模糊数学理论在遥感影像处理中的应用.docVIP

模糊数学理论在遥感影像处理中的应用 摘 要：在遥感图像的产生、传输和保存的过程中，往往会受到各种噪声的干扰，严重的影响图像的视觉效果。因此，各种图像处理技术孕育而生，而模糊数学作为一种新的理论成果在近几年的图像处理技术中得到很好的应用。论文通过搜集相关资料，整理了模糊数学理论在图像处理、分类以及综合评价方面的应用。 关键词：模糊数学；图像处理；图像分类；模糊综合评价 0 引言 模糊数学理论 [1]作为一个新兴的数学分支，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。它将通常的二值逻辑转化为(0,1)内的连续逻辑，更符合人脑推理，是一种新的处理含糊和不确定性问题的数学工具。目前在计算机仿真技术、多媒体辨识等领域的应用中如图像和文字的自动辨识、自动学习机、人工智能、音频信号辨识与处理等领域均借助了模糊性数学的基本原理和方法。在平时的图像处理过程中都带有一定的相似性和不确定性，而模糊数学理论及由此而发展起来的模糊信息处理技术，能较好地描述人类视觉中的模糊性和随机性。 1 图像处理 图像处理[2]是利用计算机来进行图像的编码、图像数字化、图像分割、图像增强、图像分析和图像复原，虽然图像处理可以通过模拟技术和光学方法实现，但是图像数字处理技术具有方便性和灵活性，数字图像处理技术得到了重要的应用。在用计算机进行图像处理的过程中，要对图像的清晰度、对比度和图像颜色进行处理，对图像的蓝、黄、红三大基色进行模糊的调动和处理，提高图像处理的质量。 2 模糊数学理论在图像处理中的作用 模糊数学理论对图像融合[2]的作用。图像融合是提取有利信息来进行高质量图像的综合，提高原始图像的光谱分辨率和空间分辨率，提高计算机对原始图像信息的利用。传统的计算机图像融合方法是对两张图像的简单重叠，图像融合的准确性较低，模糊数学理论在图像处理中的应用就可以避免图像融合准确性较低的问题，图像经过处理之后的偏差率比较小。对灰度值与图像变化之间的关系进行进行快速的推断。计算机的运算能力和图像处理能力是非常强大的，通过对模糊数学理论的应用可以较快速的得到图像变化的范围和结果，实现图像融合的最佳效果。 模糊数学理论对图像调整[2]的作用。图像调整一般都是对图像颜色的调整，通过不同的颜色来实现不同的视觉效果和应用效果，图像颜色调整可以通过对比度的调整来实现。图像效果有现代、古典、哥伦风、经典影楼以及其他效果，在利用计算机进行图像调整的过程中需要对图像颜色值进行调整，实现图像调整的最佳效果。但是在图像处理的过程中会有一些较为特殊的图像处理，在灰度值较大的图像调整和处理中，要首先对图像的灰度边缘进行调整，增加图像的灰度值，通过对比来进行图像效果的分析。如果图像的灰度值确定，可以通过灰度值的计算来掌握最大灰度值的计算，实现图像的对比调整。模糊数学在图像调整的过程中就是对对象对比度和图像颜色值的调整，由于图像处理效果没有明确的界定，处理人员可以通过模糊的调整来实现不同的图像处理效果。 模糊数学理论在其他图像处理中的应用。除了图像融合和图像调整，图像融合还包括了图像数字化、图像编码、图像分割和图像增强等，模糊数学理论在这些图像处理中的效果也是非常明显的。图像增强是指使图像变得更为清晰，使图像满足人们使用和计算机的要求。图像增强包括了边缘锐化、伪彩色处理和干扰抑制等，图像增强不需要保持原图像的色彩和强度，因此图像处理人员可以采用模糊数学理论来进行图像的增强。而图像分析是指对图像的数据信息以及度量进行抽取，得到图像的数值结果，对图像内容进行相关的描述，实现对图像信息的深度把握，图像分析只是对图像数值的简单抽取，处理人员可以利用模糊数学理论来解决图像分析和图像分割过程中的各种模糊问题，实现较好的图像处理效果，实现图像的增强和复合，解决图像处理中各种模糊问题。 3 模糊分类[3] 面向对象的模糊分类[3]方法是在面向对象的分割基础上，结合模糊数学进行图像分类的方法。相对硬分类技术，本研究提出了一种“软分类技术”，即模糊分类技术。通过模糊理论，遥感影像中的每一个像元在进行分类时都存在一定的模糊性，以分类系统中所有类别的隶属度值表示其取值范围在0和1之间，而不是传统集合论中只有0和1 两个值。通过模糊分类，我们可以计算出像元在每种分类类别中的模糊隶属度值同时可以根据模糊隶属度值的情况判断该像元的分类不确定性。这样，就可以生成一系列的模糊隶属度图像和分类不确定性图像，这些图像中含有分类数据的质量信息，由于进行精度比较的时候使用的是分类图，所以本研究使用了软分类器硬化技术对模糊隶属度图像进行了硬化，生成了明确的分类图。 4 模糊分类系统[5] 模糊分类系统[5]主要由三个步骤构成，即输入变量的模糊化(fuzzify)、[0 1]的范围内被赋值。 (2) 模糊规则与模糊推理：