20200.基于信息論和粗糙集的遙感影像分類(lèi)不確定性多尺度評(píng)價(jià)研究

1、論文題目：基于信息論和粗糙集的遙感影像分類(lèi)不確定性多尺度評(píng)價(jià)研究專(zhuān)業(yè)：大地測(cè)量學(xué)與測(cè)量工程碩士生：魏曼（簽名）指導(dǎo)教師：胡榮明（簽名）摘要遙感影像分類(lèi)得到的專(zhuān)題類(lèi)別信息已廣泛的應(yīng)用于各個(gè)領(lǐng)域。為評(píng)價(jià)專(zhuān)題類(lèi)別信息是否可以應(yīng)用于后續(xù)研究，并分析專(zhuān)題類(lèi)別信息在后續(xù)使用中的影響，需在獲得專(zhuān)題類(lèi)別信息的同時(shí)，提供專(zhuān)題分類(lèi)信息的可靠性。因此如何全面、準(zhǔn)確的評(píng)價(jià)分類(lèi)結(jié)果的不確定性是本文研究的重點(diǎn)。本文針對(duì)如何全面、準(zhǔn)確地度量遙感影像分類(lèi)中的屬性不確定

2、性的程度，分別從像元—地物類(lèi)別—影像整體三個(gè)尺度上進(jìn)行了相應(yīng)研究，建立了遙感影像分類(lèi)不確定性評(píng)價(jià)體系，并使用新疆石河子墾區(qū)的IKONOS多光譜影像作為數(shù)據(jù)源，對(duì)其進(jìn)行最小距離分類(lèi)和支持向量機(jī)分類(lèi)，采用以上評(píng)價(jià)體系對(duì)上述分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)。在像元尺度上，研究了基于信息論的遙感影像分類(lèi)不確定性評(píng)價(jià)理論，并以分類(lèi)后獲得的概率矢量為切入點(diǎn)，采用概率熵模型完成了像元尺度上的分類(lèi)不確定性評(píng)價(jià)，不僅獲得了每個(gè)像元上的分類(lèi)不確定性信息，而且使分類(lèi)不確定性

3、的位置信息可以比較形象直觀的顯示出來(lái)。在地物類(lèi)別尺度上，研究了粗糙集理論下的遙感影像分類(lèi)不確定性評(píng)價(jià)方法，在分析原有方法存在的問(wèn)題后，修改了原有模型，提出了基于邊界域的修正粗糙熵模型。首先從理論上對(duì)該模型對(duì)分類(lèi)知識(shí)所引起的不確定性度量更為客觀進(jìn)行了證明，然后在此基礎(chǔ)上分別利用該模型和修改前的修正粗糙熵模型計(jì)算分類(lèi)不確定性，對(duì)每種地物的不確定性進(jìn)行了評(píng)價(jià)。在影像整體尺度上，研究了粗糙集理論下的遙感影像分類(lèi)不確定性評(píng)價(jià)方法，以地物類(lèi)別尺度上

4、評(píng)價(jià)過(guò)程中獲得的上下近似集合為切入點(diǎn)，采用近似分類(lèi)精度和近似分類(lèi)質(zhì)量作為度量評(píng)價(jià)影像整體的不確定性，并對(duì)兩種分類(lèi)器的分類(lèi)精度進(jìn)行比較。從實(shí)驗(yàn)結(jié)果中可以得到如下結(jié)論：第一，在像元尺度上，不確定性值變化劇烈的區(qū)域位于類(lèi)別與類(lèi)別之間的邊界區(qū)域，而對(duì)比兩種分類(lèi)算法可以看出最小距離分類(lèi)結(jié)果的邊界區(qū)域范圍明顯大于支持向量機(jī)分類(lèi)結(jié)果的邊界區(qū)域范圍。簡(jiǎn)單的聚類(lèi)集群判別方式使得最小距離分類(lèi)器對(duì)類(lèi)別與類(lèi)別的邊緣區(qū)分較為困難，而支持向量機(jī)分類(lèi)算法采用一定的核

5、函數(shù)將像元映射到更高維的空間中，從而拉大類(lèi)別與類(lèi)別像元之間的距離，使得類(lèi)別的邊界區(qū)分更加容易。Subject：MultiScaleAssessmentfUncertaintyofClassificationofRemoteSensingImageBasedonInfmationTheyRoughSetSpecialty：GeodesySurveyEngineeringName：WeiMan（Signature）Instruct：HuRo

6、ngming（Signature）ABSTRACTThematiccategyinfmationobtainedbyremotesensingimageclassificationhasbeenwidelyusedinvariousfields.Toevaluatethethematiccategyinfmationcanbeusedinthefollowupstudytoanalyzetheimpactofthematiccategy

7、infmationinsubsequentusereliabilityisprovidedwiththematiccategyinfmationatthesametime.Therefehowtocomprehensivelyaccuratelyevaluatetheclassificationuncertaintyisthefocusofthispaper.Indertocomprehensivelyaccuratelymeasure

8、theattributeuncertaintyofclassificationoftheremotesensingimagethisarticleestablishesauncertaintyassessmentsystemfremotesensingimageclassificationinthreescalepixellcoverclasswholeimage.ThetestusedIKONOSmultispectralimages

9、inShiheziofXinjiangasthedatasource.Thentoclassifythedatausingminimumdistanceclassifiersupptvectmachineclassifier.Finallyusingtheaboveassessmentsystemevaluatetheclassificationresults.Atthepixelscaletheauthstudiesuncertain

10、tyevaluationtheyftheclassificationofremotesensingimagebasedontheinfmationthey.Probabilityvectobtainedfromclassificationasthebreakthroughpointusingprobabilityentropymodelassessestheuncertaintyofclassificationatpixelscale.

11、Notonlywontheclassificationuncertaintyinfmationofeachpixelbutalsovisuallydisplaythelocationinfmationofclassificationuncertainty.Atthescaleoflcoverclasstheauthstudiesuncertaintyevaluationmethodftheclassificationofremotese

12、nsingimagebasedontheroughset.Afteranalyzingtheproblemsofiginalmethodtheauthmodifiestheiginalmodelproposestheboundaryregionbasedmodifiedroughentropymodel.Firstofalltheauthfromthetheyprovedthattheimprovedmodelismeobjective