遥感测绘图像特征智能识别技术

遥感测绘图像特征智能识别技术

揭志平

身份证号码360622198502120037

摘要：随着科技的进步，智能识别技术的应用越来越广泛。为提高遥感测绘图像特征智能识别的平均识别率，研究一种遥感测绘图像特征智能识别技术。首先采用Malcov随机场模型描述纹理特征，选取有代表性的特征提取图像特征点，对特征向量进行降序，得到一个全新的特征向量集合，然后对特征向量进行归一化，提出一种基于大数据集域的快速自适应图像特征计算识别方法，实现智能系统对遥感测绘图像特征识别。

关键词：遥感测绘图像；特征智能；识别技术

引言

利用遥感测绘技术获取遥感测绘图像，在地质勘察、交通规划等领域发挥重要作用。然而由于分辨率或气象等因素，导致遥感测绘图像的清晰度大多达不到要求，因此需要研究一种能够将其进行细节增强的方法。

1遥感测绘图像融合概述

测绘图像融合简单的来说就是不同数据之间的相互融合，不同遥感数据之间的融合方式也会有所不同，然而多源遥感数据融合可以通过多种传感器获取不同的信息数据处理之后，严格依照规定的算法对这些图像当中蕴含的信息进行有效的获取和融合，新数据也就是在这个基础之上建立起来的，这样能够保证对同一事物进行更加客观和本质的了解，而且还能够让图像内部的信息含量进行大幅度的提高，图像能够在提取、分类等各项工作当中取得更好的效果，对后期各项工作的正常进行起到一定的促进作用。通过实际的调查发现，现阶段数据抽象可以分为三个层次，数据抽象经过融合之后可以分为像素级融合、特征级融合和决策级融合三个。首先，像素级融合简单的来说就是指图像经过配准之后将各个像素点进行有效的融合，在通常的情况下，融合之后得到的结果是一副信息含量较大且比较丰富的图像信息，对之后的图像分析和理解工作来说奠定良好的基础。这种融合方式对传感器的要求比较高，收集到的信息含量较多，自身具备的精度也比较高。其次，特征级融合就是对一些经过配准之后的数据进行特征提取工作，在关联处理之后能够保证传感器获取到的特征向量是来自一个目标的，之后在对这些特征向量进行融合可以对图像信息进行分类和识别工作。这种融合方式能够对信息进行有效的压缩，工作人员可以依据实际情况对信息进行实时的处理。最后，决策级融合是各个传感器能够对配准的数据进行识别，结合分析得到的结果对不同的图像进行科学分类，从而得到的层态势评估程度也是比较高的，该方式有着较好的容错性和开放性，短时间内可以对信息进行有效的处理。

2遥感测绘图像特征智能识别技术

2.1遥感测绘图像变化信息获取

整个遥感测绘图像预处理中最重要的问题就是解决变化信息的获取问题。一般情况下，在整个变化测算检测中也会涉及到变化信息的获取问题。要在整个变化检测中提取出所需要的变化特征量，所需要的特征量一般都包含光的组成结构和光线变化特征；在获取光线变化特征时，有一部分数据可以直接进行分析，分析得到的结果称为可预料性变化特征；而另一部分数据则不能直接进行分析，要和辅助数据相结合在进行推算。比如，在监测目标图像变化层次时，要根据目标监测模型的功能数据来推算，这种变化特征就称为不可预料的变化特征。对变化信息进一步分析检测就可以得到直观的变化特征，从而实现变化检测。一般在对图像进行检测时都会采用图像植入法，图像植入法是适用范围最广的，操作最简单，最容易让人理解的图像检测方法。它的基本操作原理就是把两幅在不同时间做出的不同图画进行图像对比，值得注意的是，因为图像都具有灰度值，所以一定要减去。就目前的情况来看，可以知道图像差点法的理论比其他的方法更加简单，同时也可以实现快速操作，但是其只能检测到在固定区域发生的变化，不能进一步了解变化的特征性质等。为了进一步了解掌握变化的性质，就要以图像差点法为基础再结合其他方法对图像进行检测分析从而得到图像的变化性质。但是，图像的变化性质会根据光线的变化而产生变化，因此，应根据实际情况选择相应的变量。图像结果代表两幅图像的变化，图像差点法适用范围也很广，可以用于单变量图像差点，也可以用于n个变量图像差点。

2.2图像细节增强

为了对比四种图像细节增强方法的效果，将四种方法分别应用于四类初始图像中，在滤波器的作用下对这四类图像进行处理，并得到遥感测绘图像增强处理结果。通过遥感测绘图像增强处理效果，引导滤波自适应图像增强方法在处理遥感影像时经常会出现图像整体模糊的情况，这是因为图像在增强过程中细节区域相对平滑，难以清晰区分图像单位像素之间的边界；基于NSST多尺度自适应图像增强方法则是因为对比度较小导致成图的色彩过于简单，难以区分不同色块之间边界的问题；基于细节特征融合的图像增强方法大多颜色较深，对细节的处理能力较强，但是其在阴影区域或深色色块区域的色彩区分效果较差，如林地遥感测绘图像左边深色阴影区域内，细节特征融合方法就没有对其进行有效的细节增强；基于迁移学习的图像增强方法则有效地避免了上述问题，在色彩平滑区域以及深色阴影部分均做出了鲜明的对比，使四幅图像中模糊的区域变得清晰。基于以上实验结果可知，本文基于迁移学习的遥感测绘图像细节增强方法较其他细节增强算法更优越，以此方法得到的图像效果更清晰。

2.3遥感测绘图像特征识别模型构建

遥感图像特征提取后，为保证识别结果的正确率和识别率，还需对特征进行标准化处理。所提取的遥感图像特征均假定特征包含像素，对特征向量进行归一化之前，对特征向量进行降序，得到一个全新的特征向量集合。随后，每个元素的特征值被设置为一个规格化的特征序列，表达式如下：

（1）

式(1)中，ai表示为第i个像素点带有的特征性质；x表示像素点的总数，f(ai)以特征性质为基础的层次函数。在进行实际计算时，当有多个特征性质层次函数时，都要把特征层次函数的值进行整理，以便求出序列的均值。通过对图像特征进行归一化处理，根据在识别图像特征时出现的不连续、模糊等问题，采用了一种新的以大数据为基础的智能图像特征识别推理演算方法，从而保证检测到的图像特征信息具有良好的清晰度和完整性。图1是整个流程的示意图。

图1图像特征智能识别流程

当进行智能识别时，不同像素的可选范围只能是一组4邻域和8邻域的集合。用下列公式表示：

（2）

式(2)中，(t)代表经过t次循环计算得到的(m,n)信息素含量各不相同的像素点，进行多次循环计算之后，要把像素点按照信息素含量的多少排列起来；ηmn代表具有初始爆发性的信息，在本文的公式中把ηmn作为像素点(m,n)灰色梯度值，Gk表示k特征计算公式得到的整个数据表格，大数据表格的作用就是把所有像素节点罗列出来，防止在进行计算时采用到相同的像素节点；α代表在进行像素数据转换计算时用于表示像素残留量的影响参数。至此，通过上述过程完成图像特征的识别。

结语

遥感测绘图像融合技术对于我国各领域的发展来说有着十分重要的影响，为了能够让该技术的效果可以在实际的运用过程当中充分的发挥出来，相关企业和单位首先要结合实际的情况进行分析，根据不同的情况而采用不同的遥感测绘图像融合技术，并且在运用的过程当中还要对其进行不断的改进和完善，对企业的发展起到一定的促进作用。

参考文献

[1]郑战辉,朱述龙,许敏,朱宝山.图像融合在遥感中的应用[J].海洋测绘,2020(02):10-14.

[2]王保国,苏小霞,吴连喜.遥感图像融合效果评价方法的探讨[J].江西测绘,2021(01):35-37.

[3]瞿战伟.基于改进经验模式分解的遥感图像融合[D].浙江工商大学,2021.