遥感不确定性问题及其处理方法

冯尚荣 陈庆涛

摘要：本文通过对遥感影像数据的不确定性做出解释和对其可能产生的原因进行归纳，即遥感数据本身的不确定性以及在处理中带来的不确定性。并在此基础上对不确定性的处理方法作出了归纳与对不确定性的影响过程。

关键词：遥感数据；不确定性；方法

1.引言

随着遥感技术的日益发展以及广泛应用，其面积大，时相广，获取信息高的优点已经使得遥感成为地学研究，农业种植，环境保护，军事探测等方面的信息提供基础，其也是地球科学中用来研究的主要信息支持。故研究人员对遥感数据的精度要求和处理方法也越来越高，由于在遥感数据获取或处理中多种因素，并且在与GIS的共同使用中的双方紧密结合。使得其精度也就是不确定性的问题成为其关键研究的关键。近年来，越来越多的学者组织已经开始对此问题进行研究，取得了大量成果。

2.遥感数据的不确定性

遥感数据主要是反映地球表层信息的数据。由于地球系统具有复杂性和开放性，所以所获得的地表信息数据是多维的。而由于遥感信息通过地表反射，大气传输以及传感器接收预处理的过程中产生的信息衰减和信息之间复杂的相关性的原因，因此遥感信息的地学空间分析和反演具有不确定性的情况。遥感数据的误差也就是不确定性由一些具体的方面。

3.遥感信息不确定性的来源

1.遥感数据获取

在理想情况中，地面景与传感器所接受的辐射几何的关系应该是一个常数，但在自然条件或卫星平台的影响，这种几何关系在一个范围有一定的变化。这就会导致影响产生几何形变，从而产生不确定性。

2.传感器影响

传感器的属性和参数对图像不确定性有显著的影响。其决定了遥感影像的空间、时间和地面分辨率，而且也决定了影像数据的信噪比。由于在传感器接受数据的过程中要受到平台的飞行稳定性、飞行姿态以及速度等影像，造成了传感器系统的不稳定，從而有遥感影像数据的不确定性。

3.遥感影像本身

遥感影像自身就存在的一些不确定性的因素，例如“同谱异物”和“同物异谱”现象，即光谱带重合的不同地物以及地物相同却有不同的光谱带的情况；或者影响本身的分辨率问题导致在影响的处理过程中导致的模糊不确定性是显而易见的；时相的差别在作为一个影像集中产生的不确定性的可能也是存在的。

4.外界条件

在外界条件例如温度，天气，水汽量，云量等影像问题下可能会造成遥感影像的畸变，从而带来数据的不确定性。

5.遥感数据的处理过程影像

一般在获取遥感影响后，需要根据具体情况对影像进行几何校正，辐射定标以及大气校正，在此过程中则会产生数的不确定性。

6.统计理论

在遥感图像处理的过程中，一般都会用到多元统计模式来进行分析，而且一般都是在随机统计理论上对图像来进行处理。然而，对于遥感图像所表现的地物情况，其互相关联的复杂性是随机理论不能完全代表的，所必然会带来客观存在的不确定性。

7.反演过程

遥感反演过程是通过遥感像元的灰度值来回头分析地面的真实情况。而在本身的反演过程中本身就会产生不确定性，即对遥感影像DN值的数据分析结果也只是对真实地物的近似确定。

8.不确定性的综合积累

在统计学上，由于变量含有误差，而使得函数受其影响也含有误差，称之为误差传播，阐述这种关系的定律成为误差传播定律。而通过其定律我们可以知道在上述的种种不确定误差原因后，在遥感的处理过程中会存在不确定误差的积累。

故从上述原因中总结遥感影像数据的不确定性可以主要表现为：1.遥感边界的模糊不确定性会导致对其的判定分类的不确定性而导致遥感数据本身的不确定性。2.遥感数据本身的时相，分辨率，光谱信息等自身属性本来就会带来不确定性。3.对遥感影像的处理例如大气校正等因为模型的误差存在会导致得到的数据的不确定性。4.对遥感影像的反演应用中由于客观条件或者人员自身的主观因素也会对数据带来不确定性。

4.遥感数据不确定性的处理方法

一般来说，对于遥感数据的不确定性问题的处理方法主要有模糊集、多元统计、云理论、信息熵、灵敏度分析、粗糙集等

1模糊集理论

在科学研究或社会活动中，由于事物具有多样及复杂性，使得许多理论方法并不能针对其事物具有精确的描述或判定。即事物可能出现所谓的“灰色地带”如土地类型边缘划分，河流汇入海洋的节点，草地至森林的边界等。这些情况便需要进行模糊处理。

针对遥感影像的模糊情况往往是利用隶属函数来进行处理，即来通过判断像元x的DN值属于某种条件值的次数和总的询问次数n的极限比，从而通过一个形成的区间来进行表达。x0∈X为一具体识别对象，如果有i0≤n，使Ai0（x0）=max（A1（x0），A2（x0），…，An（x0）），则称x0相对隶属于Ai0。若i∈{1，2，3…..，n}使得Aj（x）

2.多元数理统计

在遥感影像处理中，存在着一些模糊与不确定性，类似于客观世界处理随机性的情况。对遥感影像中不确定中的情况进行根据周围像元值作为样本进行同级运算，从而求出各随机事件的概率并进而研究随机变量的分布（置信度），运用例如回归分析法、最小二乘法、最大最小估计法、主成分分析法等来对此类问题加以分析和解决。

3.云理论

云理论是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论，包括云模型、虚云、云运算、云变换、不确定性推理等内容，是一种对分类精度和分类速度大幅度提高的分类方法。通过Matlab算法将影像中的不确定性以及边界像素的模糊性进行组合集成。相对于传统方法能够提高精度，减少分类误差情况。

4.信息熵

信息熵是作为遥感数据中不确定性的度量方法之一。在传播中是指信息的不确定性，一则高信息度的信息熵是很低的，低信息度的熵则高。具体说来，凡是导致随机事件集合的肯定性，组织性，法则性或有序性等增加或减少的活动过程，都可以用信息熵的改变量这个统一的标尺来度量。目前信息熵在遥感影像处理中主要用于模式识别领域。

对于影像中不确定值是连续的情况，影像中的像元值的表达式为：

H（t）= -

式中，H（t）为信息熵；P（t）为概率密度函数。

5.灵敏度分析

灵敏度分析用于定性或定量地评价模型参数误差对模型结果产生的影响，是模型参数化过程和模型校正过程中的有用工具。灵敏度分析可以用于模型的参数校正，其结果是在于确定模型中的哪方面容易在系统的描述中引入不确定性。其对遥感影像中的处理模型的不确定性评价也有一定的度量指导意义。通过灵敏度分析可以确定模型各个参数对结束输出影像的大小，在对模型的修正中重点考慮在输出结果中贡献率很大的参数，而对于贡献率较小或者影响不大的参数可以不用考虑，这会使得在校正过程中的冗余数据大大减少。

6.粗糙集

在遥感影像中经常含有噪声，分辨率不高不精确的像元甚至不完整的情况下，粗糙集理论便作为一种新型的处理方法出现了。其与模糊集均能处理不确定数据，但模糊集注重描述信息的含糊程度而粗糙集则强调数据的不可辨别，不精确和模棱两可。在具体进行遥感影像不确定性处理时，模糊集强调像元之间的像元值存在不同灰度，而粗糙集研究的是不同像元集合之间的关系，重在分类。粗糙集理论为处理具有模糊、不准确、或者不完全信息的分类问题提供了一种全新的工具。其主要目的是在保持影像信息系统分类能力不变的前提情况下，通过知识简化，来导出问题的方法。粗糙集理论是一种处理模糊数据和不确定问题的新型数学工具。其利用上近似集和下近似集表示影像模糊边界线区域。由于上近似集合下近似集可以通过等价关系给出确定的数学公式来进行描述，因此模糊区域中的含糊数目可以被计算出来，也可以在真假二值之间的模糊程度可以计算。

5.结论

本文解释了遥感不确定性的具体情况，总结了其出现在遥感影像中的一些原因情况。并且讨论了处理此类问题的一些方法。这些方法有些已经可以成熟应用，而有些例如云处理粗糙集等新型方法目前还在不断研究探讨中。所以在选择处理方法时需要根据具体情况来进行实际选择，或者对上述的方法进行实际改进。而在如今多光谱甚至高光谱已成为遥感影像的基本属性的情况下。其大数据多信息带来的不确定性也成为处理其数据的一个关键问题，这需要我们在尽量保留完整有用信息的情况下，运用不同手段将其处理。

6.参考文献

[1]遥感数据的不确定性及其遗传算法处理应用.[C]第八届中国青年运筹信息管理学者大会论文集.2006年8月

[2]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年3期

[3]赵静，王崇倡，王家海.基于云理论的遥感影像分类分析方法[J]测绘工程.2014年12月12期。

[4]贺少帅，杨敏华.遥感数据模糊不确定性来源及其处理方法的探讨。[J]测绘科学.2008年11月6期