多點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)量會直接影響遙感圖像分類結(jié)果的質(zhì)量，因此對樣本進行質(zhì)量評價，從而得到關(guān)于樣本的不確定性描述是非常必要的，目前對于樣本的評價大多是基于統(tǒng)計的，通常，樣本點是憑先驗知識和經(jīng)驗獲得的。在相同采樣模式和樣本量的前提下，一組作為訓練分類器的樣本數(shù)據(jù)集的“真實效用”如何，只能經(jīng)過分類之后才能進行相應(yīng)的驗證和評價，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)，指導和優(yōu)化分類過程是一項有意義的工作。 本文基于粗糙集理論提出通過計算“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習方法，粗糙集理論以其“不需對數(shù)據(jù)的任何先驗

3、假設(shè)”、“可提供非完備，非協(xié)調(diào)等不確定性知識獲取方法”、“所獲知識具有較好的直觀可理解性”等顯著優(yōu)勢獲得人們的廣泛關(guān)注。本文將將粗糙集理論引入到樣本評價中。 另一方面，近年來，漸漸發(fā)展起來的多點地質(zhì)統(tǒng)計學使用訓練圖像(Trainingimage)來代替變差函數(shù)表達地質(zhì)變量的空間結(jié)構(gòu)，因而能夠克服傳統(tǒng)地質(zhì)統(tǒng)計學不能再現(xiàn)目標幾何形態(tài)的不足。同時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，能夠忠實于硬數(shù)據(jù)(采樣數(shù)據(jù))，速度

4、也優(yōu)于基于目標的隨機模擬算法。所以，多點地質(zhì)統(tǒng)計學能夠很好的用于復雜幾何形態(tài)地物的建模而且還有更好的計算速度。 本文在討論遙感圖像分類過程、多點地質(zhì)統(tǒng)計學和對現(xiàn)有樣本評價指標總結(jié)的基礎(chǔ)上，提出了一種新的樣本評價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價遙感圖像分類中的樣本質(zhì)量。首先本文使用對目前常用的一些樣本評價方法進行了討論，特別是重點討論了巴氏距離和散度；然后提出使用粗糙集理論計算樣

5、本中每個類別以及整體的“純度”來評價樣本，最后通過實驗將該指標同巴氏距離進行了對比，最后得出兩者在統(tǒng)計意義下存在一定的線性關(guān)系。這一評價方法從不同于傳統(tǒng)統(tǒng)計方法的角度來評價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，使用多點地質(zhì)統(tǒng)計學和數(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遙感圖像進行分類；接著利用多點地質(zhì)統(tǒng)計學