贝叶斯网络在航空影像纹理分类中的应用研究

【类型】学位论文

【作者】虞欣 

【关键词】 贝叶斯网络 航空影像 影像分类 语义信息 相关反馈

【摘要】在影像解译的历史道路上，人类已经走过了近半个世纪，并取得了大量的研究成果，但与实际的生产需求之间仍然存在着较大的差距，尚处在一个半自动化的水平程度。目前，将人工智能领域中的一些方法和思想引入到影像解译领域中，互相取长补短，是开创影像解译新局面的较好途径。实际上，贝叶斯网络方法最早引起人工智能领域研究工作者的广泛关注和兴趣，它是概率论和图论相结合的产物，是一个带有概率注释的有向无环图，它能够表示随机变量之间的因果关系或概率关系。一方面贝叶斯网络可以用图论的语言直观地揭示问题的结构，另一方面它按照概率论的原则对问题的结构加以利用，降低推理的计算复杂度。鉴于此，本文将贝叶斯网络应用于影像解译中，并力图探索一条贝叶斯网络在航空影像纹理分类应用中的有效途径，为实现摄影测量与遥感的全自动化和智能化打下一定的基础。 论文首先系统地介绍了贝叶斯网络的基本原理、数学模型和方法。接着，为了充分利用贝叶斯网络的优势，从特征之间的因果或概率关系出发，提出一种基于贝叶斯网络的特征选择的新方法，并进行了初步的尝试。该方法不同于传统的特征选择方法，这是因为许多传统的特征选择方法都只是把特征选择问题当作一个组合优化问题来处理，忽略了特征之间所蕴含的内在物理含义。然后，详细推导了三种连续型贝叶斯网络方法——多级贝叶斯网络、带有隐藏节点的贝叶斯网络和树型贝叶斯网络的数学模型，同时将它们应用于航空影像的纹理分类中，并进行相应的实验，实验与分析表明：树型贝叶斯网络比多级贝叶斯网络更加适合于实际的应用，比带有隐藏节点的贝叶斯网络具有更高、更稳定的分类精度。 目前，图像的语义信息被公认为是一种改善影像分类精度和可靠性的有效手段。通常，图像语义信息的提取工作困难重重，还停留在探索阶段。本文从关于图像语义的两种截然不同的观点出发，针对航空影像中的居民地和灌木两种特殊地物，分别提出两种简单图像语义信息的直接提取方法。一种是引入后验概率的简单图像语义信息的分类方法，该方法先利用最大似然分类器提取关于存在房屋的语义信息，再借助于贝叶斯网络的优势，把提取的简单图像语义信息和纹理特征有机地“揉合”在一起，融入到影像分类中。另一种则是引入图像分割的简单图像语义信息的分类方法，它充分利用航空影像中居民地和灌木两种特殊地物自身的特点，在图像分割的基础上提取低层视觉特征，并映射出简单图像语义信息。然而，本文提出的两种图像语义信息的直接提取方法虽然可以进一步提高影像分类的精度和可靠性，但仅仅局限于航空影像中居民地和灌木两种特殊的地物，而对于其它地物的图像语义信息的提取还需要进一步深入探索和研究。 为了更好地提取航空影像中图像的语义信息，并推广到其它更多地物的图像语义信息的提取，本文从另外一个角度提出两种图像语义信息的间接提取方法，这两种方法把控制论中的控制与反馈的思想引入到航空影像纹理分类的训练阶段，并把人也作为系统的一部分，从而使得原先以计算机为中心的模式转变为以人为中心的模式，进而把人的思维纳入到训练阶段。通过控制与反馈机制使得系统更加准确地“捕获”类别特征信息，即间接地提取关于训练样本质量好坏的语义信息。因而，可以选择质量较好的训练样本来控制训练阶段的学习质量，进一步提高影像分类的精度。其中，一种方法的思想来源于统计质量管理，该方法是利用控制图的思想来控制训练阶段的学习质量，使得原先的开环系统转变为闭环系统。在研究的过程中发现，训练样本的质量直接关系到训练阶段的学习质量，因而，本文提出另一种方法，它是从训练样本的质量（代表性和典型性）角度来考虑，利用Q型因子分析的方法来控制训练阶段的学习质量。与前述两种图像语义信息的直接提取方法相比，这两种图像语义信息的间接提取方法并不局限于航空影像中的居民地和灌木两种特殊的地物，还可以应用于航空影像中的其它地物。实验与分析表明：通过在贝叶斯网络的训练阶段引入伪相关反馈的机制可以使计算机具有人的思维和模型，从而建立低层视觉特征与高层语义信息之间的映射关系。因而，这种方法与没有引入伪相关反馈机制的情况相比，影像分类的精度有所提高，但效果还不尽人意，本文对此只是进行了初步的探索，仍然需要更深入地研究。 总而言之，本文将贝叶斯网络应用于航空影像的纹理分类中，实验与分析表明：本文提出的方法虽然在构建贝叶斯网络结构的时候需要大量的计算量，但它仍然具有良好的可行性和有效性，相信在不久的将来贝叶斯网络在摄影测量与遥感领域中具有更加广泛的应用前景。

【学位名称】博士

【学位授予单位】武汉大学

【学位授予年度】2016

【导师姓名】郑肇葆

【读秀链接】读秀链接