陸雨 姚永輝

摘要：針對(duì)傳統(tǒng)航拍圖像智能識(shí)別方法目標(biāo)識(shí)別精準(zhǔn)度低的問題，提出基于模糊數(shù)學(xué)模型的航拍圖像智能識(shí)別方法研究。通過模糊數(shù)學(xué)集合制定關(guān)于圖像灰度值的模糊數(shù)學(xué)規(guī)則，運(yùn)用隸屬度函數(shù)計(jì)算出符合規(guī)則的灰度值，同時(shí)運(yùn)用模糊數(shù)學(xué)集合對(duì)灰度值調(diào)整后的圖像進(jìn)行降噪處理，實(shí)現(xiàn)對(duì)航拍圖像的灰度值和濾波預(yù)處理：運(yùn)用模糊數(shù)學(xué)自相關(guān)函數(shù)計(jì)算出圖像目標(biāo)的紋理粗糙度，完成圖像的特征提取;建立并比較圖像特征的模糊數(shù)學(xué)模型和特征模糊數(shù)學(xué)集合，智能識(shí)別到圖像目標(biāo)。經(jīng)試驗(yàn)證明，基于模糊數(shù)學(xué)模型的航拍圖像智能識(shí)別方法能準(zhǔn)確的識(shí)別到航拍圖像目標(biāo)。

關(guān)鍵詞：模糊數(shù)學(xué)模型;圖像智能識(shí)別;模糊數(shù)學(xué)集合;隸屬度函數(shù)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）05-0200-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

模糊數(shù)學(xué)模型是建立在集合論的基礎(chǔ)上研究的，其研究領(lǐng)域廣泛，其中包括常見的模糊數(shù)學(xué)集合、模糊數(shù)學(xué)自相關(guān)函數(shù)、隸屬度函數(shù)等，并且其應(yīng)用范圍較廣泛，經(jīng)常用于人工智能、識(shí)別系統(tǒng)等，由于模糊數(shù)學(xué)模型是以不確定性的物體為研究對(duì)象，所以也常用于迷糊識(shí)別、模糊處理，模糊分析等各方面[1]。此次將模糊數(shù)學(xué)模型引入到航拍圖像智能識(shí)別中，提高圖像識(shí)別的精準(zhǔn)度。

1 基于模糊數(shù)學(xué)模型的航拍圖像智能識(shí)別方法

航拍圖像智能識(shí)別屬于模式識(shí)別的一種，其識(shí)別方法與常用的模式識(shí)別方法是相同的，都是在復(fù)雜的背景環(huán)境中有效提取目標(biāo)物體，并做出準(zhǔn)確的識(shí)別判斷。此次將模糊數(shù)學(xué)模型引用到航拍圖像智能識(shí)別中，其識(shí)別過程如圖1所示。首先運(yùn)用模糊集合對(duì)航拍圖像進(jìn)行濾波和分割等預(yù)處理，然后模糊數(shù)學(xué)自相關(guān)函數(shù)對(duì)處理后的航拍圖像進(jìn)行特征提取，最后通過模糊數(shù)學(xué)模型增強(qiáng)航拍圖像分類能力，完成航拍圖像智能識(shí)別。

1.1 航拍圖像預(yù)處理

航拍圖像預(yù)處理包括圖像灰度值變換和濾波處理，此次采用模糊數(shù)學(xué)集合完成航拍圖像預(yù)處理，為后續(xù)圖像特征提取奠定基礎(chǔ)。

航拍圖像灰度值轉(zhuǎn)換是為了擴(kuò)大圖像動(dòng)態(tài)范圍，由于航拍圖像是遠(yuǎn)程拍攝，圖像的分辨率和像素較低，導(dǎo)致圖像特征不是很明顯，通過灰度值轉(zhuǎn)換將原本圖像中較暗和較亮的區(qū)域增強(qiáng)，變得更暗和更亮[2]。運(yùn)用模糊數(shù)據(jù)集合對(duì)航拍圖像灰度值處理，首先根據(jù)圖像特征提取要求制定了以下三個(gè)模糊數(shù)學(xué)規(guī)則：R1：IF 一個(gè)像素是暗的，THEN讓這個(gè)像素更暗;R2：IF-個(gè)像素是灰的，THEN讓這它保持是灰的;R3：IF -個(gè)像素是亮的，THEN讓這個(gè)像素更亮。

由于提出的三條模糊數(shù)學(xué)規(guī)則的IF和THEN都屬于模糊數(shù)學(xué)概念，所以要想實(shí)現(xiàn)這三條規(guī)則需要建立一個(gè)隸屬度函數(shù)來確定模糊數(shù)學(xué)規(guī)則的隸屬度。模糊規(guī)則的隸屬度函數(shù)是根據(jù)模糊數(shù)學(xué)分布確定的，模糊數(shù)學(xué)分布分為偏小型，中間型、偏大型三種類型，偏小型的模糊數(shù)學(xué)分布常表示“年輕”“暗”“小”等模糊數(shù)學(xué)現(xiàn)象;中間型的模糊數(shù)學(xué)分布常表示“中年”“灰”“中”等模糊數(shù)學(xué)現(xiàn)象;偏大型的模糊數(shù)學(xué)分布常表示“老年”“亮”“大”等模糊數(shù)學(xué)現(xiàn)象[3]。所以對(duì)于R1模糊數(shù)學(xué)規(guī)則用偏小型模糊數(shù)學(xué)分布作為隸屬度函數(shù);R2用中間型模糊數(shù)學(xué)分布作為隸屬度函數(shù);R3選用偏大型模糊數(shù)學(xué)分布作為隸屬度函數(shù)，根據(jù)以上分析建立了灰度值三個(gè)模糊規(guī)則隸屬度函數(shù)如下：

公式（1）中，a表示輸入圖像的灰度值，b表示航拍圖像的最小灰度值，c表是圖像最大灰度值，d表示輸出圖像灰度值。根據(jù)隸屬度函數(shù)計(jì)算出三個(gè)模糊數(shù)學(xué)規(guī)則的隸屬度（z1、z2、z3），然后運(yùn)用重心法計(jì)算出航拍圖像灰度值v，其計(jì)算公式如下：

v= z1·z2·z3

（2）

航拍圖像在經(jīng)過灰度值轉(zhuǎn)換后，需要用模糊數(shù)學(xué)集合對(duì)其進(jìn)行濾波處理起到降噪的作用，其過程如下：

假設(shè)航拍圖像的灰度級(jí)為H，其灰度值為（0，1，2…，，H），在圖像中選定一個(gè)降噪的區(qū)域Wn（i，j），然后給定圖像灰度值H-個(gè)模糊數(shù)學(xué)集合（A0，A1 A2，...AH），分別計(jì)算出降噪?yún)^(qū)域內(nèi)灰度值模糊集合的含噪度E，其公式如下：

E（H）=log1/n（ij）（3）

公式（3）中，n為圖像灰度值H模糊集合（A0，A1，A2，，..，，A_{H）的特征值。然后將含噪度最小的相對(duì)應(yīng)的灰度值賦予降噪?yún)^(qū)域的中心像素，讓區(qū)域內(nèi)的噪聲達(dá)到最小，以此類推，完成航拍圖像的濾波處理。}

1.2 航拍圖像特征提取

特征提取是航拍圖像智能識(shí)別過程中關(guān)鍵環(huán)節(jié)，上文航拍圖像預(yù)處理只是通過智能模糊集合將圖像中的目標(biāo)從背景環(huán)境中分離出來，若想要準(zhǔn)確的識(shí)別出圖像目標(biāo)，需要對(duì)圖像中的目標(biāo)進(jìn)行定性和定量分析，提取到圖像的紋理特征[4]。航拍圖像的紋理特征主要通過上文處理的灰度信息的方向、粗糙度等來表示，對(duì)于圖像特征提取的要求是特征突出性高、穩(wěn)定性好。針對(duì)以上提出的要求，此次航拍圖像特征提取選用模糊數(shù)學(xué)自相關(guān)函數(shù)來實(shí)現(xiàn)。航拍圖像的紋理特征就有一定的周期性，這種周期性特征是由于圖像灰度值重復(fù)排列形成的，模糊數(shù)學(xué)自相關(guān)函數(shù)在描述圖像紋理特征時(shí)，呈現(xiàn)函數(shù)值越大，紋理特征越明顯，函數(shù)值越小，紋理特征較弱，通過模糊數(shù)學(xué)自相關(guān)函數(shù)，可以獲得有效的紋理粗糙度特征，以下是模糊數(shù)學(xué)自相關(guān)函數(shù)公式：

公式（4）中，（i，j）為圖像目標(biāo)的中心坐標(biāo)，i、j取值為O-n，g，s表示圖像目標(biāo)的橫坐標(biāo)方向和縱坐標(biāo)方向的移動(dòng)步長[5]。假設(shè)圖像目標(biāo)區(qū)域范圍為2*2，根據(jù)模糊數(shù)學(xué)自相關(guān)函數(shù)，目標(biāo)區(qū)域的平均灰度值為：

A（i，j）=∑r （i，j）×2²

（5）

為了保證提取到的特征信息具有較高的可用性，根據(jù)計(jì)算出圖像目標(biāo)區(qū)域每個(gè)像素點(diǎn)（i，j）灰度值，縮小特征提取區(qū)域內(nèi)的水平和垂直方向的計(jì)算偏差，其公式如下：