全 文 ：第 7 卷 第 1 期
1 9 9 4 年 2 月
林 业 科 学 研 究
FO R E ST R E S E A R CH
V o l
.
7
,
N o
.
1
F e b
.
, 1 9 0 4
专家系统用于遥感图像处理
的方法研究 ’
易浩若 白黎娜 纪 平
摘要 针对气象卫星监测森林火灾和遥感图像分类问题 , 论述专家系统用于遥感图像处理的方
法 , 使用框架和规则的知识表示方法、 匹配和以正向推理为主的推理机制、 综合的控制 策 略、 使
用置信度处理不确定性和构造实用专家系统的方法。 据此实现的软件模块 , 经实验数据检测 , 取得
满意的结果。
关健词 专家系统 、 图像处理 、 遥感 、 林火监测
多年来 , 遥感图像处理的研究 , 已形成了一系列成熟的方法 〔” , 出现了一批高性能、 高
效率的遥感图像处理设备和软件 。 当前许多人正致力于研究把遥感图像的目视解译发展为计
算机自动识别的相关技术和方法 。 为此 , 作者针对用气象卫星监测森林火灾及图像分类等实
际间题 , 就专家系统用于遥感图像处理的方法进行了研究 。
专家系统是人工智能科学的一个重要的应用领域 。 近年来 , 国内外在其理论研究和应用
实践上都有较大进展 。 建造用于遥感图像处理的专家系统的技术关键可归结为 : ¹ 对图像处
理间题的归纳和抽象 , º 对领域专家知识的概括和描述 , » 与经典图像处理方法和传统计算
机程序的衔接 , 等等 。
上述关键间题与专家系统的知识表示 、 推理机制、 控制策略及系统构成均密切相关, 现
论述如下 。
1 方法研究
1
。
1 知识的表示
本研究采用框架和规则表示知识 。 框架主要用于表示事实和经验 。 其各槽 、 侧面的斌值
方法有继承、 子程序赋值、 人机交互赋值等 。
用气象卫星监测森林火灾分两步进行: 第一 , 根据 N O A A / A V H R R 热红外通道 ( Ch : )
的点或域 ( 即若干相邻点的集合 ) 的探测值及其空间变化率 、 时间变化率等的异常 , 识别地
面异常高温点。 第二 , 根据森林火灾背景数据库、 森林火灾规律等 , 识别森林火 点 和 火 灾
1993一时一23收稿 。
昌浩若高级 工程师 , 白黎娜 , 纪平 ( 中国林业科学研究院资源信息研究所 北京 1000 91 ) 。
* 本项研究由资源信 息研究所专家系统应用 研究组承担 , 得 到该所 的资助 。 王介一 、 陈永富参加 了部分研究工作。
14 林 业 科 学 研 究 7 卷
点 。 基于上述归纳 , 用框架进行描述 , 把监测中初步发现的异常点称为地面高温点 , 定义为
父框架 :
F R A M E H T
一
SPO T 框架名 地面高温点
V A L U E O F 5 C H : 槽 1 名 五个通道的值
CH , : IN T E G E R 〔0 2 5 5〕 侧面 1 . 2名 通道三的值
C O O R D IN A T E : R E A L [ l r〕
R E A L〔t b〕
槽 2 名 座标值
进而判断该点本次监测值是确实异常 、 或工业用火 、 还是尚属正常范围 , 分别称之为异常高
温点 、 常年热点和正常点 , 且分别定义为子框架 。 这三类子框架的结构一样, 仅个别槽值或
侧面值不同 , 以异常高温点为例 :
F R A M E A T
一
SP O T : 框架名 异常高温点
F A T H E R : H T
一
SPO T
V A LU E O F 5 CH
:
V A L U E S O F A R E A :
CO O R D IN A T E : R E A L 〔l r〕
R E A L〔t b〕
BA CK G R O U N D :
FO R E S T : O N E O F ( Y E S N O )
U SE
:
O N E O F (T R
、
G R
、
FM
、
W T
、 ⋯ )
槽 1 名
槽 2 名
槽 3 名
槽 4 名
上一层父框架是地面高温点
五个通道的值
五个通道的域值
座标值
E L E V A T IO N : IN T E G E R [ 5 0 0 4 0 0 0〕
A D M : ( PR V
、
PR F
、
C N T )
F
一
D
一
L E V E R : O N E O F ( A
、
B
、
C )
槽 5 名 背景信息
侧面 5 ‘ 1名 森林
侧面 5 . 2名 土地利用(树种 、 草地 、
农田 、 水面 、 ⋯ )
侧面5 . 3名 海拔高度
侧面5 . 4名 行政归属(省 、 地 、 县 )
槽 6 名 火险等级
再把异常高温点进一步分析判定为 : 某种形式的森林火点 、 草地火点 、 农业用火 、 无法判定
的点等 , 分别称之为林火火点 、 非林火火点和可疑点 , 且分别定义为子子框架, 等等。 用多
层子框架把知识表达得尽可能地完整 。
由子框架 、 子子框架的FA T H E R 槽把这些框架连成一个框架网络 ( 图 1 ) , 体现 了 知
识的层次结构 , 确定了继承关系 。 如 F F 一sPo T I 框架的 v A L U E o F 5 C H槽 、 v A LU E S
O F A R E A槽等槽值从其上层框架A T 一 SPO T :继承 。 这种表示方法利于检索 、 查找 、 节省存
贮空间。
规则一般表示为 : IF (条件 1 ) (条件 2 》 ~ ( 条件 n ) T H E N 结论/ 动作
用规则表示知识具有简单 、 明确 、 可理解性好等优点。
解决遥感图像分类问题时 , 把图像分类专家的知识 , 林学的规律和地面资料进行总结和
概括 , 用规则来描述 。 例如 :
1 期 易浩若等 : 专家系统用于遥感图像处理的方法研究
N ·SPO兮 W 一S PO T
正常点 常年热点
F F
一
S PO T I F F
一SPO Tj沐火火点1 林火火点j 翼{日一S PO T 宁巧 PO T林火火点 可疑点
父框架
矛桩架
子二二一棍架
(森树火灾一略 )
图 1 打‘架 网 络
R U I
J
E Z
IF & 1
.
( SL O PE < x ; D lR E C T 找 ; 、; O 口 S上, O PE 二 S U N N Y ; E L E V A T I七 卜心《 y ;
e f> 0
.
8 ) ;
& 2
.
( V A L U E 《N I八 V 八L U E 》 N Z , e f> 0 . 9 ) ;
〔m in ( & 1 . e f , & 2 . e f)〕
T H E N T H IS SPO T 15 B E L O N G T O T H E 以八R D W O O D S 一F O R E S T .
R U L E I
IF & 5
.
( V A L U E > N l八 V A L U E < N Z ) ;
T H E N R EMO V E & S
上述R U L E I 表示 , 如果用变量 & S代表的点或图斑的灰度值在 由 N Z 和 N l 定义的区域之
外 , 则从当前待判定的点或图斑的集合里删除此点或图斑 。 R U L E Z表示 , 用 & 1 、 & 2等多
个变量描述同一点或同一图斑不同方面的属性和取值 , 如果变量 & 1所表示的那部分满 足 :
坡度小于 x , 坡向为阳坡 , 海拔小于等于 y , 并且变量 & 2所表示的那部分满足 : 其取 值在
由N Z和N l所限定的范围之内 , 则该点或图斑属于 阔叶林类 。
1
。
2 推理机制
框架网络中各框架之间由FA T H E R 槽构成其分别对各自父框架的继承关系 , 这种继承
就是一种推理方式川 。 当然用得更多的是用匹配进行推理 。 很多领域知识常用规则来表示 ,
用规则表示知识时 , 本研究采用以正向推理为主 、 逆向推理为辅的推理机制 。
框架的匹配是指两个框架的全部槽值或指定的部分槽值或侧面值逐一 比较的过程 。 用气
象卫星监测森林火灾间题中, 对监测数据的异常点的求解过程 ( 即推理过程 ) 是 : 把异常点
作为输入信息去激活知识库中相应的框架 , 形成初步股设 , 再进一步收集信息和进行判断 ,
以决定确认或放弃该已激活框架 , 并逐层重复该过程直至最底层的框架 , 最终得 出 判 断 结
论 。 对一待判点的推理过程见图 2 。
以正向推理为主的推理机制多用于基于规则的系统 中。 正向推理是以由数据推出结论的
方式进行推理 , 即数据驱动的推理方式〔. ’。
对遥感图像的点和图斑进行分类或进行识别时 , 利用类似上述R U L E I的执行 , 可 删 除
或加 入部分点和图斑 , 以改变待分类或待识别的点和图斑的集合 。 利用 类 似 R U L E Z 的 执
行 , 把相应的地形、 森林分布、 土地利用等地面背景信息 , 和植被生长分布规律 、 森林生长
分布规律 , 以及森林火灾分布 、 发生 、 发展的规律等领域专家的知识 , 一步步地 用于进行分
X
一
SPO T i
待判点
H T
一
SPO T N
一
S PO T
地面高温点 正常点
人T 一S PO T W l一 PO T
异常高温点 常年热点t
规则41 二 蓝规射sa ‘规则6 1
N F
一
S PO r
非林高温点
冬H . S PQ T
林区鑫祖点
T
一
S POT
裸地干扰
无规月。J
规则81 翅侧ga
窗塑由
喻 FF ·S PO T林火 踢
图 2 推理网络
析和判断 , 得出对这些点和图斑进行分类或识别的结论 。 对不同的点和图斑的集合 , 反复执
行上述过程 , 就可以完成对全幅图象的分类或识别 。
1
.
3 控制策略 (CO NTR OL, ST R AT EG Y )
是用于间题求解过程中构造一条省时的较佳推理路线 。 它是和推理机制密切相关 , 涉及
专家知识的有效使用 , 决定专家系统运行效率的关键技术 。 人们利用元知识 (M E T A K N O -
W L E D G E ) 的指导 , 进行启发式搜索 ( H E U R is T IC SE A CH ) , 限制和缩小搜索空间 ,
提高求解间题的效率〔幻 。 本研究采用一种综合的控制策略 。
( I ) 把控制知识表示为规则的形式 , 写成元规则 。以用气象卫星监测森林火 灾 间 题 为
例 , 有如下元规则 :
m e ta r u le 0 1 元规则 0 1
IF ( X
一
S PO T
.
CO O R D IN A T E 一W 一 SPO T 、· CO O R D IN A T E ( H ) ; ( X 一 SPO T ·
V A L U E 一W 一S PO T k · V A L U E < I ) ,
T H E N U SE W
一
R U L E
m e ta r u le 0 2 元规则 0 2
IF ( X
一
SPO T
·
CO O R D IN A T E一F 一 G < H ) ,
T H E N U S E F
一
R U L E ; U SE G
一
R U L E ; U SE S
一
R U L E
,
元规则01 表示 , 若待判定的异常 点 x 的坐标与工业区某常年热点的坐标相近 , 且 x 点的各通
道值与该常年热点的常规值相近 , 则只使用有关常年热 点的目标规则 。 元规则 02 表示 , 若待
1 期 易浩若等 : 专家系统用于遏感图像处理的方法研究 17
判定的异常点 x 的坐标在森林与草地交界线附近 , 则需使用有关森林 的目标规则 , 有关草地
的目标规则和有关森林边缘地带的目标规则 。
目标知识的组织要与此相适应 , 尽可能地采用模块化结构 , 分类存放 ; 把确实难于明确
归类的规则 , 放入其它一类 。这样 , 当逐一对待判点和图斑进行推理求解时 , 运行效率较高 。
(l ) 采用综合的冲突裁决策略 。止如领域专家根据多方面的经验处理实际问题常有多种
方法一样 。 知识库中关于求解 同一问题的知识常不二链唯一的 , 有时甚至有许多 。 这就使得有
时多件事实或数据同时使某一规则的条件被满足 , 或者某一事实或数据 同时使多条规则的条
件被满足 , 即产生冲突 。 对于冲突的裁决 , 采用的策略 是:
¹ 新知识优先 ; º 特殊知识优先 ; » 只允 许一条现则在同一数据上执行一次 。
第¹ 、 º 条是由于新的和特殊的知识比其它知识史适用 , 更接近具体结论 。 第 » 条是防
止死循环的发生 。
1
.
4 不确定性问题的处理
由于遥感数据分辨率的限制和信号干扰 , 由于地面背景信息不全及其更新永远落后于实
际变化 , 由于植被 、 森林的生长分布规律和森林火灾规律多存在离散性 , 必须处理 由于数据
( 事实 ) 和知识 ( 规则 ) 的不可靠性带来的不确定性问题 。 鉴于不确定性推理理论 尚不完善
和实用性较差 , 必须充分调查领域专家的知识 , 以事实 、 规则的先验概率为基础 , 借鉴置信
度 ( C e r t a i n ty F a e t o r : C F ) 方法来处理不确定性问题 〔” 。 用C F ( 其取值在 0 . 0一 2 . 0 ) 来
表示事买和规则的可靠程度 。
利用气象卫星监测森林火灾需处理很多不确定性问题 。 判定地面高温点时 , 需从C H 3是
高值的那些点中排除无植被 、 植被稀疏的裸露地面的反射点 、水面反射点、 N O A A / A V H R R
数据的噪声点等 。 根据这些点的取值范围 、 所含象元个数及其与已知地表物的座标 、 形状等
条件的符合程度 , 可确定相关结论的C F值 。 判定林火火点时 , 需从异常高温点中排 除 农业
用火、 草地火等非林火火点。 由于每年都有林木采伐和绿化造林 , 森林分布是动态的 。 在这
些地区和森林边缘地带 , 推理常是非单调的 。 根据林火和非林火各自的时间分布和地域分布
的规律等条件可确定相关结论 的CF值 。 最后取C F值最大的结论作为对该点判定 的 最 终 结
论 。
1
. 5 使用专家系统开发工具和混合语言编程构造实用的专家系统
( l) 在经典遥感 图像处理方法和传统计算机程序功能的基础上建造专家系统 。 遥感图像
处理专家系统不是取代己具备较强功能和达到相当高水平的经典方法和传统程序 , 而是在充
分利用其己有成果的基础上 , 着重处理 目前尚难于解决的那部分问题 。
(2 ) 优先使用专家系统开发工具建造专家系统。 因为它己具备知识表示的外壳 , 具备基
本的推理机制 , 可减少开发工作量 , 成功的开发者甚 至于能使工作量缩小一个数量级 。 针对
待解决的问题 , 只要选择适用的开发工具 , 使用得当 , 就能够建造相当成功的实用专家系统 。
(3 ) 用混合语言编程实现各功能模块 , 用模块化结构建造实用系统 。
2 试验和结论
作青用 O PS 8 3专家系统开发工具初步实现了上述 i眷方 法 , 用 C 语言买现了对气象卫星数
饭介、、V I一IR R
接口
检入
工作存贮器 人控 推 !制 理 书L策 扒 知识库 接路 制 口
抽出
图 3 专家系统数括流粗田
据的常规处理￡‘二, 实现了 C语言程 序 模块 与
O Pg 8 3程序模块之间的接口 。 进而用这些模块
构成一个具备各项基本功能的专家系统 。 该系
统可用菜丝或命令行形式驱动 , 处理气象卫星
数据 , 一识别林火 , 白功输出对各指定点的判断
结果 。 系统的数据流程见图3 。
用 国家气象局卫星气象中心提供的19 87 一
0 5一 f)7 、 1 9 9 2一0 5一忿0 、 1 9 9 2一 1 0一1 5 、 1 8四
轨数据对该系统进行了检测 , 其判准率和运行
效率均较为满意 。 现选择我 国东北等地区 12 个
有代表性的域 ( 每个域由 5 x s 象元组成 ) ,
共计30 0组数据 , 把系统分析识别 的输出结果列
于表 1 。 所用的森林分布 、 上地利用等信息由
人机交互方式赋值 。系统正确判断出全部 1 57 个
无火正常点 , 正确判断出全部2弓个草地火点 ,
正确判断出67 个林火点 , 漏判 13 个弱林火点 ,
正确判断出37 个干扰点 , 对 2 个可能是干扰的
点没能做出判断。 经分析认为 , 如能进一步扩
充和细化判断规则 , 并具备相关地区更加充分
的背景信息 , 其判准率将能进一步提高。
为便于对照 , 用传统方法和程序对这四轨
数据进行增强处理 , 用cli : 、 ch Z 、 ch 。三 个 通
道的数据进行假彩色合成 , 目视判读 。 将结果
列于表 1 , 表明用专家系统自动识别的输出结果
优于传统方法和程序加目视判读得出的结论 。
通过研究和分析 , 认为 :
月
11
耳
we
.月扭刁,日
!
产„
表 1 两种方法荆断结果对照
NOA A数据
接 收时间
《年一月一 日 )
数据对 应区 域 核实结论
专 家 系 统 法 传统程序 + 目视判读法
样点数 抽出结果 简单描述 判断结 论 简单描述
高强度林火
火场外
烟下林火
火 区附近林地
清晰可见三大片火
场轮廊和上百公里烟
了订15923书
大兴安岭 特大森林
1 , 87 e 0s 火灾
一07
( NOAA e 10) 黑龙江 以北
原苏联境内 森林火灾 1
2
1 3
了
了
林火
火 场外
清晰可见多片火场
和多处淡烟
l]
原 苏联东部 水体 了训
水体外射N O A乃- · C H 3
地丧 符 证实
边界清晰的区城是离温状
1 期 易浩若等 : 专家系统用于遥感图像处理的方祛研究 1 9
续表
了亿,10了玄l口」19 92 一10 一15 大兴安岭
(N OAAe ll)
内浪东部
草地火
(计划火烧 )
草地火 点
火场周围
无/ 少植被区 25 无 /少植被地表反射 待 证实
大小不等的邻近火
点 多处 , 一处有几公
里长的烟
离散分布的区城 ,
呈 高温状
大兴安岭 森林火灾 可见小火点及少许烟认记召斌
Z内J月咔1人
门‘j.二‘1
19 92 一10一18 嫩江西部
(NOAA一11)
草地火灾
2
内蒙东部 尚未核实
2 3
大兴安岭 森林火灾 12
13
杯犬
火场周围
草地火
火场外
呈高温状的点现有知识无法判断
无火地区
清晰可见火 区和致
十里长烟
待证实 呈高锐状的点
云下火点 (强 )
云下林火 ( 弱 ) 亿 可见云下火区
了记
注 : “记” 表示正确结果 , “ x ” 表示不正确结果 。
(l ) 把专家系统建造在充分运用遥感图像处理的经少方法和传统程序的成果的基础上 ,
可进一步优化遥感图像处理结果 , 提高图像分类精度 , 提高森林火灾判准率等 。
(2 ) 建造遥感图像处理专家系统是实现遥感图像目视解译向计算机自动识别发展的一种
先进 、 可行的途径 。
参 考 文 献
1 许般元 , 丁树柏 . 遥感图像信息处理 . 北京 : 宇航 出版社 , 19 90.
2 林尧瑞 , 张报 , 石纯一 专家系统原理与实践 . 北京 : 清华大学出版社 , 19 8 .
3 黄可呜 . 专家系统 . 甫京 : 东甫大学 出版社 , 199L
4 龚家龙 . N O A A卫昆IB磁带的数据处理和里卡托图象 . 遥感信息 , 19 87 , (3) : 18 ~ 20 .
R e se a rc h Me tho d fo r R e m o te Se n sin g lm a g e Pro e e ssin g
Usin g E x Pe rt Syste m
y ‘月 a o r u o B a玄 L in a J玄P宕n 夕
Ab s tra e t A im in g a t th e s o lu tio n fo r fo r e s t fir e m o n it o r in g a n d r e m o te
se n sin g im a g e e la s s ifie a tio n w ith N O A A d a ta
, th e u s e o f e x p e r t s ys te m fo r
th e se P r o b le m s h a v e be e n e x Plo r e d
.
T he Pr o e e d u r e s fo r e s ta b lis h in g th e Pr a -
e tie a l e x Pe r t s y s te m a r e a s fo llo w s
:
fr a m e a n d r u le a r e u s e d fo r k n o w le d g e
r e Pr e s e n ta tio n ; r e a s o n in g m e e h a n is m o f m a t e h in g a n d th e fo rw a r d r e a so n in g ,
s y n the tie a l e o n tr o l str a te g y ; e e r ta in fa e to r 15 u s e d to r e p r e se n t th e u n e e r ta
-
in t y
. 八 fte r te s tin g , th e s o ftw a r e m o d e l Pr o v e d to b e s a tis fa e to 、, .
K e y w o rd s e x p e r t s y ste m
,
im a g e p r o e e s ssn g
, r e m o te s e n s in g
,
fo r e st fir e
欲 o n ito r in g
Y i H a o ru o
,
Se n 奋o r E ”g in e e r , B a i
I. fo r 口a t亩o n T e e hn 奋q“ es , CA F B e ijin g
L in a
,
Ji Pin g (T五e R e se a r e h In stitu to o f Fo r e st R es o 住r e .
1 00091)
.