多點(diǎn)模擬和粗糙集在遙感圖像分類中的應(yīng)用.pdf

1、采樣是遙感圖像監(jiān)督分類的基礎(chǔ)，樣本的質(zhì)量會(huì)直接影響遙感圖像分類結(jié)果的質(zhì)量，因此對(duì)樣本進(jìn)行質(zhì)量評(píng)價(jià)，從而得到關(guān)于樣本的不確定性描述是非常必要的，目前對(duì)于樣本的評(píng)價(jià)大多是基于統(tǒng)計(jì)的，通常，樣本點(diǎn)是憑先驗(yàn)知識(shí)和經(jīng)驗(yàn)獲得的。在相同采樣模式和樣本量的前提下，一組作為訓(xùn)練分類器的樣本數(shù)據(jù)集的“真實(shí)效用”如何，只能經(jīng)過分類之后才能進(jìn)行相應(yīng)的驗(yàn)證和評(píng)價(jià)，即在這組樣本數(shù)據(jù)集中，能夠全面體現(xiàn)光譜特征，保證分類質(zhì)量和效果的樣本數(shù)據(jù)集只有在分類之后才能知曉。如

2、何在分類之前，度量樣本數(shù)據(jù)，指導(dǎo)和優(yōu)化分類過程是一項(xiàng)有意義的工作。 本文基于粗糙集理論提出通過計(jì)算“純度”來度量樣本數(shù)據(jù)質(zhì)量。另一方面，傳統(tǒng)的遙感圖像分類方法一般都是基于光譜信息，影像中豐富的空間結(jié)構(gòu)信息和空間自相關(guān)信息并沒有能夠充分利用起來，雖然目前已經(jīng)有了一些新的方法利用空間結(jié)構(gòu)信息和空間自相關(guān)信息來進(jìn)行分類，比如紋理，上下文等等，但這些方法都有其一定的局限性。作為一種新興的歸納學(xué)習(xí)方法，粗糙集理論以其“不需對(duì)數(shù)據(jù)的任何先驗(yàn)

3、假設(shè)”、“可提供非完備，非協(xié)調(diào)等不確定性知識(shí)獲取方法”、“所獲知識(shí)具有較好的直觀可理解性”等顯著優(yōu)勢(shì)獲得人們的廣泛關(guān)注。本文將將粗糙集理論引入到樣本評(píng)價(jià)中。 另一方面，近年來，漸漸發(fā)展起來的多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)使用訓(xùn)練圖像(Trainingimage)來代替變差函數(shù)表達(dá)地質(zhì)變量的空間結(jié)構(gòu)，因而能夠克服傳統(tǒng)地質(zhì)統(tǒng)計(jì)學(xué)不能再現(xiàn)目標(biāo)幾何形態(tài)的不足。同時(shí)由于該方法仍然以像元為模擬單元，而且采用序貫非迭代算法，能夠忠實(shí)于硬數(shù)據(jù)(采樣數(shù)據(jù))，速度

4、也優(yōu)于基于目標(biāo)的隨機(jī)模擬算法。所以，多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)能夠很好的用于復(fù)雜幾何形態(tài)地物的建模而且還有更好的計(jì)算速度。 本文在討論遙感圖像分類過程、多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)和對(duì)現(xiàn)有樣本評(píng)價(jià)指標(biāo)總結(jié)的基礎(chǔ)上，提出了一種新的樣本評(píng)價(jià)方法和一種新的遙感分類方法。主要研究內(nèi)容及成果有： 1．使用粗糙集理論來評(píng)價(jià)遙感圖像分類中的樣本質(zhì)量。首先本文使用對(duì)目前常用的一些樣本評(píng)價(jià)方法進(jìn)行了討論，特別是重點(diǎn)討論了巴氏距離和散度；然后提出使用粗糙集理論計(jì)算樣

5、本中每個(gè)類別以及整體的“純度”來評(píng)價(jià)樣本，最后通過實(shí)驗(yàn)將該指標(biāo)同巴氏距離進(jìn)行了對(duì)比，最后得出兩者在統(tǒng)計(jì)意義下存在一定的線性關(guān)系。這一評(píng)價(jià)方法從不同于傳統(tǒng)統(tǒng)計(jì)方法的角度來評(píng)價(jià)遙感圖像分類中的樣本質(zhì)量。 2．提出新的遙感圖像分類方法 MLC+MPS，在現(xiàn)有的基于光譜信息的遙感圖像分類方法的基礎(chǔ)上，使用多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)和數(shù)據(jù)融合方法將空間結(jié)構(gòu)信息也引入到分類過程中。該分類方法首先使用最大似然分類對(duì)遙感圖像進(jìn)行分類；接著利用多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)