Dempster-Shafer证据推理融合模型在遥感分类中的应用

论文题目: Dempster-Shafer证据推理融合模型在遥感分类中的应用

论文类型: 硕士论文

论文专业: 摄影测量与遥感

作者: 祝晓坤

导师: 贾永红

关键词: 数据融合,遥感分类,不确定性推理,证据理论,基本证据理论,决策树,纹理特征,模糊证据理论

文献来源: 武汉大学

发表年度: 2005

论文摘要: 随着传感器技术的进步,遥感影像信息融合技术被广泛应用于影像特征识别、影像分割分类、综合信息提取等方面,成为国内外的研究热点。融合数据的多元特性,决定了在融合过程中需要处理信息源的不确定性、不精确性、不完备性、不一致性以及时变性等问题。Dempster-Shafer(DS)证据推理融合模型是解决这一问题的有效途径之一。本文针对该融合模型在遥感分类识别中的应用,进行了如下几个方面的研究和探讨: 1、影像信息源的预处理和加工。对试验采用的分类影像数据—ETM影像源进行辐射校正。通过对影像统计特性、地物光谱特性进行分析,建立试验影像的分类标志。最后,采用像素级影像信息融合技术对数据源进行加工,综合不同分辨率ETM影像的特性,便于特征提取。 2、基本DS证据理论(Basic DS Evidence Theory,BDSET)融合模型在遥感分类中的应用。介绍DS证据理论融合模型中的基本概念、融合原理和基本特点。根据BDSET理论的应用特点,着重分析BDSET在遥感影像分类应用中的算法实现。具体包括鉴别框架的确定,基本概率赋值函数的构造,Dempster组合规则的实现和分类精度评定。采用经过预处理后的ETM遥感数据进行分类试验,对DS融合模型的正确性、可行性进行比较和分析。从试验主客观的评价结果来看,BDSET的融合模型是有效可行的,比传统的最小距离监督分类法具有更好的分类效果,且具有一定的容错性。 3、BDSET融合模型在遥感分类应用中的改进。针对BDSET应用中存在的缺陷和难点问题,对BDSET提出以下几个方面的改进: ①扩充BDSET中基本概率赋值函数单子集的限制,使基本概率赋值函数构造更为合理。通过引入衰减因子,对扩充后赋值函数的不确定性定量化,并在此基础上构建DS分类树,提高分类效率。 ②对融合影像源进行正交变换,减少DS融合模型的计算量以及影像波段之间的相关性。 ③对Dempster组合规则进行改进,减少证据冲突对综合决策的负面影响。 ④提出决策树分层DS分类思想。对分析空间进行分层分类处理,先根据光谱间相似度进行粗分类,再进行子类的划分,在保证一定精度的基础上,提高融合分类的计算效率。 ⑤采用影像纹理特征辅助DS分类。通过将纹理信息作为一维输入,提高地物类别的识别精度,并对引入纹理特征后的分类效果进行分析比较。 4、对DS融合模型在遥感分类中的应用进行扩展。将DS融合模型与模糊理论相结合,实现了模糊DS理论(Fuzzy DS Evidence Theory,FDSET)融合模型在遥感分类中的应用。通过把样本模糊隶属度引入到DS理论中,使分类结果中对各类别的描述能够更为一致,从而提高分类的精度。 试验表明,几种改进和扩展算法不同程度地改善了原始融合分类算法的性

论文目录:

摘要

ABSTRACT

目录

第一章 绪论

1.1 引言

1.2 理论背景和基本原理

1.3 国内外理论研究和应用现状

1.4 论文工作及内容安排

1.5 本章小结

第二章 影像源的预处理与加工

2.1 引言

2.2 遥感影像校正

2.3 遥感影像特征分析

2.3.1 统计特性分析

2.3.2 地物光谱特征分析

2.4 多源影像像素级融合

2.4.1 常用融合方法

2.4.2 基于IHS圆柱变换的融合方法评价

2.5 本章小结

第三章 BDSET模型在遥感影像融合分类中的应用

3.1 引言

3.2 DS基本理论

3.2.1 基本概念

3.2.2 融合原理和特点

3.3 BDSET融合分类在遥感中的应用

3.3.1 BDSET分类原理和流程

3.3.2 分类鉴别框架的确定

3.3.3 BPA函数的构建

3.3.4 多个信息源的融合和分类决策

3.3.5 融合分类结果的精度评定

3.4 试验与分析

3.5 BDSET融合分类的缺陷

3.6 本章小结

第四章 BDSET融合分类的改进和扩展

4.1 引言

4.2 BDSET融合分类模型的改进

4.2.1 非单子集BPA函数的扩充

4.2.2 影像源正交变换

4.2.3 组合规则的改进

4.2.4 决策树分层DS分类

4.2.5 纹理特征辅助DS分类

4.3 FDSET的融合分类原理

4.3.1 模糊理论和FDSET流程

4.3.2 BPA函数的构造方法

4.3.3 多源信息融合和分类决策

4.4 试验与分析

4.4.1 基于决策树扩充BPA函数的分层DS分类试验与分析

4.4.2 加入纹理特征辅助DS分类试验与分析

4.4.3 FDSET融合分类试验与分析

4.5 本章小结

第五章 总结与展望

附表

1 SPOT预处理和加工

2 BDSET试验

3 决策树层次分类试验

4 纹理辅助DS分类试验

5 FDSET分类试验

参考文献

攻读硕士期间发表论文

致谢

发布时间: 2006-03-27

参考文献

• [1].房山区大气污染扩散模型WebGIS设计与软件实现[D]. 刘小丽.北京林业大学2012
• [2].阴山北部地表土壤颗粒大小分布模型的探讨[D]. 王晓飞.内蒙古农业大学2005
• [3].基于HMM模型的老年人出行异常检测研究[D]. 刘翔.浙江理工大学2015
• [4].基于开源WebGIS的SWMM模型网络化服务平台研究[D]. 何毅.云南师范大学2016
• [5].基于约束logistic-CA模型的城市扩张空间形态研究[D]. 甘喜庆.中南大学2008
• [6].基于简化的三维城市模型综合算法研究[D]. 刘磊.南京大学2015
• [7].基于空间认知的路径查找模型的设计与实现[D]. 周影.陕西师范大学2008
• [8].基于Skyline的城市三维景观模型构建研究[D]. 高晋宁.昆明理工大学2012
• [9].湿地土壤的磷吸附行为及其表面络合模型研究[D]. 杨航.北京林业大学2013
• [10].基于细胞自动机的城市模型研究——以福州市为例[D]. 李森林.福州大学2005

相关论文

• [1].多尺度纹理特征分析及其在遥感影像分类中的应用[D]. 黄端琼.福州大学2006
• [2].基于D-S证据理论的图像识别研究[D]. 张强.华北电力大学（河北）2007
• [3].基于支持向量机的遥感分类对比研究[D]. 张森.昆明理工大学2007
• [4].证据理论中冲突证据的处理及其应用[D]. 张军.南昌大学2007
• [5].基于人工神经网络的湿地遥感分类研究[D]. 王庆光.中国地质大学（北京）2006
• [6].吉林省莫莫格地区面向对象湿地遥感分类方法研究[D]. 申晋利.中国地质大学（北京）2006
• [7].基于像元分解与不确定性分析的遥感分类评估方法[D]. 袁路.清华大学2005
• [8].非线性混合光谱模型及植被高光谱遥感分类若干问题研究[D]. 陶秋香.山东科技大学2004
• [9].证据理论几个关键问题的研究[D]. 侯俊.西北工业大学2003
• [10].不确定推理在多源信息融合中的若干应用研究[D]. 钟文.南京理工大学2003

标签：数据融合论文;  遥感分类论文;  不确定性推理论文;  证据理论论文;  基本证据理论论文;  决策树论文;  纹理特征论文;  模糊证据理论论文;