基于灰色系统理论的遥感图像处理方式探析

 遥感图像处理是通过一定技术对遥感图像进行图像分类、特征提取、图像专题处理、图像镶嵌、投影变形、图像整饰、几何纠正、辐射校正以及各种专题处理的方法[1]。当前，灰色系统理论在遥感图像处理方面得到了一定的应用。灰色系统理论自问世以来，已成功应用在经济管理、工程控制、农业、社会等众多领域，被相关人士称为最具重大价值和发展前景的自然科学学科之一[2]。灰色系统理论与分形、神经网络、粗糙集理论、模糊数学等新方法、新理论一样，有着明显的应用特点及优势，在学术界得到了肯定。
1 遥感图像处理简介
遥感图像处理分为数字和光学两种方法，其主要内容包括：图像恢复、数据压缩、影像增强、信息提取[3]。图像恢复是对传输、记录、成像过程或者回放中的数据畸变、噪声和错误进行恢复，一般表现为几何校正、辐射校正等方面；数据压缩是指改进存储、传输及处理数据效率；影像增强是指在原有影像基础上强调数据自身的特征，以提高视觉的质量，包括去模糊、比值运算、密度分割、边缘增强、反差增强、彩色增强等；信息提取是指将有价值的遥感信息从增强处理的影像中提取出来，包括采用频谱分析、集群分析、统计分析等不同类别的自动识别。
一般情况下，主要运用数字图像处理系统完成上述信息的提取，同时根据不同的预期目标选择相应的技术和算法。
2 灰色系统理论概述
灰色系统理论是邓聚龙教授于1982年创立的一种自然科学理论，该理论在实际应用中具备一定的优势，其原理是对部分已知的信息及部分未知的信息进行小范围采样分析，具有不确定性[4]。主要是对一些信息进行开发和生成，并将信息中具有价值的内容提取出来。
2.1 灰色系统理论的主要内容
历经30多年的发展，灰色系统理论已具备一定科学价值，主要内容有：①灰色数学。基于灰色理论的数学分析方法。②灰色建模。以灰色模型的建立为基础，根据一定的数列发展出来的新型建模方式。③灰色关联分析。主要是根据因素的异同程度以及因素之间的关系，对灰色系统中存在的诸多因素进行分析的一种技术。④灰色预测。基于灰色建模技术，提前预测灰色数据的大小以及数据发生的时间等。⑤灰色控制。主要是以灰色数据的控制为中心，完成灰色系统理论的实践应用。⑥灰色决策。主要是为了解决灰色系统中多层次的数据问题而制定的决策。⑦灰色评估。基于灰色系统的方法和理论，对系统在某个时期的状态或者系统本身以预期目标为向导进行分析，最终得出半定量半定性的整体描述和评价。
2.2 灰色决策的方案选择
灰色决策是为了解决灰色系统中多层次的数据问题而制定的决策，其实践应用价值较高，具备可操作性强、简单易用等诸多优点。在灰色决策理论中，运用最多的是灰色关联决策。相关人员可以通过灰色关联度，依据不同的方案效果评价对其进行度量，经过系统分析之后得出不同等级的方案，根据最佳选用原则挑出适合实际的方案。根据灰色决策解决多层次数据问题的应用思想，主要是围绕实际问题，选择与最合适的方案一致的效果评价向量，根据对最合适方案及不同方案之间的效果评价向量所产生灰色关联度程度进行分析，按照优劣程度进行最适合的方案选择。综上可知，关联方式及方案能否选择正确，将影响到决策的实施效果。
2.3 灰色关联分析的应用原理
灰色关联分析的基本原理是从曲线的相似度或者几何关系判断不同因素之间的关系，并且将几何关系或者序列曲线、参考序列进行分析和对比。关联度的判断要以曲线形状的相似度为基础，如果两条曲线形状比较接近，说明因素之间的关系度较大，反之，则说明因素之间的关联度较小[5]。灰色关联分析主要通过关联度来表现，即不同因素、不同事物之间不同程度的关联，可以根据时间序列不同找出关联性，进而为预测精度及分析因素提供可靠的依据，使决策得到更多参考，有助于技术人员进行问题主要因素的分析。灰色关联分析和灰色模型提出之后，已有众多国内外专家对此进行了细致研究，构建出众多的关联度模型，包括以斜率差、斜率比、距离对关联度进行定义。其中灰色绝对关联度，以其方向性、可操作性、距离无关性、关联序唯一性、对称性等优势，在边缘检测中得到了广泛应用。
3 基于灰色系统理论的遥感图像处理
3.1 灰色决策与波段选择的结合
在遥感图像的处理过程中，目视解译的作用不可忽视，其利用率非常高，无论是高光谱遥感还是多光谱遥感，都需要依靠目视解译进行工作[6]。因此，处理遥感图像需要按照类间可分性最大或者信息量最大原则进行最适合的遥感波段选择，并将具有价值的信息汇聚成彩色图像，为目视解译提供支撑。最佳波段应选择可分性好、地物光谱差异大、相关性小、信息含量多的波段。同时，应基于波段灰色标准差、影像波段间的相关性、单个波段信息量，对波段进行最佳选择。灰色决策的四大要素依次是事件、对策、目标、效果。事件是指选择最佳的波段组合；对策指的是从大量遥感图像中筛选出三个波段；目标主要是正确选择相关的系数，从而计算出与波段有关的参数；效果指的是在众多决策中最终筛选出一套最佳决策方案。其中灰色关联度与效果测度的计算是灰色决策的重要组成方式，主要分为上限、下限、适中等三种。上限效果测度是用来处置最大值的极性，下限效果测度的目的是进行最小值极性的处置，适中效果测度的目的是进行适中值极性的处置。
3.2 灰色关联分析与边缘检测的结合
在遥感图像的边缘检测中融合灰色关联分析，是一种较有新意的应用尝试，国内对这方面的应用研究正逐渐展开。在图像边缘检测的过程中，其像素分为边缘点与非边缘点。从图像的边缘点可以看出，当边缘点之间的像素点灰色值出现较大的波动时，通过灰色关联度可以看出波动变化的程度，图像中的非边缘点，表现为点的像素值与附近像素值相似[7]。可以选择图像中一个像素点与附近像素点相比较，得出比较序列，选择非边缘点的像素点与其附近的像素点相比较，形成参考序列。按照灰色关联分析的相关理论，灰色关联度与比较序列和参考序列有较高相似度，即参考序列和比较序列关联度大时，两者形成的几何形状相似度较高，由此判断这一像素点是非边缘点。两者形成的几何形状相似度较低，由此判断这一像素点是边缘点。
3.3 灰色关联分析与图像融合的结合
IHS变换融合在影像融合中较为常用，与多光谱影像相比，无论是清晰度方面还是空间分辨率方面，IHS融合后的影像质量更高[8]。但是在变换过程中的第一份量被高分辨率影像所代替，造成原始影像光谱变形，不能正确辨别影像。在IHS图像中结合灰色关联技术，能够利用加权方式及IHS变换对SAR和TM进行融合，从而有效避免光谱变形。因此，灰色关联分析在图像融合中的应用是一种快速的、有效的多源遥感信息融合新技术。
3.4 灰色系统理论与其它方面的结合
一是在图像信息融合中的应用，主要是利用多个传感器进行数据的采集与发送，结合多种灰色算法融合图像信息。二是在遥感影像增强方面的应用。灰色预测、灰色模型等相比原始图像更适合图像增强，对比这两种数列选择方式，可以得出同样像素的灰色预测值，并将得出的灰色预测值的平均值作为像素点增强之后的值。三是在图像分类中的应用。在遥感图像的分类与识别中，利用灰色关联分析理论对特征参数进行分析之后，根据特征参数与图像相似度进行图像分类[9]。
4 结语
随着科学技术的不断发展，遥感图像处理技术也在不断更新换代。灰色系统理论在遥感图像处理中的应用，目前还处于初步的探索阶段，需要更多的实践证明。但是灰色系统理论的应用范围广泛，其灰色决策与灰色关联分析，对遥感图像的波段选择与边缘检测较为适用，具备一定的有效性与可行性。灰色系统理论还在图像信息融合、遥感影像增强、图像分类中有较高的应用价值。在遥感图像技术的研究过程中，更多地结合灰色系统理论，有利于遥感图像技术的创新与发展。