高分辨率影像面向?qū)ο蠓诸愄卣鬟x擇方法研究.pdf

1、面向?qū)ο蠓诸惙椒ㄊ沁m合于高空間分辨率影像信息提取的技術(shù)之一,主要包括最鄰近和隸屬度函數(shù)兩種分類方法,具有小樣本和高維特征的特點(diǎn)。其中,面向?qū)ο箅`屬度函數(shù)的模糊分類更是適合于研究范圍較大影像區(qū)域。實(shí)際應(yīng)用隸屬度函數(shù)分類時(shí),一般是針對(duì)研究區(qū)遙感影像的特點(diǎn),根據(jù)經(jīng)驗(yàn)知識(shí),人為的分析和嘗試極少量的特征,以分類結(jié)果好壞決定是否選用該特征。顯然這種方式具有一定的主觀性和盲目性,缺乏科學(xué)性和實(shí)用性,選取的特征難以保證分類的精度與速度。本文依托“十二五

2、”計(jì)劃中“高分?jǐn)?shù)據(jù)土地利用要素快速提取技術(shù)”課題,針對(duì)隸屬度分類的特征選擇進(jìn)行了以下研究。
　　1.提出了去除初始特征空間中無關(guān)特征的特征選擇算法。該算法針對(duì)面向?qū)ο蠓诸愋颖镜奶攸c(diǎn),分別從樣本的隨機(jī)選擇、KNN去噪和迭代次數(shù)的確定三方面,改進(jìn)國內(nèi)外公認(rèn)較好的特征選擇算法Relief系列算法。本文利用該算法從初始63維特征中選擇出25維相關(guān)特征。實(shí)驗(yàn)結(jié)果表明,改進(jìn) Relief算法,更適用小樣本數(shù)據(jù)的面向?qū)ο蠓诸愄卣鬟x擇,具有較強(qiáng)

3、去除無關(guān)特征的能力,不限制數(shù)據(jù)類型的特點(diǎn),可以初次降低特征維數(shù),一定程度上避免了“維數(shù)災(zāi)難”,為后續(xù)的J-M距離提供高質(zhì)量的相關(guān)特征;
　　2.提出了改進(jìn)Relief算法與J-M距離組合模式的面向?qū)ο蠓诸惖奶卣鬟x擇算法。本算法特征選擇的思想是:利用改進(jìn)Relief算法獲取相關(guān)特征集,在此基礎(chǔ)上,再利用J-M距離獲取基于相關(guān)集上類別間的分離度,針對(duì)每種地物類別將分離度高的特征選出。實(shí)驗(yàn)結(jié)果也表明,利用該特征選擇算法,可以很容易獲取,

4、每類典型地物類型分層提取時(shí)對(duì)應(yīng)的特征,提高面向?qū)ο箅`屬度函數(shù)分層分類時(shí)的效率;無論是從分類精度角度,還是從分類效率的角度都驗(yàn)證了本文特征選擇算法的有效性。本文提出的特征選擇方法可以有效選取特征,縮小特征范圍,縮短了分類時(shí)間,具有一定的研究意義和應(yīng)用價(jià)值;
　　3.設(shè)計(jì)與實(shí)現(xiàn)了面向?qū)ο蠓诸惖奶卣鬟x擇算法。為了驗(yàn)證上述方法的有效性和正確性,本文基于Microsoft.NET Framework2.0/COM技術(shù),設(shè)計(jì)并實(shí)現(xiàn)了面向?qū)ο蠓?/p>