CBR系统及其在遥感图像识别中的应用.pdfVIP

3-248 CBR系统及其在遥感图像识别中的应用 蒋贵凰 赵强利 (北方交通大学计算机学院129# 北京 100044010 摘要:遥感图像的机器识别技术是当前遥感领域I待解决的问题，本文提出一种墓于示例推理的 遥感图像识别方法。文章首先介绍了CBR系统的原理与技术，阐述了CBR开发工具的功能;然后根 据传统遥感图像识别的缺陷，提出了基于CBR的遥感图像识别方法。该思路为CBR的应用开拓了一 个新方向，同时为解决遥感图像的快速、实时、准确识别提供了一个新方法。 类.词:CBR系统 CBR开发工具 遥感图像识别 1. 引言 由于遥感图像的计算机识别技术还没有发展到可以完全替代人工作业的程度，尤其是计算机逻 辑推理和空间分析的能力还十分脆弱;人工判读经验的模糊性使得将其转化为专家系统中的规则很 困难，因此目视判读仍是遥感图像应用过程中的主要作业方法之一。 CBR(Case-BasedReasoning)是基于事例的的推理系统[[1][2][3][41，数据库中记录了以前成功解决 的问题(即经验)，通过事例匹配，从而给出当前事例可能的解决方案。它使用的是事例匹配，而不是 规则推理，解决了经验向规则转化这一难题。如果将CBR用于遥感图像识别，能够有效地将目视判 读的经验用于计算机识别，则可大大减轻工作人员的负担、加速遥感图像的识别、提高识别的准确度、 满足识别的实时性要求，这是遥感图像识别中I待解决的问题。 2.CBR的原理与技术 2.1荃于规则推理系统的缺陷 首先有必要看一下传统基于规则(RBR,Rule-BasedReasoning)系统的建立过程[5][6](如图1所 示)。在应用中人们逐渐发现』BR有如下缺陷: (1)专家的语言中所表达的知识必须由知识工程师将其 转化成为知识库中的知识表示形式，为准确理解专家的语言， 且能利用规则将其中的知识正确地表达出来，往往要求知识工 程师也必须是一个领域专家，这使得知识工程师经常成为规则 式专家系统开发中的瓶颈。 (2)专家的关键性知识往往是隐含知识，不易提取，可被 理解，但难以转化为规则。 (3)复杂领域，尤其是弱理论领域，往往并无完备的理论 体系用于建立解决领域问题的完整规则集。 (4)由于规则本身具有过程性的特点，导致规则系统的可 扩充性较差，并缺乏自学习能力。 图t基于规则推理系统的建立 2.2墓于事例的推理(CBR)概念 人们在解决问题时总是首先试图从以前的经验中找到相似的事例，从中得到答案或启发。CBR 正是对这样一种问题求解方法的抽象:把当前情况与你以前曾成功解决的间题相匹配，从中获取答案 3一49 或启发。在匹配的过程中，必要的话，可能需要对过去事例的解决方案进行修改，使之能更好地与当 前问题的具体情况相适应。一个典型的CBR过程如图2所示。 图2 CBR循环 CBR有如下四个主要过程: (1)根据翰人事例检索最相似的过去事例，检索的结果为一个或多个事例; (2)根据检索出的事例与输入事例的差别对检索出的事例的解决方案进行修改，以适应当前问 题的具体特点; (3)试图用检索出事例的问题解决方案解决当前问题; (4)根据应用情况，修改上一步问题求解方案，得到最终的问题求解方案，将当前问题的描述及 最终解决方案合并成为新事例放人事例库，以备后用。 相对于RBR,CBR有如下优点: (1)构造专家系统的关键从问题求解逻辑过程的提取转移到’川ail表示和事例库的搜索、匹配等 技术上来。解决了知识工程师的瓶颈问题。 (2)由于CBR并不要求规则似的逻辑推理过程，使专家的隐性知识不必从事例中提取出来。 (3)对于无完备理论的领域，CBR仍可以其模糊匹配能力为用户提供有效的帮助和提示。 (4)由CBR的循环过程可知，CBR本身即隐含了自学习能力，无须任何附加的工作，又可实现事 例库的自动进化和维护。 2.3CBR任务层次结构 在CBR