中文    English
当前位置: 本站首页 » 科学研究 » 科研动态 » 正文

特稿:遥感影像处理中的人工免疫系统理论及其应用

发布日期:2007-09-15 17:37:03 阅读次数:[1908]次 作者:

核心提示:特稿:遥感影像处理中的人工免疫系统理论及其应用

   编者按:测绘遥感信息工程国家重点实验室网站于今日改版。网站新增“学术动态”栏目,以增进同行之间及我室与社会之间的了解、交流与合作。在此,特邀我室教师钟燕飞博士和张良培教授为本栏目撰写《遥感影像处理中的人工免疫系统理论及其应用》,以飨读者。
遥感影像处理中的人工免疫系统理论及其应用
钟燕飞,张良培

1.什么是免疫系统与免疫学?

大自然千变万化,危险无处不在,那么地球上的生物,包括地球的主宰者——人类,为什么能抵御外界有害物质如各种细菌、病毒的侵害而健康地生活着呢?千百年来这个话题一直是科学家们研究的热点。经过研究发现,这是因为地球上生物机体内存在着强大的免疫系统(immune systems),并且该系统能与生物机体其他系统一起发生联合作用杀死外来的有害物质,从而保证了生命运行规律的稳定(Jerne,1973)。正是由于免疫系统在生物体内具有十分重要的地位,科学家们从古代就开始从实践和理论上对免疫系统进行了深入而广泛的研究和应用,同时创建了解释机体免疫系统的组织结构和生理功能的科学——免疫学。

免疫学的免疫机理很早就被聪明的人类用于预防或者治疗各种疾病。最具典型的就是人们战胜天花病毒。如图1所示(杨贵贞,2003),我国古代医师在医治天花的长期临床实践中,发现康复后的天花患者及护理者,或穿过沾染患者痘痂的衣服的人不再患天花,于是就大胆创用了将天花痂粉吹入正常人鼻孔的方法来预防天花,这是世界上最早的原始疫苗。据考证,这种人痘苗在唐代开元年间(公元713~741年)就已出现。到18世纪末,英格兰乡村医生E. Jennercon从挤奶工多患牛痘,但不患天花的现象中得到启示,经过一系列实验后,于1789年成功地创制出牛痘苗,并公开推行牛痘苗接种法。这是世界上第一例成功的疫苗,为人类最终战胜天花做出了不朽的共享。虽然人们从实践中战胜了天花病毒,但当时微生物学尚未发展起来,这种孤立的成功并未得到理论上的升华,人们只是停留在原始的经验状态,并不知道利用了什么样的免疫原理。实际上,从后期科学家们的研究中可以得出,从理论上看,其利用的原理之一就是——免疫系统中的免疫记忆机理。

具体来说,如图2所示,当免疫系统初次遇到人类种入的人痘或牛痘时,免疫系统进行初次应答,并在识别结束后保留对人痘或牛痘的记忆信息。而当蛋白质结构中与牛痘相似的天花病毒出现时,由于之前保留了对人痘或牛痘的记忆信息,免疫系统在联想记忆的作用下,通过再次免疫应答或交叉免疫应答,成功的将天花病毒识别出来并将其从体内去除。这样也解释了为什么种痘能够去除天花病毒这一免疫现象。


图2 免疫联想记忆机制示意图

   而各种免疫理论的发展,包括上述的免疫记忆原理,是以19世纪后期微生物学的发展为基础的。微生物学的发展为免疫学的形成奠定了理论基础,至此各种免疫学说和模型不断提出,如F.Burnet的克隆选择学说(clone selection theory),Jerne的独特型网络模型等,用来解释免疫系统中出现的各种免疫现象,免疫学科逐渐形成和完善。


  图3利用平面图的方式表示了一个简单的生物免疫系统(肖人彬等,2002)。免疫系统的重要功能就是通过产生抗体(antibody)来清除外来的异物,异物可以是微生物(细菌、病毒等)、异型血细胞、移值器官等,它们都称为抗原(antigen)。免疫系统的基本组成成分是淋巴细胞,其中B细胞和T细胞是两种主要的淋巴细胞。这些细胞都有自己独特的生态结构并且从它们的表面产生许多Y型抗体来杀死抗原(Jerne,1973)。


  免疫系统具有许多优良的特性,如自适应性、分布性、鲁棒性、多样性、自体耐受、自学习、自组织等,为了解释免疫系统的这些特性,学者们提出了各种免疫原理与模型,主要包括自我/非我识别,免疫记忆,阳性/阴性选择,免疫网络,克隆选择等,它们为其他学科借鉴免疫系统的各种免疫原理提供了理论基础。

图3 生物免疫系统的体系结构

2.什么是人工免疫系统?

  通过前面的介绍,我们知道免疫系统是一个复杂的、高度进化的生物系统,它主要是通过区分外部有害抗原和自身组织来清除病原并保持有机体的稳定。从计算的角度来看,生物免疫系统是一个高度并行、分布、自适应和自组织的系统,具有很强的学习、识别、记忆和特征提取能力。正因为免疫系统具有如此强大的功能,人们自然就希望从生物免疫系统的运行机制中获取灵感,开发面向应用的免疫系统的计算模型,用于解决工程中所遇到的各种实际问题。
  此时,一门新的学科就自然而然就产生了,它就是人工免疫系统(Artificial Immune Systems,AIS)。具体来说,所谓人工免疫系统(从工程和科学角度讲),是指研究借鉴、利用生物免疫系统(主要是人类的免疫系统)各种原理和机制而发展起来的各类信息处理技术、计算技术及其在工程和科学中引用而产生的各种智能系统的统称(莫宏伟,2002)。其实现主要通过借鉴各种生物免疫原理,根据各种工业需求开发各种算法和模型来满足人们在各行各业的各种需要,具体各种生物原理与模型如图4所示。通过科研工作者不懈的努力,在过去的十几年里,人工免疫系统的应用领域逐渐扩展到了信息安全、模式识别、机器学习、智能优化、数据挖掘、机器人学、自动控制、故障诊断等诸多领域,显示了强大的信息处理和问题求解能力及广阔的应用前景(Dasgupta等,1999;De Castro等,2002;肖人彬等,2002;莫宏伟,2002;李涛,2004;丁永生,2004;焦李成等,2006),从而已经发展成为计算智能研究的一个崭新的分支。

图4 人工免疫系统的生物原理与模型


3.人工免疫系统在遥感影像处理中有何应用?

  作为一名遥感工作者,既然发现了人工免疫系统在各种工业问题上具有强大的求解能力,自然而然地我们会想它能为当前的遥感界做出一些什么样的贡献呢?要理解这个问题,首先要了解一下当前遥感界对处理方法的需求。目前,随着遥感对地观测技术朝着高空间分辨率、高光谱分辨率、高时相分辨率和多传感器、多平台、多角度迅猛发展,人们已经可以获取海量的遥感数据,而面对如此浩瀚的遥感空间数据,如何有效、快速、智能地进行遥感信息处理是当今遥感界迫切需要解决的问题,它事关遥感技术的利用价值、可靠性以及能否推广普及的程度。而常规的遥感处理技术的理论与方法基本上是遵循了数理统计分析的理论模式(孙家柄等,1997),需要一定的先验假设,所能处理的数据量十分有限,其自动化和智能化水平不高,得到的精度也不能够令人满意,已经很难适应当前遥感信息处理的要求。正是当前遥感信息处理技术的局限性导致了大量的遥感数据都不能得到充分的利用。例如,陆地卫星计划所拥有的全球二十多年的卫星数据中的绝大部分一直存储在电子数据仓库中从未被使用过。发展自动化、智能化的遥感影像处理技术是解决上述问题的有效途径,也是当前遥感领域的研究热点之一。

  我们之前提到的人工免疫系统正是具备了解决以上问题的潜力,它是受生物免疫系统启发而产生的一种新型的智能计算方法,继承了各种生物免疫系统属性,具有自组织、自学习、自识别、自记忆的能力,在各种实际应用中已经表现了优于传统算法的学习、识别、记忆和特征提取能力,因此,结合具体的遥感数据,开展人工免疫系统的理论、方法及其在遥感影像处理中的应用方法研究不仅满足了当前遥感界需要提高算法的自适应性和智能性的需求,同时也能在一定程度上提高传统算法的处理精度,为遥感影像处理开辟一条新的智能化处理途径。在实现过程中,现有的人工免疫系统中的各种算法需要进行深化和改进,甚至提出新的适用于遥感影像处理的模型和算法,才能满足遥感影像的处理需求。目前,作者所在的研究小组主要针对遥感影像处理中的非监督分类、监督分类,高光谱遥感影像的特征选择等问题进行了相关的研究,具体如下:

3.1 遥感影像非监督分类

  非监督分类,是指人们事先对分类过程不施加任何的先验知识,仅凭据遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类。

免疫系统对新事物具有出色的自适应、自学习能力。当外来抗原入侵时,免疫系统能够利用免疫细胞学习抗原的结构,通过复杂模式匹配和自组织网络结构支持对抗原产生免疫应答,并通过细胞超变异机制能够识别抗原的变异体。理论上,免疫系统能够利用有限的免疫系统识别任何外来的抗原,具有良好的自学习能力。因此,可以利用该免疫特性提出人工免疫模型和算法进行遥感影像非监督分类,提高分类精度(Zhong等,2006)。

3.2 遥感影像监督分类

  与非监督分类不同,监督分类的最基本特点是在分类前人们对遥感影像上某些抽样区中影像地物的类别属性已有了先验知识,其基本过程一般是在影像中选取具有代表性区域作为训练区,由训练区样本训练后得到各个类别的相关数据,然后根据这些先验数据对整个影像进行分类。

  与之相对应的是,免疫系统具有免疫记忆的特点。当免疫系统初次遇到一种抗原时,淋巴细胞需要一定的时间进行调整以更好地识别抗原,并在识别结束后以最优抗体的形式保留对该抗原的记忆信息。而当免疫系统再次遇到相同或者结构相似的抗原时,在联想记忆的作用下,其应答速度大大提高(焦李成等,2003;丁永生,2004)。其中最好的例子就是前面所提到的利用种痘来识别天花病毒。基于该免疫机理可以提出适用于遥感影像监督分类的人工免疫模型和算法,通过训练样本对该算法进行初次训练,获得具有记忆信息的免疫记忆细胞,并将其用于对未知影像像素的监督分类中,提高分类精度(Zhang等,2007)。

3.3 高光谱遥感影像特征选择

   Hughes现象表明,为了提高分类精度,对高光谱遥感数据进行降维处理是一项必要的工作。降维方法之一就是特征选择。特征选择就是从原始影像波段中挑选出一些最有效的波段以达到降维的目的。在最优波段组合评价标准确定的情况下,特征选择问题可以看成是一个组合优化问题。而人工免疫系统中的克隆选择算法是一种自适应很强的优化技术,它继承了生物免疫系统的众多属性,具有自组织、自学习、自识别、自记忆的能力,它能快速提供达到最优解的90%的搜索范围,从而得到全局最优的结果,这是其他优化技术所不及的。因此可以采用克隆选择算法结合高光谱影像数据特点对其进行特征选择处理(Zhang等,2007)。

4.展望

  本文为了读者方便理解,从免疫学的出现开始,论述了人工免疫系统的由来,基本原理和实际应用情况,并结合作者近年来的研究成果,主要论述了遥感影像处理中的人工免疫系统理论及其应用机理。目的主要是希望通过简要的概述启到抛砖引玉的作用,文中涉及的各种原理和算法限于篇幅不详细描述,具体的理论请读者参见相应的参考文献。实际上,人工免疫系统是一门新兴的学科,里面有很多理论还不完善,涉及到的学科也非常多,需要科研者们不断去挖掘和深化当前的理论。根据当前遥感界的需求,作者结合自己的专业背景做了一些相关的研究,但这些都只是一个开始,由于该问题涉及学科多样,模型复杂,还需要进行大量的实验和研究来进一步完善和发展该理论和方法,而且人工免疫系统的在遥感影像处理中的应用范围也远远不止这些。因此,作者也希望越来越多的科研工作者加入到该领域的研究中来,完善已有的理论,并提出各种新的方法和理论,满足各行各业的应用需求。

大家有何疑问或对上述问题感兴趣,请联系:zhongyanfei@lmars.whu.edu.cn ,我们将及时答复。
      参考文献
 [1]        丁永生,2004。计算智能-理论、技术与应用。北京:科学出版社。
 [2]        焦李成,杜海峰等,2006。免疫优化计算、学习与是好别。北京:科学出版社。
 [3]        李涛,2004。计算机免疫学,电子工业出版社。
 [4]        莫宏伟,2002。人工免疫系统原理与应用。哈尔滨:哈尔滨工业大学出版社。
 [5]        肖人彬,王磊,2002。人工免疫系统:原理、模型、分析及展望。计算机学报,第25卷第12期:1281-1293
 [6]        杨贵贞,2003。医学免疫学。北京:高等教育出版社。
 [7]        Dasgupta, D., 1999. Artificial Immune Systems and Their Applications. Germany: Springer.
 [8]        De Castro, L. N. and Timmis, J., 2002. Artificial Immune systems: A New Computational Intelligence Approach, London, Springer-Verlag.
 [9]        Jerne, N. K., 1973. The Immune System, Scientific American, vol.229, no.1, pp. 52-60.
[10]      Zhang, L. P., Zhong, Y. F., Huang, B. and Li, P. X., 2007. A Resource Limited Artificial Immune Algorithm for Supervised Classification of Multi/Hyper-Spectral Remote Sensing Image. International Journal of Remote Sensing, vol.28, No.7, pp.1665 – 1686.
[11]     Zhang, L. P., Zhong, Y. F., Huang, B., Gong J. Y and Li, P. X., 2007. Dimensionality Reduction Based on Clonal Selection for Hyperspectral Satellite Imagery. IEEE Transactions on Geoscience and Remote Sensing, in press.
[12]      Zhong, Y. F., Zhang, L. P., Huang, B. and Li, P. X., 2006. An unsupervised artificial immune classifier for multi/hyperspectral remote sensing imagery, IEEE Transactions on Geoscience and Remote Sensing, vol. 44, no. 2., pp. 420-431.


版权所有:测绘遥感信息工程国家重点实验室   
联系地址: 中国·武汉市珞瑜路129号   邮编: 430079   E-mail:liesmars@whu.edu.cn
Tel/Fax:027-68778969(办公室) 027-68778229(国际交流办公室)027-68778525(研究生管理办公室)