基于復(fù)雜網(wǎng)絡(luò)的遙感圖像檢測研究 李程1邵峰晶1，2隋毅1 （1.青島大學(xué)信息工程學(xué)院，山東青島266071；2.青島大學(xué)自動化工程學(xué)院，山東青島266071） 【摘要】本文提出一種新的利用復(fù)雜網(wǎng)絡(luò)理論處理遙感圖像的方法，對遙感圖像進(jìn)行復(fù)雜網(wǎng)絡(luò)建模，然后對復(fù)雜網(wǎng)絡(luò)模型劃分社團(tuán)，本文所采用的是Newman的針對大規(guī)模網(wǎng)絡(luò)的基于模塊度的M算法，然后提出了兩種確定閾值的方法：（1）反復(fù)測算法，（2）抽樣計算法；在反復(fù)測算法中提出了兩個衡量社團(tuán)劃分好壞的指標(biāo)：（1）覆蓋率，（2）精確度，以此作為確定閾值的指標(biāo)，最后得出了一種可以再遙感圖像中利用復(fù)雜網(wǎng)絡(luò)的方法，檢測出圖像中有用信息的可行方法。 關(guān)鍵詞赤潮；遙感圖像；復(fù)雜網(wǎng)絡(luò)；社團(tuán)發(fā)現(xiàn) AComplexNetwork-basedApproachtoRemoteSensingImageDetection LICheng1SHAOFeng-Jing1,2SUIYi1 (1.CollegeofInformationEngineeringQingdaoUniversity,QingdaoShandong266071,China; 2.CollegeofAutomationEngineeringQingdaoUniversity,QingdaoShandong266071,China) 【Abstract】Thispaperproposesanewmethodofusingthetheoryofplexworkprocessingremotesensingimages,theplexworkmodelingwascarriedoutontheremotesensingimage,andthendividedsocietiesonplexworkmodel,thisarticleisadoptedbytheNewmansMalgorithmbasedonmoduleforlarge-scaleworks,thenputsforwardtwowaystodeterminethethreshold：(1)repeatedlymeasuringmethod,(2)samplingcalculationmethod;intherepeatedcalculationmethodproposedtwoindicesformunitydividedintogoodorbad：(1)coverage,(2)theprecision,soastodeterminethethresholdvalueindicators,finallyitisconcludedthatacanagainintheremotesensingimagebyusingthemethodofplexwork,afeasiblewaytodetecttheusefulinformationintheimage. 【Keywords】Redtide;Remotesensingimage;Complexworks;Communityfound 0引言 近年來，青島附近海域在每年的6月到8月份頻繁爆發(fā)赤潮災(zāi)害，赤潮是一種草綠色藻體，管狀膜質(zhì)，叢生，主枝明顯，分枝細(xì)長，高可達(dá)1米，基部以固著器附著在巖石上，生長在中潮帶灘涂，石礫上嚴(yán)重影響了沿海漁業(yè)和旅游業(yè)的發(fā)展，滸苔的爆發(fā)主要是由于全球氣候變化、水體富營養(yǎng)化等原因。 本文基于復(fù)雜網(wǎng)絡(luò)理論提出一種新的使用社團(tuán)發(fā)現(xiàn)的辦法在遙感圖像中的赤潮檢測和識別方法。 1國內(nèi)外研究現(xiàn)狀 復(fù)雜網(wǎng)絡(luò)能夠表達(dá)許多真實世界復(fù)雜系統(tǒng)的自然結(jié)構(gòu)，近年來，許多不同的科學(xué)領(lǐng)域產(chǎn)生興趣關(guān)注這些網(wǎng)絡(luò)的統(tǒng)計特征的研究1。盡管許多計算機(jī)視覺的論題可以用復(fù)雜網(wǎng)絡(luò)技術(shù)建模，但這仍然是有待探索的領(lǐng)域，這方面的參考文獻(xiàn)很少。涉及復(fù)雜網(wǎng)絡(luò)的研究可以定義為圖論和統(tǒng)計機(jī)制之間的交集，這賦予該領(lǐng)域真正的多學(xué)科性質(zhì)。關(guān)于復(fù)雜網(wǎng)絡(luò)理論的第一次研究可以再文獻(xiàn)flory1、rapoport5以及erdos和renyi6中看到。 復(fù)雜網(wǎng)絡(luò)變得如此流行的主要原因之一是它實際表示任何自然結(jié)構(gòu)的靈活性、一般性，包括那些拓?fù)湫再|(zhì)動態(tài)變化的。事實上，每個離散的結(jié)構(gòu)例如列表、樹、網(wǎng)絡(luò)和圖像都可以恰當(dāng)?shù)谋槐硎緸橐粋€圖?？紤]到這些，各種研究如何把一個問題用復(fù)雜網(wǎng)絡(luò)來描述，接著分析它的拓?fù)湫再|(zhì)及特征提取。一些應(yīng)用用這些描述符來區(qū)別不同的類別，因而產(chǎn)生了許多圖像識別的技術(shù)。 文獻(xiàn)中許多文章將真實結(jié)構(gòu)描述為復(fù)雜網(wǎng)絡(luò)，在文獻(xiàn)1中，復(fù)雜網(wǎng)絡(luò)被用來做文本建模，實驗結(jié)果顯示，網(wǎng)絡(luò)參數(shù)和文本質(zhì)量之間有很強(qiáng)的相關(guān)性。 在文獻(xiàn)5中，紋理特征問題用復(fù)雜網(wǎng)絡(luò)表示，節(jié)點表示像素點，像素點之間的相似性映射為節(jié)點之間的連接?？梢钥吹?，不同類型的紋理變現(xiàn)出不同的節(jié)點度分布。傳統(tǒng)的網(wǎng)絡(luò)連通性量度被使用為了得到特征向量，特征向量可以用來紋理描述和分類。 本文的思想與上述相關(guān)的文章類似，集中于紋理模式識別。由于人類交流的重要性，在未來幾年，圖像描述和分析以及復(fù)雜網(wǎng)絡(luò)提供了一個有希望（有挑戰(zhàn)）的研究機(jī)遇。 2基于模塊度的社團(tuán)發(fā)現(xiàn)算法 基于模塊度優(yōu)化的社團(tuán)發(fā)現(xiàn)算法，也就是優(yōu)化模塊度Q值的一部分算法。Q值是由Newman在xx年的論文“FastAlgorithmforDectectingCommunityStructureinNetworks”中提出的(也就是FN算法)。通過優(yōu)化Q值來提高模塊度是這類算法的主要思路，在此基礎(chǔ)上，本文又劃分了三個類別：采用聚合思想，也就是分層聚類中的自底向上的作法。典型算法有Newman快速算法(FN算法)、M算法(FindingLocalCommunityStructureinNetworks)和MSG-MV算法(MultistepGreedyAlgorithmIdentifiesCommunityStructureinReal-WorldandComputer-GeneratedNetworks)等。采用分裂思想，也就是分層聚類中自頂向下的方法。代表當(dāng)然就是Newman的GN算法，但是GN的復(fù)雜度實在是高了些，所以Newman之后提出的一種譜方法(ModularityandCommunityStructureinNetworks)。直接尋優(yōu)法，這類算法的兩個代表EO算法(CommunityDetectioninComplexNetworksUsingExternaloptimization)和整數(shù)規(guī)劃方法，但是一些基于遺傳算法和蟻群的智能劃分方法也屬于此類。但是在xx年的論文“ResolutionLimitinCommunity”中認(rèn)為基于Q值的優(yōu)化方法無法處理粒度小于一定程度的網(wǎng)絡(luò)，雖然后續(xù)跟進(jìn)了一些優(yōu)化的算法，但是此類方法在處理真實網(wǎng)絡(luò)時還是很難反映真實的社團(tuán)結(jié)構(gòu)。 3本文復(fù)雜網(wǎng)絡(luò)模型的建立 本文中將選定的遙感圖像的每個像素點p(B1,B2,B3)（其中B1,B2,B3分別代表遙感圖像中像素點p對應(yīng)的三個波段值）抽象為一個節(jié)點i，節(jié)點i和j之間連邊是否連邊取決于一個本文定義的相似度，這個相似度就是根據(jù)像素點之間不同的波段值B1,B2,B3來計算任意兩個像素點之間的歐式距離，即 由此構(gòu)建相似度矩陣 用這個dij來作為閾值衡量節(jié)點i和j是否連邊，如果dij小于等于所選閾值那么就在節(jié)點i和j進(jìn)行連邊，否則就沒有連邊，這樣就將一幅遙感圖像轉(zhuǎn)化為了一個無權(quán)無向的復(fù)雜網(wǎng)絡(luò)模型G(V,E)。其中V就是像素點即節(jié)點的集合，E就是節(jié)點之間連邊的集合。 設(shè)定不同的閾值就會得到不同的復(fù)雜網(wǎng)絡(luò)模型，那么得到的社團(tuán)結(jié)構(gòu)也就不同，那么如何選取閾值成了一個將一幅遙感圖像轉(zhuǎn)化成一個復(fù)雜網(wǎng)絡(luò)模型的關(guān)鍵問題。 4提出閾值選取的兩種方法 4.1反復(fù)測算法 對選定區(qū)域的遙感圖像計算dij得到一個取值范圍dmin,dmax，在這個區(qū)間內(nèi)從dmin到dmax以步長為1選取閾值，即閾值可選為為dmin，dmin+1，dmin+2，dmax，不同的閾值對應(yīng)不同的復(fù)雜網(wǎng)絡(luò)模型，然后針對這些復(fù)雜網(wǎng)絡(luò)進(jìn)行社團(tuán)劃分，本文所采用的社團(tuán)劃分方法是Newman的針對大規(guī)模網(wǎng)絡(luò)的基于模塊度的M算法。 在這里本文提出兩個指標(biāo)來作為衡量閾值選取的好壞的標(biāo)準(zhǔn)，設(shè)集合A為匹配到的赤潮節(jié)點集合，集合B為社團(tuán)劃分檢測到的赤潮節(jié)點集合，集合C為實際的赤潮節(jié)點集合，rate為覆蓋率，即匹配到的赤潮節(jié)點個數(shù)與社團(tuán)劃分檢測到的赤潮節(jié)點個數(shù)之間的比值， P為精確度，即實際的赤潮節(jié)點個數(shù)與社團(tuán)劃分檢測到的赤潮節(jié)點個數(shù)之間的比值， 當(dāng)覆蓋率最高精確度也最高的情況下對應(yīng)的閾值就是用來做社團(tuán)劃分最好的閾值選擇。 實驗結(jié)果：本文選取了一塊區(qū)域的遙感圖像（圖1）為例，圖像中包含1862個像素點，針對本圖像用第2部分中提到的復(fù)雜網(wǎng)絡(luò)建模的方法建立復(fù)雜網(wǎng)絡(luò)模型，計算節(jié)點之間的相似度的取值區(qū)間在1,60，采用M算法對每一個復(fù)雜網(wǎng)絡(luò)模型進(jìn)行社團(tuán)劃分，得到如表1的結(jié)果 由表1可以看出，在閾值選取過小的情況下，網(wǎng)絡(luò)連邊過于稀疏，網(wǎng)絡(luò)中存在多個連通片，所以劃分出的社團(tuán)個數(shù)較多，只有在閾值取到5,59的時候可比較符合實際情況的劃分出兩個社團(tuán)。 計算不同閾值情況下的覆蓋率rate和精確度p，得到結(jié)果如圖2（覆蓋率）圖3（精確度）： 由圖2和圖3可以看出，在閾值的取值范圍內(nèi)，覆蓋率都在93%以上，而精確度卻在閾值取37的時候達(dá)到最大值65%，因此可以通過計算不同閾值情況下的覆蓋率和精確度來確定閾值在選37的時候最好，也就是在閾值為37的時候進(jìn)行社團(tuán)劃分得到的結(jié)果最接近實際情況，如下圖4： 4.2抽樣計算閾值法 在遙感圖像中選取一定數(shù)量的海洋圖像的像素點S(B1i,B2i,B3i)和赤潮像素點C(B1j,B2j,B3j)來計算一個平均閾值： 根據(jù)第2部分中的相似度矩陣，取值小于等于閾值的保留，大于閾值的取為0，建立復(fù)雜網(wǎng)絡(luò)模型，然后利用Newman的針對大規(guī)模網(wǎng)絡(luò)的基于模塊度的M算法進(jìn)行社團(tuán)劃分。 實驗結(jié)果如圖5。 5結(jié)論 赤潮災(zāi)害是近年來在黃海及渤海海域爆發(fā)的影響較大的海洋災(zāi)害，利用遙感圖像，對赤潮災(zāi)害進(jìn)行監(jiān)測和治理是非常有必要的，本文提出一種新的利用復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)的方法，對遙感圖像進(jìn)行處理，以此檢測出遙感圖像中可能為赤潮的區(qū)域，為赤潮災(zāi)害的監(jiān)測和治理提供有力的依據(jù)。 本文所采用的是Newman的針對大規(guī)模網(wǎng)絡(luò)的基于模塊度的M算法，然后提出了兩種確定閾值的方法：（1）反復(fù)測算法，（2）抽樣計算法；在反復(fù)測算法中提出了兩個衡量社團(tuán)劃分好壞的指標(biāo)：（1）覆蓋率，（2）精確度，以此作為確定閾值的指標(biāo)。最后得出了一種可以再遙感圖像中利用復(fù)雜網(wǎng)絡(luò)的方法，檢測出圖像中有用信息的可行方法。 參考文獻(xiàn) YueguoZhang,LiliDong,AComplexNetwork-BasedApproachforInterestPointDetectioninImagesJ,xx. 邵峰晶,孫仁誠,李淑靜.多子網(wǎng)復(fù)合復(fù)雜網(wǎng)絡(luò)及其運算研究J.復(fù)雜系統(tǒng)與復(fù)雜科學(xué). 邵峰晶.多子網(wǎng)復(fù)合復(fù)雜網(wǎng)絡(luò)C/第13屆海峽兩岸資訊技術(shù)研討會.xx. 隋毅.多子網(wǎng)復(fù)合復(fù)雜網(wǎng)絡(luò)模型及其相關(guān)性質(zhì)的研究J.青島大學(xué),xx. YueguoZhang,LiliDong,JianhuaLi.Aplexwork-basedapproachtoestimatingthenumberofpeopleinvideosurveillanceJ.xx. RoznizaAli,BoJiang,MustafaMan,AmirHussain.ClassificationofFi