基于多分類器組合的居民地提取技術研究.pdf

1、居民地是人類按照生產和生活需要而形成的集聚定居地點，是重要的地形要素之一，也是地形圖上表示的重要內容。目前，利用遙感影像測繪地形圖時，地形要素屬性信息的獲取仍然是依賴人工目視判讀的方法，存在勞動強度大、效率低、受判讀人員的理論知識和實踐經驗影響大等問題。采用計算機自動判讀的方法獲取居民地的屬性信息，是遙感圖像判讀研究的難點和熱點問題，對地形圖測制與更新、戰(zhàn)場地理空間信息系統(tǒng)建設等具有重要的理論意義和實用價值。本文在研究神經網絡法、支持向

2、量機法等多種經典分類算法的基礎上，采用多分類器組合方法對多類遙感圖像上的居民地進行提取試驗，重點研究了多分類器組合居民地提取方法以及優(yōu)化算法，并通過精度評價算法對居民地提取結果進行定量的分類提取精度進行評價。
　　本研究主要內容包括：⑴對居民地提取技術的研究現狀進行了總結歸納。在分析居民地遙感影像特征的基礎上，對多種經典分類算法進行試驗驗證，完成了基于經典分類算法的居民地提取。通過試驗，對各個經典分類器的技術特點進行分析討論，為后

3、文多分類器組合居民地提取提供了基礎，并給出了居民地提取結果的定量評價方法。⑵對現有的多分類器提取方法用于居民地分類的技術現狀進行了研究，并通過試驗進行驗證和分析。在詳細分析多種分類器性能和特點的基礎上，采用了投票法選擇分類器進行組合應用，并討論了基分類器的組合準則。論文設計了多組試驗用于確定基分類器和分類規(guī)則，獲得了較好的試驗結果。⑶用最大概率類別法和模糊積分融合法對多分類器組合居民地提取算法進行優(yōu)化。當各基分類器獲取的像元類別均不相同

4、時，最大概率類別法用類別歸屬概率確定像元分類類別，而模糊積分融合法是加權平均的一種推廣，在進行投票法與最大概率類別法后執(zhí)行該算法，可進一步提高居民地分類精度。⑷利用經典分類算法及多分類器組合算法獲取的只是分類結果的柵格圖像，并且存在小的斑點和空洞，不能滿足居民地要素在地形圖上表示方法的要求，需要對其進行一系列后處理才能得到面狀的居民地或輪廓線。論文采用數學形態(tài)學運算去除斑點獲取面狀居民地，并利用邊界跟蹤的方法最終獲得面狀居民地的輪廓線。