模糊模式识别在植被和遥感图像识别中的应用.pdf

http://www.paper.edu.cn

1
模糊模式识别在植被和遥感图像识别中的应用
姬翠翠，吴云，郭嗣琮，樊硕
辽宁工程技术大学测绘与地理科学学院，辽宁阜新（123000）
E-mail:[e-mail]
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：模糊模式识别；遥感图像；句法模式；统计模式

1.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[1]，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

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AA12,,,,LAn而x0∈X是一个具体被识别的对象，若有in∈{1,2,L,}，使得
μ()max{(),(),,xxxx=μμLμ()},（1）
AAAAi000012n

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的模糊子集AA12,,,,LAn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in∈{1,2,L,}，使得2

σ(,BAin)=max{(,σσBA12),(,BA),Lσ(,BA)},（2）

则认为B相对合于模式Ai。
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

1本课题得到教育部博士点基金（编号20050147002）和辽宁省高等学校重点实验室项目（编号20060370）
资助。

--1--
http://www.paper.edu.cn

立刻画模式或对象的模糊集合[2]。

3.具体的模糊模式识别工作步骤

（1）选取模式的特征因子集合X={XX12,,,LXn}，被识别的对象表示为

n
X@LXX×××X上的向量或者表示为
∏in12(,x12xx,L,n),xii∈Xi,1,2,,=Ln,
i=1
n
上的模糊子集；
∏Xi
i=1
n
（）建立模糊模式的隶属函数A∈fX()；
2μA()X,∏i
i=1
（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。[1]

4.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
xa−
−()2
b
μA()xe=>,(b0)（3）
称A为正态模糊集。其隶属函数曲线如图1所示。

正态分布随机变量的概率密度函数为
xa−
1−()2
fx()=>eb,(σ0)（4）
2πσ
其中a为数学期望,σ为均方差。而正
态模糊集的隶属函数

μπσA()x==2fx()kfx()，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。
图1正态模糊集
假设有一模式A，它可以由实数x∈X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x12,,,xxLn。通常可以把它们理解为某随机变量ξ()A的一
组观测值。如果ξ()A服从正态分布，利用数理统计方法可计算出ξ()A的样本均值a和样
本方差σ2，进而可根据式（3）建立a的隶属函数[2]。

4.1.2遥感图像统计模式识别（光谱特征空间及地物在特征空间中聚类的统计特性）

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

--2--
http://www.paper.edu.cn

同一波段图像上表现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