基于模糊三I算法的遥感影像聚类分析关键技术研究

论文摘要

随着遥感技术的发展,不断地丰富了影像信息,从而使得遥感影像的应用得到迅速地推广。尤其在影像的聚类过程中,遥感影像的高分辨率特性较好地显示了不同类别的颜色信息,在地物提取、测绘、水土流失检测、森林分类、土地覆盖情况等实际应用中充分地展示了其优越性。因而对遥感影像聚类分析的研究具有广泛的应用前景。在目前的有监督聚类算法中,普遍认为Bayes算法的聚类效果较好,但是其结果仍然还不能满足客观的需求。主要存在的问题有:(1)传统Bayes算法具有很强的主观性。随着影像类别数的增加,由主观观察获得的类别先验概率的误差也就随着增大,需要新的方法来解决其主观性问题;(2)随着影像分辨率的提高,影像包含的数据会更加详细、信息也更加全面,因而传统的简单求和再取平均的特征提取算法难以克服样本区域中噪声点或混合像元的影响,需要新的特征提取算法与之相适应;(3)影像聚类可以视为一个模式识别问题,然而相同模式的颜色不尽相同或者不同模式的颜色存在相同部分,无疑增加了聚类的难度。如何针对遥感影像聚类分析问题,充分融入一些新的理论知识和方法进行遥感影像的聚类是非常必要的。本文紧紧围绕以提高遥感影像聚类精度为主线,利用无人机遥感影像为主要信息数据,重点从探讨影响传统Bayes算法聚类精度因素和构造新的聚类算法两方面加以论述。在现有研究的基础上,提出了新的遥感影像聚类算法和总结了聚类精度的评价指标。针对以上的问题,本文主要的研究工作及成果如下:(1)在对传统Bayes聚类算法进行研究的基础上,通过构造模糊隶属度函数来修正传统先验概率的主观确定,以提高遥感影像的聚类精度。(2)传统Bayes算法的特征提取中,各类别特征的提取均是基于样本元素权值在相同情况下求得的。通过研究灰色关联理论,并结合遥感影像高分辨率所表现出来的颜色特征,提出了一种能较好克服混合像元或者有噪声点影响的影像特征提取算法。(3)通过利用模糊监督分类算法中多样本区域信息,研究了利用模糊三I算法的理论知识来对遥感影像进行模糊聚类分析。总而言之,在遥感影像的聚类分析中,如何提高聚类精度是关键之处,本文着重从该方面做了一系列的研究。实验结果表明,本文提出的聚类算法较好的提高了遥感影像的聚类精度。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究的意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 第2章 模糊集理论在聚类分析中的应用
• 2.1 模糊聚类分析方法
• 2.2 模糊集理论在遥感影像聚类中的应用
• 2.2.1 遥感影像的模糊性
• 2.2.2 模糊处理遥感影像聚类的优势
• 2.3 本章小结
• 第3章 基于模糊Bayes-Gauss 判别的遥感影像聚类
• 3.1 加权 Fisher 聚类算法简介
• 3.1.1 Fisher 线性判别算法
• 3.1.2 加权Fisher 线性判别算法
• 3.2 传统 Bayes 算法
• 3.2.1 传统Bayes 算法的基本思想
• 3.2.2 实验结果分析
• 3.3 基于模糊 Bayes-Gauss 判别法的遥感影像的聚类
• 3.3.1 模糊Bayes-Gauss 算法
• 3.3.2 实验结果分析
• 3.4 本章小结
• 第4章 基于模糊三I 算法的遥感影像聚类
• 4.1 模糊推理的 CRI 算法
• 4.1.1 模糊推理的基本思想
• 4.1.2 CRI 算法的一般形式
• 4.1.3 模糊推理的数学本质
• 4.2 模糊推理的三 I 算法
• 4.2.1 模糊推理的三I 算法简介
• 4.2.2 利用三I 算法求解一般的Fuzzy 推理问题
• 4.3 基于模糊三 I 算法的遥感影像聚类
• 4.3.1 基于灰色关联度的特征选择
• 4.3.2 遥感影像的模糊聚类
• 4.3.3 模糊三I 算法在遥感影像聚类中的应用
• 4.3.4 聚类精度评价
• 4.3.5 实验结果分析
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 在学期间发表的学术论文及参与的科研项目