前言：寻找写作灵感？中文期刊网用心挑选的森林防火中遥感技术的运用，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
1应用需求分析
森林信息化的建设不仅是网络上的接入，还要拥有一个技术先进、应用广泛的综合信息系统。在综合信息系统中，信息的存储组织和检索通常是需要解决的中心问题。随着大容量存储技术的成熟和成本的下降，信息数据的存储已经不再是主要矛盾，如何从海量的信息资源中快速查找出需要的信息成了需要解决的主要问题。森林烟火领域里，传统的信息表达形式是公文、研究报告、刊物等。多年来，基于文本的检索技术和语义搜索技术为这些形式的信息提供了方便的查询方法。近年来，图像信息在森林防火领域里的应用呈现了飞速增长的态势，主要形式有卫星照片、雷达成像、数字地图及资料图片等。于是图像领域里的检索需求也渐渐突出出来，比如:如何快速判断出目标是烟火还是其他的目标，如何判断出目标的型号和技术参数等。这些应用需求是通常的文本检索技术所不能满足的，要满足这些检索需求，需要通过信息的内容直接检索，这就需要用到基于内容的图像检索技术。
2检索算法研究
因为图像处理技术本身存在固有的图像相关性，即某一种方法只对某一类图像有效，对其他类型的图像不一定有效的规律，所以针对不同领域里有着某种共性的图像而言，为了达到有效的检索效果，需要提取的特征种类和综合计算方法也不尽相同。针对森林领域的烟火图像库的特点，分析、设计并介绍一种针对烟火图像库的检索方法。
2．1森林烟火图像的特点及分析
在研究针对森林烟火图像的检索方法前，需要对这一类图像的特点进行全面考察，经过对大量烟火图像的考察，发现其有以下几个特点:1)一幅图片通常有且只有一个明显的主题对象2)前景色与背景色的反差通常比较明显3)对象形状一般呈明显的几何形状4)用户的检索需求集中体现在图像的主题对象上。在图像没有分割的条件下，主题对象的特征主要表现在面积较大的区域上，所以在图像分割的结果中，面积较小的区域可以忽略不计，以此减少干扰。图像分割适合通过阈值分割方法或者区域生长方法方便地实现，在实验系统中使用区域生长算法实现。此类检索需要充分针对的是主题对象的特征，背景信息并不重要，所以，要实现相对准确的检索，需尽量剔除背景信息的干扰以获得主题对象的特征，这就需要提取图像的主题目标特征。根据以上特点分析，采用图像分割技术获得图像的主题目标区域，综合使用区域的颜色和形状特征进行检索方案设计。
2．2算法形式化描述
先将图像分割成若干对象区域，对每个区域抽取颜色特征和形状特征，联合构成特征向量，并根据区域重心距离图像中心的远近来设置权重系数，计算区域之间的相似度，进而计算图像之间的相似度，在相关反馈中调整区域的权重系数，让系统记住区域对于表达图像语义信息的重要程度。对每个区域计算三个形状特征参数:一面积百分比、离心率、离散度。不同语义信息的主题对象往往在形状上存在较大区别，通过这三个参数可以进行较好的表达。
3应用模式分析
基于内容的图像检索技术在森林防火领域里的应用主要是从遥感图像中辨认烟火目标。环形火焰的框图分类(如图1所示)。
4检索算法实现
检索算法的实现包括颜色空间转换、图像分割算法、特征提取等几个主要方面，具体描述如下。
4．1颜色空间的选择
RGB颜色空间的三元色各值之间有太高的独立性，而且亮度也同时被植入了这三个值当中，所以，在RGB空间中距离很近的两个颜色会在外观上有很大的反差，不符合人眼感受色彩的方式。而HSI空间的亮度分量与色度分量是分开的，即亮度与图像的色彩信息无关，同时色度和饱和度与人眼感受色彩的方式相当接近，这些特点使得HSI模型非常适合基于内容的图像检索方法。
4．2图像分割的实现
采用区域生长方法实现图像分割和区域的提取，具体由递归函数实现。为了避免图像过大造成程序堆栈溢出，需要对原图做归并处理，在缩略图的基础上进行分割操作。具体步骤如下:1)对图像进行滤波处理，以消除噪声和局部纹理特征的影响。采用最常用的线性平滑滤波器和3*3的模板。2)将图像分成等面积的象素块单元，以每个块的平均色作为本象素块的颜色，把象素块作为缩略图的一个象素，图像最终被转换成缩略图，以下操作均对缩略图进行。为每个象素分配一个标记，初始化值为“未完成”。3)从左上角第1个象素开始选择一个“未完成”的象素作为种子，并建立一个区域，拿其4－邻域空间内的象素和种子进行颜色比较，若两者相似则归并到这个区域中，将该象素的标记改为“完成”，并计算该区域的平均颜色。4)以刚刚并入区域的象素为中心，再依次归并它的4－邻域空间内的象素点，如此递归操作，使单元面积不断扩大，直到没有邻域的象素与其相似或者到了图像边界，此时，一个区域便产生了。5)继续步骤3和4，直到没有可以再归并的象素，此时，图像中的每个象素都已经属于某个区域。6)对分割后的图像进行处理，将符合标准的小区域进行合并。7)染色处理。为了查看分割的效果，使结果更加直观，对每个区域取平均颜色作为区域的代表颜色，并把区域内部的全部点都染成此颜色。值得注意的是，为了得到恰当的生长点，需要迭代使用这个算法，将第1次分割后的区域的中心作为生长点，进行第2次生长，进而得到更好的分割效果。另外，调整颜色比较规则中的阈值，使得分割后图像的区域数不超过5个为易，以避免过分割带来的计算量过大产生误检索。
4．3特征的提取
特征的提取分为区域颜色特征的提取和区域形状特征的提取。1)区域颜色特征的提取比较颜色的前三阶中心距被证明是有效的颜色索引方法，这种方法对于在不同的角度拍摄同一个物体得到的图像有较好的鉴别能力。在HSI颜色空间里，对每个颜色分量都计算其三阶中心矩，则区域的颜色特征可以用9个实数R(h1，h2，h3，s1，s2，s3，i1，i2，i3)来表示。2)区域形状特征的提取形状的区域特征主要有区域的面积、重心、纵横比、离散度、离心率等，Flicker等人在IBM?的QBIC中采用了形状面积、圆度、离心率、主轴惯量等特征，形状间的相似度由特征矢量的加权欧几里德距离来度量。森林烟火每个图像具有明显的前景和背景区分，因而图像分割的效果较好，能够较好地抓住主题目标和背景各自的颜色和形状特征，所抽取的特征能够抓住同类图像的相似点，索引构建的过程比较接近于人对图像的理解，检索效果也比较好。针对不同的应用领域或不同特点的图像集合，需要根据其特点设计不同的方法。
本文作者：郭志佳、曲鑫 单位：哈尔滨市勘察测绘研究院、黑龙江省测绘科学研究所
