基于模糊数学模型的航拍图像智能识别方法
来源:用户上传
作者:陆雨 姚永辉
摘要：针对传统航拍图像智能识别方法目标识别精准度低的问题，提出基于模糊数学模型的航拍图像智能识别方法研究。通过模糊数学集合制定关于图像灰度值的模糊数学规则，运用隶属度函数计算出符合规则的灰度值，同时运用模糊数学集合对灰度值调整后的图像进行降噪处理，实现对航拍图像的灰度值和滤波预处理：运用模糊数学自相关函数计算出图像目标的纹理粗糙度，完成图像的特征提取;建立并比较图像特征的模糊数学模型和特征模糊数学集合，智能识别到图像目标。经试验证明，基于模糊数学模型的航拍图像智能识别方法能准确的识别到航拍图像目标。
关键词：模糊数学模型;图像智能识别;模糊数学集合;隶属度函数
中图分类号：TP391 文献标识码：A
文章编号：1009-3044（2020）05-0200-03
开放科学（资源服务）标识码（OSID）：
模糊数学模型是建立在集合论的基础上研究的，其研究领域广泛，其中包括常见的模糊数学集合、模糊数学自相关函数、隶属度函数等，并且其应用范围较广泛，经常用于人工智能、识别系统等，由于模糊数学模型是以不确定性的物体为研究对象，所以也常用于迷糊识别、模糊处理，模糊分析等各方面[1]。此次将模糊数学模型引入到航拍图像智能识别中，提高图像识别的精准度。
1 基于模糊数学模型的航拍图像智能识别方法
航拍图像智能识别属于模式识别的一种，其识别方法与常用的模式识别方法是相同的，都是在复杂的背景环境中有效提取目标物体，并做出准确的识别判断。此次将模糊数学模型引用到航拍图像智能识别中，其识别过程如图1所示。首先运用模糊集合对航拍图像进行滤波和分割等预处理，然后模糊数学自相关函数对处理后的航拍图像进行特征提取，最后通过模糊数学模型增强航拍图像分类能力，完成航拍图像智能识别。
1.1 航拍图像预处理
航拍图像预处理包括图像灰度值变换和滤波处理，此次采用模糊数学集合完成航拍图像预处理，为后续图像特征提取奠定基础。
航拍图像灰度值转换是为了扩大图像动态范围，由于航拍图像是远程拍摄，图像的分辨率和像素较低，导致图像特征不是很明显，通过灰度值转换将原本图像中较暗和较亮的区域增强，变得更暗和更亮[2]。运用模糊数据集合对航拍图像灰度值处理，首先根据图像特征提取要求制定了以下三个模糊数学规則：R1：IF 一个像素是暗的，THEN让这个像素更暗;R2：IF-个像素是灰的，THEN让这它保持是灰的;R3：IF -个像素是亮的，THEN让这个像素更亮。
由于提出的三条模糊数学规则的IF和THEN都属于模糊数学概念，所以要想实现这三条规则需要建立一个隶属度函数来确定模糊数学规则的隶属度。模糊规则的隶属度函数是根据模糊数学分布确定的，模糊数学分布分为偏小型，中间型、偏大型三种类型，偏小型的模糊数学分布常表示“年轻”“暗”“小”等模糊数学现象;中间型的模糊数学分布常表示“中年”“灰”“中”等模糊数学现象;偏大型的模糊数学分布常表示“老年”“亮”“大”等模糊数学现象[3]。所以对于R1模糊数学规则用偏小型模糊数学分布作为隶属度函数;R2用中间型模糊数学分布作为隶属度函数;R3选用偏大型模糊数学分布作为隶属度函数，根据以上分析建立了灰度值三个模糊规则隶属度函数如下：
公式（1）中，a表示输入图像的灰度值，b表示航拍图像的最小灰度值，c表是图像最大灰度值，d表示输出图像灰度值。根据隶属度函数计算出三个模糊数学规则的隶属度（z1、z2、z3），然后运用重心法计算出航拍图像灰度值v，其计算公式如下：
v= z1·z2·z3
（2）
航拍图像在经过灰度值转换后，需要用模糊数学集合对其进行滤波处理起到降噪的作用，其过程如下：
假设航拍图像的灰度级为H，其灰度值为（0，1，2…，，H），在图像中选定一个降噪的区域Wn（i，j），然后给定图像灰度值H-个模糊数学集合（A0，A1 A2，...AH），分别计算出降噪区域内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为图像灰度值H模糊集合（A0，A1，A2，，..，，AH）的特征值。然后将含噪度最小的相对应的灰度值赋予降噪区域的中心像素，让区域内的噪声达到最小，以此类推，完成航拍图像的滤波处理。
1.2 航拍图像特征提取
特征提取是航拍图像智能识别过程中关键环节，上文航拍图像预处理只是通过智能模糊集合将图像中的目标从背景环境中分离出来，若想要准确的识别出图像目标，需要对图像中的目标进行定性和定量分析，提取到图像的纹理特征[4]。航拍图像的纹理特征主要通过上文处理的灰度信息的方向、粗糙度等来表示，对于图像特征提取的要求是特征突出性高、稳定性好。针对以上提出的要求，此次航拍图像特征提取选用模糊数学自相关函数来实现。航拍图像的纹理特征就有一定的周期性，这种周期性特征是由于图像灰度值重复排列形成的，模糊数学自相关函数在描述图像纹理特征时，呈现函数值越大，纹理特征越明显，函数值越小，纹理特征较弱，通过模糊数学自相关函数，可以获得有效的纹理粗糙度特征，以下是模糊数学自相关函数公式：
公式（4）中，（i，j）为图像目标的中心坐标，i、j取值为O-n，g，s表示图像目标的横坐标方向和纵坐标方向的移动步长[5]。假设图像目标区域范围为2*2，根据模糊数学自相关函数，目标区域的平均灰度值为：
A（i，j）=∑r （i，j）×22
（5）
为了保证提取到的特征信息具有较高的可用性，根据计算出图像目标区域每个像素点（i，j）灰度值，缩小特征提取区域内的水平和垂直方向的计算偏差，其公式如下： （g，s）=I r（i，j） -r （g，s）l
（6）
在经过减小偏差计算后，计算出模糊数学自相关值r最小时的图像粗糙度，其数学表达式为：
公式（7）中A为图像平均灰度值，公共以上计算出航拍图像粗糙度最大值，提取到满足要求的图像目标特征。下图为模糊数学自相关函数提取航拍图像特性流程图。
1.3 航拍图像目标模糊分类识别
完成航拍图像预处理和特征提取后，进入到航拍图像智能识别最关键的一步，以前都是采用智能神经网络和BP算法实现航拍图像的智能识别，但是这种方法识别误差较大，识别距离较短，并且识别过程较复杂，此次采用目标模糊分类识别方法，该方法是模糊数学模型中最重要的组成部分，相比之前模糊数学集合和模糊数学自相关函数，模糊分类识别应用范围更广，并且是将两者包含其中，其识别过程如下：
第一步：在模糊数学自相关函数提取到的图像特征中选取特征因子，构建一个图像特征集合。航拍图像特征是通过图像纹理粗糙度展现的，构建的图像特征因子集合为：
X=Fl，F2，…，Fn
（8）
第二步：建立图像特征隶属函数，形成特征模糊数学集合。图像特征模糊数学集合的关键在于隶属函数的确定，根据上文提出的隶属函数建立与模糊数学分布的关系，图像特征因子属于“强”的模糊数学表现，所以此次建立的隶属函数类型是偏大型，用K表示，则特征模糊数学集合为：
K=∑X（F1，F2…，，Fn）
（9）
第三步：运用贴近度原则对识别的图像目标进行判断，实现目标识别。设Zj（j∈1，2....，i）为图像目标区域内各个特征向量的模糊子集，如果存在：
（zj，K）= max （Xsub>j，ksub>j）
（10）
则可以判定模糊区域内特征向量模糊子集Zsub>j与以前提取到的特征模糊数学集合K最为接近，即认为Zsub>j属于K模糊数学模型，此时智能识别到航拍图像目标。
2 实验
为了验证此次设计的基于模糊数学模型的航拍图像智能识别方法的有效性，运用该方法与原有方法进行一组对比实验，检验基于模糊数学模型的航拍图像智能识别精准度。
2.1 实验设计
此次实验选取不同天气、不同距离、不同拍摄角度下的航拍图像作为实验数据。此次实验的图像目标为轮船，航道与轮船停？白的距离在3000米内，并且在航道上共存在400艘轮船，运用此次设计的方法和原有航拍图像智能识别方法进行轮船识别。为了保证此次实验结果的有效性，两种识别方法在CPU为2.36Ghz、内存为16GB的计算机上实现，并且针对航拍图像的特征提取和处理，时间限定在5分钟内，对比两种航拍图像智能识别方法的准确度。
2.2 实验结果
将基于模糊数学模型的航拍图像智能识别方法用方法1表示，将原有图像识别方法用方法2表示，下图为此次实验两种方法识别结果精准度情况。
从上图可以明显看出，基于模糊数学模型的航拍图像智能识别方法识别结果的准确度随着识别次数的增加呈上升趋势，并且识别图像目标不受拍摄天气、拍摄角度、拍摄距离所影响，评价识别精准度平均在85%以上;而原有的航拍图像智能识别方法随着识别次数的增多，其精准度呈下降趋势，并且识别精准度平均值在75%左右，远远落后于此次设计的方法。实验结果说明基于模糊数学模型的航拍图像智能识别方法能够精准地识别到图像目标，并且不受其他因素影响。
3 结束语
模糊数学模型为航拍图像智能识别提供了一个良好的方法，为航拍图像预处理、特征提起、智能识别给予了精准的计算能力，增快的图像处理速度，同时也提高了识别精准度，发挥了模糊數学模型的理论价值，很好的验证了模糊数学模型在图像识别研究中的重要性。
参考文献：
[1]荆天.基于模糊数学模型的舰船红外成像目标智能识别方法[J].舰船科学技术，2019，41（4）：181-183.
[2]程海燕，翟永杰，陈瑞.基于Faster R-CNN的航拍图像中绝缘子识别[J].现代电子技术，2019，42（2）：98-102.
[3]易盟，隋立春.基于改进全卷积神经网络的航拍图像语义分类方法[J].计算机工程，2017，43（10）：216-221.
[4]戚银城，赵振兵，杜丽群，等.基于VGGNet和标签分布学习的航拍目标分类方法[J].电力建设，2018，39（2）：109-115.
[5]翟永杰，李海森，吴童桐，等.基于改进区域候选网络的航拍图像中绝缘子目标识别方法[J].浙江电力，2018，37（12）：74-81.
【通联编辑：张薇】
收稿日期：2019-10-25
作者简介：陆雨（1993-），男，河南驻马店人，硕士研究生，助教，研究方向为运筹学与控制论。
转载注明来源:https://www.xzbu.com/8/view-15180442.htm
