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學工具，特別適合于不完整、不確定知識和數據的表達、學習和歸納，己經在模式識別、機器學習、決策支持、過程控制、預測建模等眾多科學與工程領域得到成功的應用，相當具有發展潛力。

關鍵詞 數據挖掘 不確定性 粗集理論 遙感影像分類

中圖分類號：TP751 文獻標識碼：A

1緒論

1.1研究背景

進入80年代后，數據庫大量涌現，對信息處理和數據理解需求愈來愈大，依靠人工分析數據遠遠滿足不了這一要求。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屆國際人工智能聯合會議的專題討論會上首次提出了數據庫中的知識發現KDD （ Knowledge Discovery in Database） 或數據挖掘DM （ Data Mining）。

1.2研究目的與意義

遙感信息是地學規律復雜性、不確定性的綜合反映。常規的遙感數理統計分析模型，采用純數學上的假設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據的附加信息或先驗知識，如模糊隸屬函數、基本概率指派函數和有關統計概率分布等，而這些信息往往很不容易得到。利用粗集進行空間不確定性推理，可以不需要問題所處理的數據集合以外的任何先驗信息。

2粗集理論下的遙感影像分類

2.1理論基礎

根據Pawlak提出的粗集理論，假定我們具有關于論域的某種知識，并使用屬性和相應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。從離散數學的觀點看，“顏色”、“形狀”、“大小”構成了集合U上的一族等價關系。U中的物體，按照“顏色”這一等價關系，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”這一等價關系，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”這一等價關系，可以劃分為“大的物體”、“小的物體”；按照“顏色十形狀”這一合成等價關系，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現狀分析

粗集理論經過多年的理論研究和應用表明它成為應用于人工智能和認知科學，特別是專家系統、機器學習、機器發現、歸納推理、模式識別、決策表等領域的一個重要理論。但在遙感數據處理中的應用，報道和文獻收錄為數不多，并且多限于常規的數據預處理。對于基于粗集理論的遙感數據智能分析處理模型、且模型理論基礎系統堅實的模型建立，以及結合神經網絡、模式識別等軟計算科學的混合遙感數據智能分析處理模型的建立，更是少見。

2.3發展前景

在遙感影像計算機自動分類這一研究領域，分類知識自動發現的方法一直受到廣泛而深入的研究，實驗證明，粗集與模糊集、神經網絡、進化計算等軟計算科學具有很好的結合能力。而它們正是目前遙感信息智能處理中應用較多，且被證明較為有效的工具.

3結論

3.1總結

遙感圖像分類是遙感圖像解譯中的一項關鍵技術，是通向遙感應用之門的一條主要通道，始終受到許多專家學者的熱切關注，是遙感領域的一個重要研究方向。新方法、新理論、新技術的引入，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，以非完善數據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，應更好地利用這些度量指標來指導啟發分類過程，提高最后的分類質量。

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的應對措施，提高影像分類質量。

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域上也應受到廣泛應用，為區域土地資源的合理利用、生態環境的保護和改善及可持續發展提供科學的參考依據。比如在分析過去土地利用的變化的基礎上，結合土地利用格局動態模擬模型，如元胞自動機（CA）、元胞自動機耦合的CA-Markov模型，重建過去的和預測未來的土地利用情景，原理是應用粗集理論來確定元胞自動機的不確定性轉換規則，為復雜城市系統的演變提供有用的工具。

參考文獻

[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，Fung 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用[D].武漢大學，2004.