薛 薇，張 鋒，凡 靜，王 博，李 娜

(1.西安交通大學(xué)城市學(xué)院 計(jì)算機(jī)系，西安 710018；2.西安交通大學(xué) 電氣學(xué)院，西安 710049)

0 引言

邊緣檢測(cè)是計(jì)算機(jī)視覺與圖像處理的交叉研究問題，其目的在于對(duì)數(shù)字圖像中亮度發(fā)生明顯變化的節(jié)點(diǎn)對(duì)象進(jìn)行標(biāo)注。一般來說，數(shù)字節(jié)點(diǎn)表現(xiàn)出的顯著變化行為能夠反映出圖像屬性的變化規(guī)律，且對(duì)于變化規(guī)律的定義并不局限于連續(xù)性、非連續(xù)性、場景變化等某一特定方向[1]。RBF神經(jīng)網(wǎng)絡(luò)中文全稱為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，常保持三層前饋型連接模式，既可以用于對(duì)數(shù)據(jù)樣本進(jìn)行分類，也可以對(duì)函數(shù)表達(dá)式的取值結(jié)果進(jìn)行逼近處理。相較于其他類型的人工神經(jīng)網(wǎng)絡(luò)體系，RBF神經(jīng)網(wǎng)絡(luò)的連接結(jié)構(gòu)更加簡單，能夠在快速學(xué)習(xí)數(shù)據(jù)信息的同時(shí)，提升網(wǎng)絡(luò)體系的泛化運(yùn)行能力[2]。從某種程度來說，邊緣檢測(cè)思想與RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)原則具有相似性，將二者結(jié)合能夠精準(zhǔn)提取目標(biāo)對(duì)象中的隱藏信息，且在選擇目標(biāo)對(duì)象時(shí)，并不設(shè)置明確的取樣條件。

遙感影像由衛(wèi)星相片、航空像片兩部分組成，特指能夠記錄地物電磁波水平的照片與膠片。能供計(jì)算機(jī)元件直接處理的遙感圖像一定是數(shù)字圖像，而通過攝影方式所獲取的圖像大多為模擬狀態(tài)，因此在錄入圖像信息時(shí)，需借助掃描儀等設(shè)備對(duì)其進(jìn)行模/數(shù)轉(zhuǎn)換處理。為了提升遙感影像的分辨率，相關(guān)學(xué)者紛紛對(duì)遙感圖像處理方法做出了研究。文獻(xiàn)[3]提出少樣本條件下基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像數(shù)據(jù)增強(qiáng)處理方法，通過全局決策的方式，對(duì)幀節(jié)點(diǎn)對(duì)象特征進(jìn)行識(shí)別，再借助訓(xùn)練集單位，實(shí)施對(duì)目標(biāo)信息的融合與檢測(cè)處理。文獻(xiàn)[4]提出基于偏好型支持向量機(jī)的遙感圖像云檢測(cè)技術(shù)，從灰度特征與紋理特征的角度著手，對(duì)遙感圖像的幀特征信息進(jìn)行識(shí)別，可以通過偏好訓(xùn)練的方式，確定節(jié)點(diǎn)對(duì)象所處位置，并實(shí)施針對(duì)性識(shí)別與處理。然而上述兩種方法的應(yīng)用并不足以解決分辨率超限的問題，因此達(dá)不到100%精準(zhǔn)識(shí)別的目標(biāo)。針對(duì)上述問題，設(shè)計(jì)基于邊緣檢測(cè)及RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像幀特征動(dòng)態(tài)識(shí)別方法。

1 遙感圖像邊緣檢測(cè)

遙感圖像邊緣檢測(cè)的實(shí)現(xiàn)，需要根據(jù)微分算子取值，求解OTSU閾值，從而對(duì)邊緣節(jié)點(diǎn)追蹤參數(shù)進(jìn)行精準(zhǔn)計(jì)算，本章節(jié)將針對(duì)上述內(nèi)容展開深入研究。

1.1 微分算子

微分算子從微分思想的角度，對(duì)遙感圖像中幀特征參量的梯度水平進(jìn)行描述，如果所采集到遙感圖像具有數(shù)字圖像的表現(xiàn)特征，那么只要保障微分算子求解結(jié)果按照灰度變化梯度規(guī)則進(jìn)行排序，就可以實(shí)現(xiàn)對(duì)遙感圖像幀特征對(duì)象的精準(zhǔn)識(shí)別[5-6]。對(duì)于微分算子的求解需要以導(dǎo)向量系數(shù)為基礎(chǔ)，具體計(jì)算式如下：

(1)

所謂微分就是指無限縮小，在識(shí)別遙感圖像幀特征時(shí)，只有確保對(duì)象樣本的取樣空間足夠小，才能夠避免既定特征參量在單一識(shí)別區(qū)間內(nèi)頻繁出現(xiàn)，因此對(duì)于微分算子的計(jì)算，還要保障幀特征參量的取值空間小于數(shù)字化圖像的最小分辨率條件[7]。設(shè)i1、i2表示兩個(gè)隨機(jī)選取的微分取樣參數(shù)，且i1≠i2的不等式條件恒成立，δ表示幀特征對(duì)象在單一樣本空間內(nèi)的取樣標(biāo)準(zhǔn)值，I表示遙感圖像的幀特征定義結(jié)果，e、u表示兩個(gè)不相等的幀特征對(duì)象梯度參數(shù)，聯(lián)立式(1)，可將遙感圖像微分算子表達(dá)式定義為：

(2)

如果幀特征對(duì)象不存在于遙感圖像邊緣區(qū)域之內(nèi)，那么微分算子的取值將與數(shù)字圖像的灰度水平無關(guān)，故而為使微分算子表達(dá)式影響遙感圖像的邊緣檢測(cè)結(jié)果，只能在同一邊緣區(qū)域內(nèi)對(duì)幀特征對(duì)象進(jìn)行取樣。

1.2 OTSU閾值

OTSU閾值就是在數(shù)據(jù)樣本保持最大類間距情況下求解所得的方差結(jié)果，在識(shí)別遙感圖像幀特征參數(shù)時(shí)，對(duì)于該項(xiàng)物理指標(biāo)的求解，不要求數(shù)據(jù)樣本的取值來源于同一個(gè)數(shù)值區(qū)間，所以即便是在邊緣檢測(cè)區(qū)域內(nèi)，運(yùn)算主機(jī)也可以根據(jù)OTSU閾值的取值結(jié)果，判斷幀特征對(duì)象的數(shù)值變化情況[8-9]。由于微分算子只能反映出遙感圖像的灰度變化規(guī)則，沒有在非邊界與非統(tǒng)一背景的情況下對(duì)幀特征參數(shù)的方差結(jié)果進(jìn)行要求，所以在求解OTSU閾值時(shí)，還要將幀特征參數(shù)在非邊界與非統(tǒng)一背景情況下的取值結(jié)果考慮在內(nèi)。

非邊界情況下的幀特征參數(shù)取值條件：

(3)

非統(tǒng)一背景情況下的幀特征參數(shù)取值條件：

(4)

聯(lián)立式(2)～(4)，推導(dǎo)OTSU閾值定義式如下：

(5)

式中，ΔQ表示邊緣檢測(cè)區(qū)域內(nèi)遙感圖像幀特征數(shù)據(jù)的取值總量，φ表示方差統(tǒng)計(jì)參數(shù)。OTSU閾值等于零表示實(shí)施遙感圖像邊緣檢測(cè)的過程中，主機(jī)元件可以對(duì)幀特征參數(shù)進(jìn)行無差別識(shí)別。

1.3 邊緣節(jié)點(diǎn)追蹤參數(shù)

節(jié)點(diǎn)追蹤是一種動(dòng)態(tài)搜索思想，對(duì)于遙感圖像邊緣區(qū)域的檢測(cè)，采用節(jié)點(diǎn)追蹤的方式對(duì)幀特征參量進(jìn)行動(dòng)態(tài)識(shí)別，既可以避免數(shù)據(jù)樣本出現(xiàn)相互覆蓋的情況，也能夠?qū)崿F(xiàn)對(duì)某一個(gè)或某一類樣本對(duì)象的精準(zhǔn)識(shí)別[10-11]。對(duì)于邊緣節(jié)點(diǎn)追蹤參數(shù)的計(jì)算涉及對(duì)幀特征參量覆蓋率、數(shù)據(jù)樣本利用價(jià)值的求解，具體計(jì)算式如下：

(6)

遙感圖像邊緣檢測(cè)還要求數(shù)據(jù)樣本取值的唯一性，因此在求解邊緣節(jié)點(diǎn)追蹤參數(shù)時(shí)，還要求幀特征參量覆蓋率、數(shù)據(jù)樣本利用價(jià)值的取值必須屬于同一個(gè)樣本區(qū)間[12]。設(shè)λ表示遙感圖像幀特征參量在單位檢測(cè)區(qū)域內(nèi)的動(dòng)態(tài)匹配系數(shù)，s表示實(shí)時(shí)追蹤向量，D表示單位時(shí)間內(nèi)的幀特征對(duì)象檢測(cè)總量，聯(lián)立式(6)，可將邊緣節(jié)點(diǎn)追蹤參數(shù)計(jì)算結(jié)果表示為：

(7)

為在同一邊緣區(qū)域內(nèi)完成對(duì)遙感圖像幀特征參量的取值，要求γ≠0、W≠0的不等式取值條件同時(shí)成立。

2 RBF神經(jīng)網(wǎng)絡(luò)識(shí)別模型

2.1 RBF神經(jīng)網(wǎng)絡(luò)機(jī)制

RBF神經(jīng)網(wǎng)絡(luò)機(jī)制是一個(gè)集成的數(shù)據(jù)處理結(jié)構(gòu)，能夠借助神經(jīng)網(wǎng)絡(luò)終端將已輸入的遙感圖像幀特征樣本改寫成指令執(zhí)行文件，從而得到多樣化的動(dòng)態(tài)識(shí)別結(jié)果，以便于網(wǎng)絡(luò)主機(jī)在實(shí)施邊緣檢測(cè)的過程中，能夠較好解決分辨率超限的問題[13]。遙感圖像分辨率超限是一個(gè)普遍存在的問題，對(duì)于網(wǎng)絡(luò)主機(jī)而言，其在完成邊緣檢測(cè)時(shí)，如果能夠利用RBF神經(jīng)網(wǎng)絡(luò)機(jī)制提取大量的幀特征參量，就可以在長、寬、高3個(gè)方向上對(duì)圖像幀特征對(duì)象模型進(jìn)行模擬，從而在精準(zhǔn)識(shí)別特征參量的同時(shí)，控制分辨率指標(biāo)的波動(dòng)變化行為[14]。RBF神經(jīng)網(wǎng)絡(luò)機(jī)制的具體作用原理如圖1所示。

圖1 RBF神經(jīng)網(wǎng)絡(luò)機(jī)制的作用原理

規(guī)定dmin表示遙感圖像幀特征對(duì)象建模參數(shù)的最小取值，dmax表示建模參數(shù)的最大取值，且二者屬于遙感圖像的同一邊緣檢測(cè)區(qū)域，ι表示圖像幀特征參量的神經(jīng)性表達(dá)參數(shù)。在上述物理量的支持下，聯(lián)立式(7)，推導(dǎo)RBF神經(jīng)網(wǎng)絡(luò)機(jī)制作用表達(dá)式如式(8)所示。

(8)

神經(jīng)網(wǎng)絡(luò)終端不具備過濾數(shù)據(jù)樣本信息的能力，所以網(wǎng)絡(luò)主機(jī)在錄入遙感圖像幀特征樣本時(shí)，必須過濾數(shù)據(jù)參量中的不合理信息。

2.2 神經(jīng)性激活函數(shù)

激活函數(shù)在改變RBF神經(jīng)網(wǎng)絡(luò)中遙感圖像幀特征參量的數(shù)學(xué)關(guān)系方面起到了關(guān)鍵影響作用。加入激活函數(shù)之前，前一神經(jīng)網(wǎng)絡(luò)階層中遙感圖像幀特征參量的取值直接影響后一網(wǎng)絡(luò)階層中特征參量的數(shù)值表達(dá)結(jié)果，所以圖像幀特征參量在RBF神經(jīng)網(wǎng)絡(luò)機(jī)制中總是呈現(xiàn)相對(duì)混亂的表現(xiàn)狀態(tài)[15-16]。加入激活函數(shù)之后，前一神經(jīng)網(wǎng)絡(luò)階層中遙感圖像幀特征參量被激活函數(shù)進(jìn)行了映射定義，因此后一網(wǎng)絡(luò)階層中特征參量指標(biāo)的取值總是呈現(xiàn)非線性狀態(tài)，從某種程度來說，神經(jīng)性激活函數(shù)具有非線性表達(dá)能力。設(shè)g表示前一神經(jīng)網(wǎng)絡(luò)階層中遙感圖像幀特征參量的函數(shù)賦值結(jié)果，f表示后一網(wǎng)絡(luò)階層中遙感圖像幀特征參量的函數(shù)賦值結(jié)果，η表示圖像幀特征參量在RBF神經(jīng)網(wǎng)絡(luò)中的傳輸效率，κ表示基于RBF神經(jīng)網(wǎng)絡(luò)機(jī)制的函數(shù)激活參數(shù)，聯(lián)立式(8)，推導(dǎo)神經(jīng)性激活函數(shù)表達(dá)式如下：

(9)

RBF神經(jīng)網(wǎng)絡(luò)識(shí)別模型的構(gòu)建除了影響網(wǎng)絡(luò)主機(jī)對(duì)于遙感圖像幀特征參量的邊緣檢測(cè)結(jié)果，還決定了樣本參數(shù)的實(shí)際取值結(jié)果能否適應(yīng)幀特征參量的動(dòng)態(tài)識(shí)別條件。

3 遙感圖像幀特征的動(dòng)態(tài)識(shí)別

在邊緣檢測(cè)與RBF神經(jīng)網(wǎng)絡(luò)模型的作用下，為實(shí)現(xiàn)對(duì)遙感圖像幀特征的動(dòng)態(tài)識(shí)別，還應(yīng)根據(jù)幀特征分割條件，確定超像素指標(biāo)的取值范圍，并聯(lián)合動(dòng)態(tài)合并條件，計(jì)算并行識(shí)別參量的具體數(shù)值結(jié)果。

3.1 幀特征分割

神經(jīng)網(wǎng)絡(luò)主機(jī)對(duì)于遙感圖像幀特征的分割遵循如下處理流程：幀特征參量在網(wǎng)絡(luò)體系中保持動(dòng)態(tài)分布的排列形式，對(duì)于RBF神經(jīng)網(wǎng)絡(luò)模型而言，這種數(shù)據(jù)樣本 分布方式便于邊緣檢測(cè)算法的實(shí)施，能夠在保持幀特征參量樣本特性的同時(shí)，使網(wǎng)絡(luò)主機(jī)能夠?qū)ζ溥M(jìn)行精準(zhǔn)識(shí)別[17-18]。為避免分辨率超限問題的發(fā)生，神經(jīng)網(wǎng)絡(luò)主機(jī)在分割幀特征參量時(shí)還要遵循按需提取原則，且單一識(shí)別指令的執(zhí)行只能得到幀特征參量的預(yù)分割處理結(jié)果。具體的分割處理執(zhí)行步驟如圖2所示。

圖2 遙感圖像的幀特征分割步驟

聯(lián)立式(9)所示的神經(jīng)性激活函數(shù)，可將遙感圖像的幀特征分割表達(dá)式定義為：

(10)

3.2 超像素指標(biāo)

(11)

由于RBF神經(jīng)網(wǎng)絡(luò)在識(shí)別遙感圖像幀特征時(shí)，只在邊緣區(qū)域內(nèi)對(duì)數(shù)據(jù)樣本進(jìn)行檢測(cè)，所以為避免全局提取事件的發(fā)生，應(yīng)在求解超像素指標(biāo)之前，計(jì)算邊緣區(qū)域內(nèi)幀特征參量平均值的取值范圍。

3.3 動(dòng)態(tài)合并條件

(12)

3.4 并行識(shí)別參量

(13)

RBF神經(jīng)網(wǎng)絡(luò)對(duì)于遙感圖像幀特征參量的邊緣檢測(cè)，不會(huì)對(duì)數(shù)據(jù)樣本進(jìn)行重復(fù)取樣，因此網(wǎng)絡(luò)主機(jī)運(yùn)行所得到的幀特征參量動(dòng)態(tài)識(shí)別結(jié)果具有唯一性。

4 實(shí)例分析

4.1 實(shí)驗(yàn)流程

為驗(yàn)證上文所設(shè)計(jì)識(shí)別方法的應(yīng)用能力，設(shè)計(jì)如下對(duì)比實(shí)驗(yàn)。

1)在圖1所示遙感圖像中，提取一個(gè)面積為3 000 μm× 3 000 μm的像素區(qū)域作為實(shí)驗(yàn)用幀特征樣本參量；

2)利用基于邊緣檢測(cè)及RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像幀特征動(dòng)態(tài)識(shí)別技術(shù)，對(duì)所選實(shí)驗(yàn)區(qū)域內(nèi)的幀特征樣本進(jìn)行識(shí)別，所得實(shí)驗(yàn)結(jié)果記為實(shí)驗(yàn)組變量；

3)利用少樣本條件下基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像數(shù)據(jù)增強(qiáng)處理方法，對(duì)所選實(shí)驗(yàn)區(qū)域內(nèi)的幀特征樣本進(jìn)行識(shí)別，所得實(shí)驗(yàn)結(jié)果記為A對(duì)照組變量；

4)利用基于偏好型支持向量機(jī)的遙感圖像云檢測(cè)技術(shù)對(duì)所選實(shí)驗(yàn)區(qū)域內(nèi)的幀特征樣本進(jìn)行識(shí)別，所得實(shí)驗(yàn)結(jié)果記為B對(duì)照組變量；

5)統(tǒng)計(jì)所得變量數(shù)據(jù)，總結(jié)實(shí)驗(yàn)規(guī)律；

圖3 遙感圖像的幀特征樣本提取

完成像素區(qū)域提取后，應(yīng)對(duì)其進(jìn)行無誤差復(fù)制，以確保實(shí)驗(yàn)組、對(duì)照組所需識(shí)別的幀特征樣本參量保持一致。

4.2 參數(shù)描述

分辨率超限是影響網(wǎng)絡(luò)主機(jī)對(duì)于遙感圖像識(shí)別能力的主要因素。在既定像素區(qū)域內(nèi)，主機(jī)元件分別從長、寬、高3個(gè)方向?qū)b感圖像進(jìn)行識(shí)別，且3個(gè)方向上對(duì)于幀特征對(duì)象的識(shí)別精度都會(huì)影響分辨率超限問題的表現(xiàn)程度。由于分辨率超限是一種普遍存在的圖像識(shí)別問題，所以只有在識(shí)別精度保持為100%的情況下(完全精準(zhǔn)識(shí)別)，才能夠避免該問題的出現(xiàn)。

圖4反映了本次實(shí)驗(yàn)過程中所定義的坐標(biāo)軸方向及長、寬、高3個(gè)方向上對(duì)于幀特征對(duì)象的選取。

圖4 識(shí)別方向定義

由于所選像素區(qū)域?yàn)檎叫危規(guī)卣鲗?duì)象保持均勻分布狀態(tài)，所以在識(shí)別過程中，每一方向上幀特征對(duì)象的取樣長度都完全相等。

4.3 數(shù)據(jù)解析

每隔500 μm設(shè)置一個(gè)取樣點(diǎn)，在包含兩端零點(diǎn)的情況下，每一方向上設(shè)置7個(gè)取樣點(diǎn)。由于實(shí)驗(yàn)過程中不會(huì)出現(xiàn)幀特征參量相互覆蓋的情況，所以只需確定每一取樣點(diǎn)處主機(jī)元件對(duì)于幀特征參量的識(shí)別位置是否與其真實(shí)位置保持一致，就可以判斷出所選用方法對(duì)遙感圖像幀特征參量的識(shí)別能力。

表1記錄了主機(jī)元件對(duì)幀特征參量的具體識(shí)別結(jié)果。

分析表1可知，在整個(gè)實(shí)驗(yàn)過程中，實(shí)驗(yàn)組方法作用下，長、寬、高3個(gè)方向上遙感圖像幀特征參量識(shí)別結(jié)果均與真實(shí)情況保持一致；A對(duì)照組方法作用下，第1、第2號(hào)取樣點(diǎn)在長、寬、高3個(gè)方向上的遙感圖像幀特征參量識(shí)別結(jié)果與真實(shí)情況保持一致，從第3個(gè)取樣點(diǎn)開始，識(shí)別結(jié)果與真實(shí)情況出現(xiàn)了偏差；B對(duì)照組方法作用下，第1、第2、第3號(hào)取樣點(diǎn)在長、寬、高3個(gè)方向上的遙感圖像幀特征參量識(shí)別結(jié)果與真實(shí)情況保持一致，從第4個(gè)取樣點(diǎn)開始，識(shí)別結(jié)果與真實(shí)情況出現(xiàn)了偏差。

表1 遙感圖像幀特征參量識(shí)別結(jié)果(單位:μm)

由于本次實(shí)驗(yàn)所選像素區(qū)域面積有限，所以在第7個(gè)取樣點(diǎn)處，實(shí)驗(yàn)識(shí)別結(jié)果剛好等于或大于真實(shí)情況，識(shí)別結(jié)果都會(huì)與真實(shí)情況相等，因此第7個(gè)取樣點(diǎn)處識(shí)別結(jié)果的參考價(jià)值相對(duì)較小。

綜上可知：少樣本條件下基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像數(shù)據(jù)增強(qiáng)處理方法、基于偏好型支持向量機(jī)的遙感圖像云檢測(cè)技術(shù)的應(yīng)用，并不能保證長、寬、高3個(gè)方向的遙感圖像識(shí)別結(jié)果均與真實(shí)情況保持一致，故而其對(duì)于分辨率超限問題的解決能力也就相對(duì)有限；基于邊緣檢測(cè)及RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像幀特征動(dòng)態(tài)識(shí)別技術(shù)的應(yīng)用，在長、寬、高3個(gè)方向上都可以實(shí)現(xiàn)對(duì)遙感圖像的精準(zhǔn)識(shí)別，這就表示該方法能夠有效解決分辨率超限問題，符合精準(zhǔn)識(shí)別遙感圖像特征的實(shí)際應(yīng)用需求。

5 結(jié)束語

遙感圖像幀特征動(dòng)態(tài)識(shí)別技術(shù)對(duì)于數(shù)據(jù)樣本參量的識(shí)別借助RBF神經(jīng)網(wǎng)絡(luò)，并可以根據(jù)邊緣檢測(cè)結(jié)果，對(duì)微分算子與OTSU閾值進(jìn)行計(jì)算，由于神經(jīng)性激活函數(shù)可以同時(shí)約束幀特征分割表達(dá)式與超像素指標(biāo)求解結(jié)果，所以邊緣節(jié)點(diǎn)追蹤參數(shù)始終與并行識(shí)別參量保持?jǐn)?shù)值匹配關(guān)系。相較于其他類型的識(shí)別應(yīng)用技術(shù)，這種新型算法的應(yīng)用，在長、寬、高3個(gè)方向上都實(shí)現(xiàn)了對(duì)遙感圖像幀特征對(duì)象的100%精準(zhǔn)識(shí)別，分辨率超限問題能夠得到較好解決，在實(shí)用性方面具有突出作用價(jià)值。