全 文 ：第 2 卷 第 5 翔
1 9 8 9 年 1 0 月
林业 科 学研 究
FO R E S T R E SEA R CH
V o l
。
o e t
2 , N o
。
5
。 ,
1 9 8 9
专家系统在森林遥感图象
分 类 中 的 应 用 ‘
周 卫 阳
(中国林业科学研究院资源信息研究所 )
摘要 传统的林业遥感图像计算机分类方 法 , 多作为 目视y.J 读的一 种 辅 助 手
段 , 对数字图像数据本身进行分类 。在这种分类过程中 , 各种辅助数据及林学家、 图
像判读 员的经验和知识一直 未能得到直接 充分有效的利用 。 通过建立专家系统可将
上述各种辅助数据和专家知识直接加入计算机分类的过程 , 以达到在一定程度上取
代 目视钊读的 目的 。 本文讨论 了一个 小型林业遥 感图像分类专家系统的总体设计 、
数据序设计 、 信 .息综合 、 推理方法 以及用此 系统对一 T M 图像进行实际分类的初步
结果。
关键词 专家 系统 , 遥感 , 森林分类 , 信息综合
LA N D SA T 卫星发射以来 , 来自M SS和 T M 传感器的遥感数字图像 , 在包括林业在内的
各个领域中得到了广泛的应用。 随着新型传感器的出现 , 图像的空间、时间分辨率日益提高 ,
数据量急剧增加 , 各个应用领域对图像处理的要求也在不断提高。 目前图像数据的分析处理
技术已远远跟不上数据获取技术的发展进程 。 研究新的方法 , 提高图像分析水平 , 更显得势
在必行了 。
就图像分类领域而言 , 传统方法着重于对图像数据本身进行处理的方法研究 , 但如何有
效地在分类过程中利用各种辅助数据的 问题 , 虽然有人做过一定的研究工作 〔‘一“] , 却一直 未
能得到完善的解决。 这也是造成多年来图像分类技术没有取得重大进展的原因之一。
森林和其他自然地物在分布空间上交错混杂 , 时间上演替变化等特点 , 造成了森林遥感
图像特有的复杂性。 以往仅就图像数据本身进行分类的技术 , 常作为一种辅助手段在森林图
像目视解译的实际工作中得到应用。 但是这种计算机分类方法与人类判读员的 目视 解译 相
比 , 还存在明显的缺陷。 例如 : 判读员在判读过程中常常利用以下辅助信息 : ¹ 背景知识与
经验 , 其中包括关于被分类地区各树种的分布规律 、森林演替的知识和经验等 ; º 辅助数据 ,
如被分类地区的地形图 、 土壤图、 原有森林分布图等地图数据 。 这些辅助数据及经验虽然可
能不精确 , 不完整 , 但它们都对被分类地区的情况作 了一定程度的描述 , 只要适当地运用 ,
无疑都会对图像分类工作有所帮助。 但在原有的计算机分类技术中都没能有效地利用这些辅
助信息 , 造成不得不依赖于判读员的局面 。 所以 , 如何在计算机图像分类的过程中有效地利
本文于 19 8 9年 3 月 S H收到 。
. 本文根据作者 的硕士论文改写 , 指导老师为侯 治溥、 徐冠华先生 。
47 8 林 业 科 学 研 究 2 卷
用辅助数据 , 其中包括专家的经验和知识 , 已成为图像处理领域中一个巫待解决的问题 。
专家系统 , 是人工智能学科的一个分支 , 在不长的时期内成长起来 , 引起了各个领域 内
应用专家的注目 。 作为一种信息提取技术 , 专家系统可以帮助我们根据人类专家的经验和知
识 , 从众多的辅助数据中提取有用的信息 , 将其综合到计算机分类的过程中去 , 使计算机分
类方法具有人类判读员的特点 , 从而在一定程度上代替判读员的工作 , 达到提高精度 、 提高
效率的 目的 。
本文将描述和讨论一个小型森林和土地利用状 况遥感图像分类专家系统的建立及应用过
程和初步结果。
一 、 专家系统的设计和说明
简单地说 , 专家系统是一种特定的软件设计方法 , 是一个模仿人类专家技能的计算机系
统 。 这种系统通过运用逻辑推理规则从 已知的信息中推出结论 [‘] 。 一般认为 , 专家系统包含
三个主要部分 : 知识库、 推理模块和界面 。 其中 , 知识库用于储存专家经验及推理规则等 ,
推理部分是完成信息提取及综合推理的部分 ;界面则是指系统和周围环境(包括使用者 、 其他
程序等)相互沟通联接的部分 。
在本文的工作中 , 专家系统并不用于直接取代原有的方法 , 而是作为一个新的组成部分 ,
对辅助数据进行处理 , 提取有关信息 , 对图像各像元的归属提供参考结论 , 并完成图像数据
和辅助数据二信息源之 间的平衡、 综合工作 , 达到提高分类精度的目的。 在分类过程中仍采
用逐个像元 (P ix el b y Pi x el )分析法 。下面分步介绍本系统的各个组成部分及总体设计情况 。
(一 ) 知识存储的方法
为了使知识库的内容易于修改和增删 , 采用了自然语言和关键字的方法来储存知识 。 对
来自林学家 、 判读员等专家关于当地树种对地形的选择 、 森林演替等方面的知识 , 只需稍加
编辑整理即可存入库中。 其中 , 采用的自然语言为英文 (主要与所用的计算机语言有关 ) , 关
键字起标识符作用。
例如 , 在储存关于树种对坡向选择这一方面的知识时 , 采用了如下格式 :
A d o es n o t lik e B s lo Pe 等。
其中 , A 代表某一具体树种 , 用英文名称写入 ; B 代表某一具体坡向 , 如阳坡、 半阴坡
等 , A 、 B和字符串 d o es n ot 是关键字 。 库中规则对语法、 词序及非关键字的拚写无严格要
求。
另外 , 根据生态学原理 , 植物的生长除了与当地的坡向有关外 , 还与当地的海拔高、 坡
度、 土壤类型等因素有关 t“l。 换句话说 , 即树种对以上这些地理因素有一定的选择性 。 关于
这方面的知识 , 也用与上述格式类似的格式和方法 , 存入知识库中。 这种知识储存的方法 ,
实际上是一种隐含的产生式规则的表达方法。 可将上例规则改写为如下形式 :
(if (it 15 (A ) ) th e n (it ra r e ly g r o w s o n (B ) slo Pe ) )
(二) 推理过程和信息综合
在分类的目标类别给定之后 , 一个翻译模块将输入树种的拉丁学名、 拼音名等翻译成库
中统一的英文名称。 然后系统将从知识库中搜索出与目标类别有关的知识 。 并根据被处理像
元对应的地理位置从辅助信源取得当地的各项地理参数 、 以前的分类结果等信息 , 这些信息
5 期 周卫 阳 : 专家系统在森林遥感图象分类中的应用 4 7 9
和从知识库搜索出的专家经验通过一个转换模块 , 将专家的知识从定性的描述转换为定量的
描述 , 从而得到各辅助信源对各目标类别的支持程度 , 表示为下面讨论的分配函数的形式 。
根据 Sh a fe 和 D e m p at er 的信息综合理论 t“J, 若已知诸信 息 源各自对某一命题的支持
程度 , 就可以求出诸信息源对该 命题的总的支持程度。
由该理论可知 , 一信息源对一组命题的支持程度可以用一个分配函数来表示 。 假设信息
源 IS 将一个单位的置信度分布在具有直接证据支持的一组命题上 。 该 信源对某个命题的集
合的支持程度越大 , 则分配给越大的置信度 。 这种分配函数 m 可表示为 :
二〔P ‘{P ‘c o」* 〔0 , 1〕
杭(叻) = 0
习 二 (P ‘) = u < 1尸‘C 口
其中 , p 、表示一个命题的集合 , 口表示所有核心命题的集合 ; 所谓核心命题就是这样一
组命题 : 任何时候都只有其中之一为真 , 且任何其他命题都可以由它们的组合来表示 。 踌表
示空集, u 表示信源的可信度多 1 一 u 的置信度分配给所有的命题 。
在本文的工作中 , 核心命题是所有的目标类别。 根据以上分配 函数的定义 , 在给定的地
理条件下 , 可根据专家知识确定各地理因素 (如坡向 、 坡度等 ) , 及对各类别的支持程度。 例
如 , 知识库中存有 : “ (在本实验区 )油松一般生长在阴坡上”的知识 , 则在利用坡向这一辅助
信息对一个位于阳坡上的像元设置置信度分配函数的时候 , 赋予油松类的置信度应小于其他
在该地适应于阳坡生长树种的置信度。
根据同一理论 , 若两个信息源 IS : 和 IS : 对一组命题的分配函数分 别 为 m , 和 二2 , 则此
二信源对这组命题的综合支持程度的分配函数为 :
二 (R ) = 习 塑 , (P 、) · 二2 (口‘) / (1 一 K )
P ‘门Q‘ = R (
1 )
其中 K = _ 习尸‘n Q ; = 执
; (P‘)
· 执2 (Q ‘)功
例如 , 设 :
二 : (<油松 , 杨桦 , 山杏 )) = <0 . 4 , 0 . 2 , 0 . 3 >
二 : ((油松 , 杨桦 , 山杏 >) = <0 . 3 , 0 。 2 , 0 . 3 >
那么 , 二信源的综合函数为 :
fn ((油松 , 杨桦 , 山杏 >) = (0 . 4 3 4 , 0 。 1 8 9 , 0 。 3 4 0 )
用图形表示其意义如图 1 。
在上述的推理、 搜索和综合的过程中 , 因为一般目标类别不是很多 , 所构成的搜索空间
不大 , 所以采用了一种 “穷举式 ”的搜索方法。 推理类型属于正向推理 。
例如 , 有如下推理过程(采用与实际编程类似的格式 ) :
A
. 知识库中有以下规则 :
a
.
(如果 (五年前某地为(针叶林)或 (阔叶林 )) , 那么(现在该地仍为(针叶林 )或( 阔 叶
林)的可能性(较大))) 。
b
.
(如果(油松 ) , 那么(属于针叶林) )o
c
.
(如果(阳坡) , 那么(不适于(油松 )生长 )))。
4 8 0 林 业 科 学 研 究 2 卷
B
. 由辅助信息源知 :
d
.
(五年前该地为油松)。
e
.
(该像元位于 阳坡)o
C
. 由预分类 (见第二节 )知 :
f
.
(目前该地为 (油松 )的 可 能 性 (较
大 ))。
那么 , 由 a 、 b 得 :
g
。
(如采 (五年前该地为(油松 )) , 那么
(现在该地仍为 (油松)的可能性(较大 )))。
由 d , g 得 :
h
。
(现在该地为 (油松 )的可能性(较大) 。
由 f, h 得 :
i
。
(现在 该地为 (油松 )的可能性(很大》。
由 c , e 又得 :
j
.
(该地不适合 (油松 )生长 )o
所以 , 由 i, j得 :
k
。
(该地现为 (油松 )的可能性(大 )) 。
乒又丁
}\ /
、
}乙一
, 万一又
、 / 产
一 , 门
,丙洲一创州川.刘
沐l人卞!
_ _ _ 、生L
勺夕口二
\一丫 又口、 \ .
⋯ 一沐乙-少之_女二_二 入\_ _ , 以入全
、⋯汀
、一 公, 一卜一N
l
、l,州.!
t
川
/ / /
一一
,么 .n l : z < 上 . _ _ _ 么刁
尸俐丫月
廿 松 、) :
图 1
J了匕) ‘》 1几 . 尸 . 几飞夕
运算示意图
( 注: ) 分别表示在 运算 中油
松 、 杨禅 、 山杏以及 口得到的丑 信度 分配。 巨二」表示 ( 1 〕式中
K 的大小 )
以上推理中所用的 “由 x , 夕得 ” , 实 际上是由二分配函数用 ( 1) 式求得新 的 分配函数 。
由( 1) 式可知 , 信息源综合的先后次序对最后的结果没有影响。 所以在给定各信息源的丑
信度之后 , 即可利用各分配函数两两综合得到最后的分配函数 , 也即诸信源对各个 目标类别
的支持程度。 像元最后划归到具有最大置信度的一类。 在本实验中 , 对辅助信源只给了很小
的置信度 , 而较大的置信度仍赋予预分类的结果。
二 、 试验与结果
根据 _ [ 述的理论和设计 , 作者在 IB M 一PC 微型机上建立 了一个用 LI SP 语 言 【7 工写 成 的
小型专家系统。 该系统是针对我国北方 , 主要是河北省平泉县的具体情况建立的 。 知识库中
存入了具有当地实际经验的林学家、 图象判读员等专家关于当地情 况的经验和知识 。
另有一个用F O R T R A N 语言写成的辅助程序 , 用来完成对主信息源—T M 卫星形像数据的预分类 、 结果汇总、 整理等工作。 在预分类中 , 采用了一种模糊有监分类方 法。 像元对
各目标类别的隶属度用下列公式计算:
一 {愈(侩:别})““’ 一 ‘’〕一 ‘
其中 , f 二 1 , 2 , ⋯ , 勺 : 代表 口标类别数 ; k 二 1 , 2 , ⋯ , 勺 n 为所有被分类的像元数 , X 。为
像元各波段光谱值所组成的矢虽 ; V , , V Z , ⋯ , V 。 为分类中心的波谱矢量 , m 为一可调参数 ,
用来调节对各像元光 i酬直问井别的弧调程度 , 一般取值范围是 〔1 . 1 , 5 . 。〕。 所有 。. 、组成的
n x : (2 ( ‘ ( 的 矩阵构成 , 个元素的一个 ‘类模糊划分 。
5 期 周卫阳 : 专家系统在森林遥感图象分类中的应用 4 8 1
利用本文所建的系统对820 X 6 0 的T M 影像中平泉县柳溪乡境内部分进行了实际分类 。
该乡为山地 , 位于北纬 4 0 “4 1 , 、 东经 1 16 0 2 0 ‘附近 , 海拔 1 0 0 0一1 7 0 0 In 。 境 内分布着大片
油松林和杨桦、 柞 、 山杏等阔叶树种。 村镇农 田一般分布在河谷地带 。 在海拔较高、 坡度较
大处 , 分布着荒山地 、 裸岩等。 在立地条件较差处 , 不规则地分布着灌木群。 选定分类 目标
类别包括 : 油松 、 杨桦 、 柞 、 山杏、 荒地 、 农田 、 灌木七类。 所用辅助数据包括 :
¹ 当地D T M 数据 : 包括高程 、 坡度和坡向三个参量。 º 当地原有森林分布图 。
为缩短运算时间 , 实验中只对该图像中约 20 %的像元用专家系统进行处理 , 另外80 %
表 1 专家系统与常规方法
分类结果的比较
专家系统 常规方法
分对数 (约》
分对率 ( % )( 约 )
17。 } 120
“6
{
‘“
的像元因为在预分类中倾向较明显 , 认为是
非疑难像元 , 用设定阂值的方法 , 直接分入
某一类。
对分类结果进行抽样 , 与航片目视判读
的结果对照检验 。 约 260 个被抽中的像元经
专家系统处理的分类结果与仅用原有常规方
法的分类结果对比如表 1 。
其中 , 常规方法分错而专家系统方法分对的像元约有 110 个 , 约占抽样像元总数的41 % 。
常规方法分对而专家系统方法分错的像元约 60 个 , 约占抽样像元总数的25 % 。
由此可见 , 经专家系统处理的这一部分像元的分对率较仅用常规方法的分对 率提 高 约
15 %
。
当然 , 用以上方法得到的检验数据只能说明一定程度上的问题 。 表中的数据也许是非典
型的。
三 、 总 结
上述工作是专家系统技术在森林及土地利用状况的遥感图像分类中的初步应用和结果 。
由于在研制该系统的过程中没有利用任何辅助工具 , 如专家系统的框架( Fr a习n e )等 , 所以效
率不是很高 。 但是作为初步的试验 , 以上结果已显示了这一应用的可能性和潜力 , 为今后的
工作提供了有益的经验 。
同时也可以看出 , 完善本系统的下一步工作 , 应主要集中在以下方面 :
1
. 完善专家系统自身的设计与构造 , 保证充分发挥各种辅助信息的作用。 其中信息综合
及推理部分仍是关漪 。 例如 , 怎样更好地将用自然语言表示的专家经验和知识综合到推理过
程中去就是一个突出的 间题 。
2 。 加强所谓知识工程方面的工作 , 即加强对实际经验及知识的总结整理、 编辑工作 , 并
以更好的形式和方法存夕、系统 , 使知识库中的知识更客观 、 更准确地反映实际情况 , 提高辅
助数据的应用效益 。
总之 , 智能化是计算机图像处理的一个新兴领域 , 也是今后发展的一个重要方向。 这一
技木本身的发展及其在各个领域(包括林业领域 )中应用的前景都未可限量。 在这一方面还有
很多有价值的工作要做。
4 8 2 林 业 科 学 研 究 2 卷
今 考 文 献
〔1 〕S tr a h le r , A . 1 1 . , 1 0 8 2 , S tr a tifie a tio n o f n a t u r a l v e g e t a tio n fo r fo r e st a n d r a n g e la n d in v e n t o r y
u s in g L a n d s a t d ig ita l im a g e a n d e o lla te r a l d a ta
,
In te r n a t io n a l Jo u r n a l o f R e m o t e Se n s in g
,
1 (2 )
: 15一 4 1 .
〔2 〕 H u t e h in s o n , C . F . , 1 9 52 , T e e h n iq u e s fo r e o m b in in g L a n d ‘a t a n d a n e illa ry d a ta fo r d ig ita l
c la s s ifie a tio n im Pr o v e m e n t
,
Ph o to g r a m m e tr y E n g in e er in g a n d R e m o te S e n s in g
,
4 8
:
12 3一1 3 0 .
〔3 〕R i e h a r d , J . A . e t a l . , 1 9 5 2 , A m e a n s fo r u t iliz in g a n e illa ry in fo r m a tio n in m u lt is P e e tr a l
c la s sific a t io n
,
R e m o te S e n s in g o f E n v iro n m e n t
,
1 2
:
4 6 3一选7了.
〔4 」 5 im o n s , G . L . , 1 9 55 , E x P e r t S y st o m a n d M ie r o s , N CC P u b lie a tio n s , E n g la n d .
〔5 〕侯学坦 , 19 5 6 , 植物生态地理学的内容任务概念和 方法 , 科学出版社 。
〔6 〕 S h a fe r , G . , 1 0 7 9 , A M a t h e m a t ic a l T h e o r y o f E v id e n e e , Pr in e e t o n U n iv e rs it y Pr e s s .
〔7 〕沮斯顿 , P . H . et al . , 19 81 (黄昌宁等译 , 19 8 2) , L is P 语言设计 , 清 华大学 出版社 。
AN E XPE R T SYST EM FOR FOR E ST AND LAND USE
CLASS !F ICAT ION O F R E MO T ELY SE NSE D !MAG E S
Z h o u W e iya n g
(T he R e s e a r e h l 。 : t , t u te o f F o r e : t R e : o u r e e l , fo : 。a t‘o n T e ‘ho l. g u ‘ C A F )
A b st r a et In th e fie ld o f fo re s t r y
, e o m p u te r im a g e p r o ees in g ha s lo n g
be e n u se d a s a s u b s id ia r犷 m e a n s to s u p Po r t h u m a n in t e rPre ta tio n , in s te a d o f
a s a m ea n s to Pr oc es th e im a g e s in d ePe n d e n t ly
。
O n e o f th e r e a s o n s 15 th a t
t h e e o n v e n t io n a l m e th o d s o f e o m Pu te r e la s sifie a tio n la e k t h e a b ilitie s o f
m a k in g e ffee t iv e u s e o f a n e illa r y d a ta a n d h u m a n k n o w led g e d u r in g th e
Pf 《)C e SS in g 。
A PC一 ba s e d ex Pe r im e n t a l e x Pe r t sy s te m fo r fo re s t a n d la n d u se e la ss ifie a
-
t io n o f r e m o t e ly s e n se d im a g e s 15 b u ilt to re m ed y t his s ho r te o m in g
。
T his
Pa Pe r d e se r ib e s th e o v e ra ll a re h itec tu r e
,
k n o w led g
e
ba s e a n d e v id e n t ia l
r e a s o n in g s t ra t e g y o f th e sy s te m
.
T he e x P la n a t io n o f a n e w m e t ho d o f
Pl
‘
e
一
Pr o e e s s in g o f d ig ita l im a g e s 15 a lso in e lu d ed
.
T h e s ys te m w a s te s te d w ith a T M im a g e o n a m o u n ta in a r ea in N o r t h
C hin a
.
B o th th e r e u lts fr o m t he s y st e m a n d a e o n v e n tio n a l m e t h o d w e re
e h ee k e d b y h u m a n in te rPr e ta t io n a n d th e e o m 训 r is o n 15 repo r ted .
K e y w o r d s e x Pe r t sys te m : r e m o t s e n s in g : fo re s t e la s ific a tio n : in fo r m a tio n
in te g r a tio n