基于模糊数学模型的航拍图像智能识别方法

　　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

　　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。

　　推荐阅读：怎么在科技核心上发表论文

期刊VIP网，您身边的高端学术顾问

文章名称： 基于模糊数学模型的航拍图像智能识别方法

文章地址： http://www.qikanvip.com/lunwen/zonghelunwen/2020/0426/51401.html