基于模糊集的遥感图像质量评价

唐锋

摘 要：在处理遥感图像时，测绘人员需要明确了解图像质量影响因素。运用模糊集理论进行遥感图像质量评价，能够为图像处理提供有效指导。在基于模糊集的图像处理理论基础上，依据一定的评价方法，重点对遥感图像精度、清晰度、分辨率、信噪比等图像质量维度进行评价，同时分析了模糊集的具体运用，能够为相关研究提供有效参考。

关键词：模糊集；遥感图像；质量评价

DOIDOI：10.11907/rjdk.162055

中图分类号：TP317.4

文献标识码：A文章编号：1672-7800（2016）012-0159-02

0 引言

Matlab能够为图像处理分析提供函数和工具箱，极大简化了图像处理步骤，提升了图像处理效率。将该软件与模糊集理论相结合进行遥感图像质量评价，可为图像处理提供标准和方向，能够更好地确保图像处理效果。

1 基于模糊集的图像处理理论

在社会科学或自然科学研究中，有许多概念并没有十分明确的定义，即具有模糊性。所谓模糊性，是指共维条件下的客观事物在中介过渡时展现出的“亦此亦彼”的特性。在普通集理论中，对于集合的对象，属于或者不属于，必须是其中一个，这就限定了普通集合论只能表现“非此即彼”的现象，是确定的概念。为了展现出模糊现象和模糊概念，1965年LA.zadeh最先定义了模糊集合的概念，使得集合论中X元素的集合隶属关系从{0，1}扩大到[0，1]，从而产生模糊集合的概念（也称模糊集）。

从目前研究来看，遗传算法、边缘检测、模糊神经网络和模糊增强算子等理论都属于模糊理论的分支，在图像增强、边界检测等算法中得到了广泛应用，并且取得了较好的图像处理效果。本文将用到的隶属函数是模糊理论中的重要概念，对图像进行模糊处理首先就要确定隶属函数。所谓隶属函数，其实就是表示判断x隶属于某种条件值的次数和总的询问次数n之比的极限，能够进行一个闭区间的隶属度的表示。根据模糊集隶属原则可知，假设 Ai∈IF（x），i=1，2，...，n，并且x∈X。如果i∈{1，2，...，n}使Aj（x）

为了区分模糊集合和常规集合，将常规集合定义为分明集或非模糊集。广义下的模糊集合是在普通模糊集合的基础上进行补充，但是普通模糊集合隶属度值域为[0，1]，转化为经典集合的特征函数，同时普通模糊集合转化为分明集。由此得出，模糊集是分明集的推广，分明集是模糊集合的特殊形态。

2 基于模糊集的遥感图像质量评价

2.1 评价方法

在对遥感图像质量展开评价时，需要根据图像特点进行等级评分标准的制定。具体来讲，就是可以将评价指标划分成整体检查、专项检查和特征检查，需要分别完成图像精度、清晰度（MTF）、信噪比、局部分辨率和源数据完整性等内容的检查。而在对遥感图像质量评价指标进行初步判断描述时，可以将各指标划分成5个等级，然后对各级别进行细微描述，从而实现图像分类[1]。为实现准确描述，需要使用定性的指标参量值作为描述依据，并且尽量达成专家共识。

2.2 图像质量评价

由于评价元素存在共同影响质量的特点，并且各元素权重相差不大，可以将元素权重当成是完全均匀的。同时采纳多人的评判意见，使得到的评分准备也较为科学和全面。根据模糊集理论，可以将指标评语集划分为一等到五等，共5个等级，各等级评分依次为10-8分、8-6分、6-4分、4-2分以及2-0分。在对遥感图像质量进行评价时，可以使用Matlab语言进行图像精度、清晰度、信噪比等评价指标的计算，文中使用的遥感图像为美国Santee河流三角洲遥感影像，图像分辨率达4m，比例尺为1∶10 000（见图1）。而在Matlab环境中，利用图像统计特性就能够完成图像信息量携带和灰度级分布等情况的准确分析，因而能够使质量评价结果得到准确反映。

2.2.1 图像精度

在对图像精度进行分析时，采取计算图像几何精度的方法来评价是否合格。本文具体使用的评价精度因子为Kappa系数。在具体操作中，将真实参考的所有像元总数乘以混淆矩阵对角线的和，减去真实参考像元数与该类中被分类像元总数之积后，再除以像元总数的平方减去各类中真实参考像元总数与该类中被分类像元总数之积对所有类别求和的结果。在一系列计算和分析后，最终得到了不同比例尺精度下的Kappa系数。将该系数乘以10并建立模型，则能够完成系数的十分制转化。假设得到的Kappa系数为0.9，标准值为0.84，则图像为合格图像。通过对选取的遥感图像进行检测发现，图像的误差矩阵整体检查Kappa值为96.2%，局部为92.9%。根据专业人员的打分，则可以完成图像精度的打分。

2.2.2 图像清晰度

图像清晰度又称锐度，是指影像上各细部影纹及其边界的清晰程度。通常有有两种描述方法：一是像素数量（或线条数），例如：1K清晰度表示1 024个像素；二是调制传输函数MTF（Modu- -lation Transfer Function）。电视技术中常常用到带宽或电视线来衡量水平清晰度，其实也能将带宽和电视线分别视为MTF和像素数量在电视技术中的独特描述。像素数量体现的是一种绝对值，优点是简单明了，但同时存在一个缺点：无法详细展示出清晰度变化趋势；MTF描述的是两个变量之间存在的一种相对关系，优点是能够展现出清晰度的变化，缺点是比前者更复杂。在检测图像清晰度的过程中，由于人眼最低调节度为0.05，所以可以将图像极限分辨力设为0.08。假设最终得到的图像清晰度计算值超过这一数值，就能判定该指标取得满分。但因为不同图像的精度要求有差别，所以还要设定一个最大的调制度值，以便实现图像的准确打分。运用Matlab进行遥感图像最大灰度值Imax和最小灰度值Imin的计算，然后利用公式M=（Imax-I）/（Imax-Imin）就可以确定选取图像的清晰度值为0.304。根据专家各自设置的调制度值，则可以完成图像清晰度打分。

2.2.3 图像分辨率

观察一个图像是否清晰，通常相同图像包含的信息数量存在一定关系，一般可以用地面分辨率来表示影像分辨率，其中地面分辨率有米/像元和米/线对等两种表示方式。人眼正常的分辨能力在视距为25cm时约为每毫米7个线对。按照1∶10 000比例尺将其转换为实地，则人眼对遥感图像的分辨能力为57cm，由于这种情况下的明视距离是25cm，所以在观察影像时不会有模糊感。而在确定影像地面分辨率时，通常将明视距离延伸至50cm左右，根据图像携带的信息量和比例尺精度，则能够完成图像最低分辨率计算，从而对图像分辨率进行打分[2]。根据专家对图像最大和最小分辨率的分析，则可以完成图像分辨率打分。

2.2.4 图像信噪比

在评判图像信噪比时，需要通过视觉和电脑进行主观最高层次的判断，这种借助人的视觉和电脑软件进行评判的过程，第一需要有专业人员，根据图上的马赛克，将线条模糊、边缘不清、清晰度较差等影响判读的点线面，在图像上用线勾画出来，然后进行面积计算，得到百分比分值。整个过程借助于人眼视觉进行高层次评判，虽然带有主观性，但其中通过电脑软件的操作，能够将主观偏差降到最低，在图像上进行模糊线条和散装噪声颗粒等问题点线面的放大和勾画，然后利用Matlab的“rubber-band”工具完成勾画面积的计算，从而得到图像的信噪比。

2.2.5 文件正确性及完整性

在评价遥感图像质量时，需要根据文件内容正确值的统计百分比进行元数据文件质量的评价。对于遥感影像附件的评价关键是检查附件，包括元数据和其它说明性文档等的正确性和完整性。同样，资料完整性也用正确值的统计百分比表示。如果图像的质量要求阈值为88%，检测得到的元数据完整性为94%，则该指标得分为（94%-88%）/（1-88%）*10=5。根据选取图像的实际情况图像质量阈值将设定为85%。

2.3 模糊集运用

根据模糊集原则，计算出的隶属度有很大的交叉性，主要是由分值区间范围（最大达到9分之多）相对于等级细分（0.4阶宽）太宽造成。假设将打分规则制定得更细腻，所得分数接近程度更高，所展现的隶属度大小就会更直观。除此以外，为了在特殊情况下进行快捷地处理，可以设计为不再对客观性过强的因素打分，代入一个比较适合的参数，接着只对整体和局部的坏点坏线和主观因素进行分析，最后采用以上方法进行区间值分析，划分出等级。另外也可以根据不同的参数取值范围，选出不同的值进行分析，从而得出等级划分。但如果采取这种方式，虽主观成分少了，但其可靠性值得商榷，有待进一步探讨。

将所有专家对各项评价指标的打分汇总后，将其构成一个实数区间，然后将该区间带入区间值模糊综合评判模型中进行计算，则能够得到综合评分。具体而言，就是利用每项指标给分中的最大值和最小值进行区间值模糊集构建，然后将综合评价指标对应区间值带入隶属函数，从而得到总的评判矩阵。而根据隶属度的性质原理，则可以确定图像的等级。为实现图像质量的准确分类，还可以对运用隶属原则评为一级的图像进行二级模糊综合评判。采取该种方式，则能够得到与实际情况更接近的评价结果[3]。

3 结语

本文提出模糊集理论以及常用的图像质量评价方法后，开始考虑建立质量度量模型，其中如何选择评价元素是重点，最终选定图像精度、清晰度、分辨率等度量元素，同时将不易进行客观度量的色差、对比度、反差等划入主观观测的范畴并制定了评分原则，最后采取多人评判打分的方法，尽量避免主观因素的不确定性，在将来的研究中可以细化出每项十分制的转化公式，并在实验中将其实现。

运用Matlab软件完成遥感图像处理后，需要对图像质量进行评价，这样才能确保图像的处理效果。基于模糊理论对遥感图像精度、分辨率和清晰度等进行评价，完成效果较好。相信随着相关理论的发展，该种评价方法将在遥感图像处理中得到广泛应用。

参考文献：

[1] 吕赛，李绪志，张九星.遥感图像质量分析与评价方法研究[J].计算机仿真，2012（9）：266-270.

[2] 何中翔，王明富，杨世洪，等.遥感图像客观质量评价方法研究[J].工程图学学报，2011（6）：47-52.

[3] 谭海鹏，曾炫杰，牛四杰，等.基于正则化约束的遥感图像多尺度去模糊[J].中国图象图形学报，2015（3）：386-394.

（责任编辑：孙 娟）