粗糙集遙感圖像融合及分類方法研究.pdf

1、本文研究了粗糙集遙感圖像融合方法,以及紋理特征輔助光譜特征進行遙感圖像分類的方法。
　　 本文首先提出了一種基于Contourlet變換的粗糙集遙感圖像融合方法,該方法將粗糙集的等價類思想用于圖像Contourlet變換得到的高頻系數的劃分,利用梯度屬性將高頻系數劃分為不同的等價類,對不同類別的高頻系數采用不同的規(guī)則進行組合,得到新的融合高頻系數,將新的高頻系數與低頻系數結合進行逆變換得到融合圖像。仿真實驗結果表明該融合方法與基

2、于2代Curvelet改進IHS變換的遙感圖像融合方法相比,在增強空間細節(jié)信息的同時,光譜信息得到了更好的保留。
　　 接著提出了一種基于遺傳算法的粗糙集遙感圖像融合方法,即利用遺傳算法對低頻系數和粗糙集劃分的高頻系數進行權值尋優(yōu),利用最優(yōu)的加權值對低頻系數和高頻系數的不同等價類進行組合,得到融合后的各頻帶系數,進行逆變換得到融合圖像。實驗表明該融合方法比基于小波變換和粗糙集的圖像融合方法得到的融合圖像質量更加優(yōu)秀。
　　

3、 本文對于遙感圖像分類的研究是在論文《光譜與紋理特征融合的遙感圖像分類方法》基礎上進行的,改進提出了D-S證據理論遙感圖像分類方法和模糊相似度遙感圖像分類方法。在D-S證據理論分類方法中,光譜概率分配和紋理概率分配組合時分別進行直接組合和取優(yōu)組合兩種方法得到整體概率分配。在模糊相似度分類方法中,光譜隸屬度和紋理隸屬度組合時進行取優(yōu)組合得到整體隸屬度信息。將利用本文融合方法得到的遙感圖像用于分類,實驗結果表明對源圖像進行融合再分類效果優(yōu)