基于特征庫(kù)和信息融合的高分辨率遙感影像分類.pdf

1、遙感影像分類一直是遙感科學(xué)領(lǐng)域內(nèi)的一大研究熱點(diǎn)，隨著遙感影像分辨率的不斷提升，單一特征信息已不足以表達(dá)影像中豐富的內(nèi)容和細(xì)節(jié)信息，難以取得理想的分類精度。信息融合能夠?qū)D像不同角度的特征描述信息進(jìn)行綜合以得到相對(duì)全面的圖像描述，從而提高分類精度。
　　針對(duì)現(xiàn)有的融合方法大多只在信息融合的某一個(gè)層次進(jìn)行，未能充分利用不同融合層次之間的互補(bǔ)信息，本文提出了一種兼顧特征級(jí)和決策級(jí)融合的遙感影像分類方法。首先提取圖像的多種互補(bǔ)特征信息，然

2、后將每種特征單獨(dú)對(duì)圖像進(jìn)行分類得到的結(jié)果以Dezert-Smarandache理論（DSmT）推理的方式在決策級(jí)進(jìn)行融合，獲得決策級(jí)融合下的分類結(jié)果；同時(shí)將多種特征串行連接實(shí)現(xiàn)特征級(jí)融合并進(jìn)行分類，得到特征級(jí)融合下的分類結(jié)果。最后將特征級(jí)和決策級(jí)的分類結(jié)果進(jìn)行自適應(yīng)地再次融合完成分類。在決策級(jí)融合中，為解決DSmT推理過(guò)程中基本信度賦值構(gòu)造困難的問(wèn)題，提出一種利用訓(xùn)練樣本構(gòu)造后驗(yàn)概率矩陣來(lái)完成基本信度賦值的方法。在21類遙感數(shù)據(jù)集上的分

3、類實(shí)驗(yàn)表明，本文提出的兼顧特征級(jí)和決策級(jí)融合的分類方法在充分綜合不同特征描述信息的同時(shí)，還能夠?qū)Σ煌诤蠈哟蔚幕パa(bǔ)信息加以綜合，從而提高分類精度。
　　除上述工作之外，本文在973課題“高分辨率遙感數(shù)據(jù)精處理和空間信息智能轉(zhuǎn)化的理論與方法”的支持下，開(kāi)發(fā)了高分辨率遙感影像目標(biāo)特征庫(kù)（ELUOFDB），該特征庫(kù)能夠有效地對(duì)遙感影像原始數(shù)據(jù)和特征數(shù)據(jù)進(jìn)行管理，為基礎(chǔ)測(cè)繪、災(zāi)害應(yīng)急響應(yīng)等重大應(yīng)用提供服務(wù)。對(duì)目標(biāo)特征庫(kù)中的五類典型地物的相