǎn)看，“顏色”、“形狀”、“大小”構(gòu)成了集合U上的一族等價(jià)關(guān)系。U中的物體，按照“顏色”這一等價(jià)關(guān)系，可以劃分為“紅色的物體”、“黃色的物體”、“綠色的物體”等集合；按照‘·形狀”這一等價(jià)關(guān)系，可以劃分為“方的物體”、“圓的物體”、“三角形的物體”等集合；按照“大小”這一等價(jià)關(guān)系，可以劃分為“大的物體”、“小的物體”；按照“顏色十形狀”這一合成等價(jià)關(guān)系，又可以劃分為“紅色的方物體”、“黃色的三角形物體”、“綠色的圓物體”等集合。

2.2現(xiàn)狀分析

粗集理論經(jīng)過多年的理論研究和應(yīng)用表明它成為應(yīng)用于人工智能和認(rèn)知科學(xué)，特別是專家系統(tǒng)、機(jī)器學(xué)習(xí)、機(jī)器發(fā)現(xiàn)、歸納推理、模式識別、決策表等領(lǐng)域的一個(gè)重要理論。但在遙感數(shù)據(jù)處理中的應(yīng)用，報(bào)道和文獻(xiàn)收錄為數(shù)不多，并且多限于常規(guī)的數(shù)據(jù)預(yù)處理。對于基于粗集理論的遙感數(shù)據(jù)智能分析處理模型、且模型理論基礎(chǔ)系統(tǒng)堅(jiān)實(shí)的模型建立，以及結(jié)合神經(jīng)網(wǎng)絡(luò)、模式識別等軟計(jì)算科學(xué)的混合遙感數(shù)據(jù)智能分析處理模型的建立，更是少見。

2.3發(fā)展前景

在遙感影像計(jì)算機(jī)自動(dòng)分類這一研究領(lǐng)域，分類知識自動(dòng)發(fā)現(xiàn)的方法一直受到廣泛而深入的研究，實(shí)驗(yàn)證明，粗集與模糊集、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算等軟計(jì)算科學(xué)具有很好的結(jié)合能力。而它們正是目前遙感信息智能處理中應(yīng)用較多，且被證明較為有效的工具.

3結(jié)論

3.1總結(jié)

遙感圖像分類是遙感圖像解譯中的一項(xiàng)關(guān)鍵技術(shù)，是通向遙感應(yīng)用之門的一條主要通道，始終受到許多專家學(xué)者的熱切關(guān)注，是遙感領(lǐng)域的一個(gè)重要研究方向。新方法、新理論、新技術(shù)的引入，為遙感影像分類提供了廣闊的前景。基于粗集理論的遙感影像分類，以非完善數(shù)據(jù)作為處理對象刻劃不完整性和不確定性，為遙感信息不確定性處理提供了新的途徑，提高了處理效率、精度和魯棒性。

3.2建議

遙感影像分類處理過程始終貫穿著不確定性，對于已建立了粗集方法的系列不確定性度量體系，應(yīng)更好地利用這些度量指標(biāo)來指導(dǎo)啟發(fā)分類過程，提高最后的分類質(zhì)量。

將紋理信息、地形特征等空間信息特征納入分類過程中，尋求以粗集理論為基礎(chǔ)的應(yīng)對措施，提高影像分類質(zhì)量。

除了在遙感影像處理和分類上能獲取較好的研究成果，粗集理論在地理模擬領(lǐng)域上也應(yīng)受到廣泛應(yīng)用，為區(qū)域土地資源的合理利用、生態(tài)環(huán)境的保護(hù)和改善及可持續(xù)發(fā)展提供科學(xué)的參考依據(jù)。比如在分析過去土地利用的變化的基礎(chǔ)上，結(jié)合土地利用格局動(dòng)態(tài)模擬模型，如元胞自動(dòng)機(jī)（CA）、元胞自動(dòng)機(jī)耦合的CA-Markov模型，重建過去的和預(yù)測未來的土地利用情景，原理是應(yīng)用粗集理論來確定元胞自動(dòng)機(jī)的不確定性轉(zhuǎn)換規(guī)則，為復(fù)雜城市系統(tǒng)的演變提供有用的工具。

參考文獻(xiàn)

[1] Ouyang Y，Ma J W.Land Cover Classification Based on Tolerant Rough Set[J].International Journal of Remote Sensing，2006（24）：3041-3047.

[2] Jensen J R.Introductory Digital Image Processing A Remote Sensing Perspective[M]. London，Pearson Education，2007：322-410.

[3] Leung Y，F(xiàn)ung T，Mi J S，etc. A Rough Set Approach to The Discovery of Classification Rules in Spatial Data[J].International Journal of Geographical Information Science，2007.21（9）：1033-1058.

[4] 巫兆聰.粗集理論在遙感影像分類中的應(yīng)用[D].武漢大學(xué)，2004.