多源遙感影像融合及其應用研究.pdf

1、不斷進步的遙感技術豐富了可供使用的數(shù)據(jù)資料。不同類型傳感器獲取的數(shù)據(jù)特點不同,多源遙感數(shù)據(jù)融合技術是綜合利用各種數(shù)據(jù)提取全面地物信息的有效手段。
　　目前,大多數(shù)遙感影像融合研究集中在像素級融合方面,特征級和決策級融合研究相對較少。本文提出了特征級和決策級融合的新方法,并將提出的方法應用于城市“熱島效應”研究和景觀格局分析領域。本文主要工作如下:
　　一、研究多特征融合方法。特征融合的常用方法是串行融合,串行融合只是實現(xiàn)了幾

2、何意義上的合并,沒有真正有效利用特征之間的相互關系。文中介紹了兩種多特征融合方法。本文首次將多視角譜嵌入算法用于遙感影像特征融合。多視角譜嵌入理論利用矩陣等價變換的原理,將不同特征空間的數(shù)據(jù)變換到同一表示空間,實現(xiàn)不同空間數(shù)據(jù)的融合。文章提出了基于特征接近度的融合算法。定義吸引力表示特征矢量與原型模式的空間接近程度。用特征矢量與各類型的原型模式之間的吸引力組成接近度矢量,作為融合特征。將這兩種算法用于多光譜和高光譜遙感影像地物分類,實驗

3、證明,這兩種特征融合算法對樣本分類正確率超過90％,而且都能有效降低特征矢量維數(shù)。
　　二、研究決策級融合方法。針對多分類器動態(tài)集成研究存在的一些問題,如算法的時間復雜度較高,集成過程中需要采用額外的動態(tài)機制,動態(tài)集成分類的穩(wěn)定性差,提出了基于判決矩陣的決策融合算法。受行為知識空間融合算法啟發(fā),通過訓練樣本的先驗知識提取分類器選擇依據(jù)。訓練樣本輸入到基本分類器中,得到基本分類器對輸入類型的判斷。在判決矩陣中記錄基本分類器對輸入樣本

4、類型的判斷以及能夠?qū)斎胝_分類的分類器序號。當輸入待分類數(shù)據(jù)時,根據(jù)基本分類器的輸出查找判決矩陣,得到樣本可以信賴的分類器子集,按照服從多數(shù)的原則確定樣本類型。分類器的動態(tài)選擇機制記錄在矩陣中,不存在人工參數(shù)設定問題,集成結(jié)果讀取簡單。在實驗數(shù)據(jù)和基本分類器相同的情況下,用基于判決矩陣的融合算法和行為知識空間融合算法進行決策融合,基于判決矩陣的融合算法取得了更好的分類效果。
　　三、以青島市“熱島效應”研究和青島市景觀格局分析為

5、例,使用本文中提出的方法處理實際問題。在青島市“熱島效應”研究中發(fā)現(xiàn),人口聚集區(qū)域的溫度比嶗山山區(qū)的地面溫度高6°左右。研究結(jié)果表明,人類的聚集改變了周邊環(huán)境,人類在活動過程中釋放的熱能加劇了城市“熱島效應”。景觀格局指標顯示,青島市居民區(qū)斑塊破碎度大,物質(zhì)流通方便;綠地零星分布在居民區(qū),對緩解城市“熱島效應”作用有限;林地斑塊較多,海岸線長,自然條件優(yōu)越。通過景觀格局分析發(fā)現(xiàn),青島城市化進程對環(huán)境影響顯著。未來城市發(fā)展規(guī)劃制定應注重環(huán)