基于粗糙集理论的RBF神经网络在土地利用/覆盖分类中的应用研究

论文摘要

近年来,从事全球环境变化研究的科学家逐步认识到土地利用/覆盖变化研究在全球环境变化研究中的重要性和必要性,并逐渐加强了这方面的研究。由于不同领域遥感图像的应用对遥感图像处理提出了不同的要求,所以图像处理中重要的环节——图像分类也就显得尤为重要。探索一种高效准确的分类方法成为遥感图像分类研究的热点。本研究将粗糙集作为神经网络的预处理单元,利用粗糙集消除冗余特征,减少神经网络的输入节点,降低了网络规模,加快了训练速度。粗糙集神经网络利用粗糙集原理进行知识的表达、推理和简化,利用神经网络的并行特点完成网络学习运算,能更有效地处理不确定、不精确及冗余的数据。本文在前人研究的基础上,把粗糙集理论、遗传算法、神经网络等理论和方法有机结合,力图从数学形态学的角度而不是传统的统计学角度实现土地利用/覆盖信息的分类。其具体研究工作可以归纳为以下几个方面：(1)根据粗糙集理论基本原理与算法,结合粗糙集在图像处理中的研究现状,找到其在遥感图像分类中的理论支持。(2)根据遥感数据的特点,提出粗糙集理论在处理遥感数据不确定性中的优势,分析几种粗糙集框架下的遥感信息的知识发现和表达方法,为研究制定合理有效的技术实现手段。(3)在遥感图像的预处理中,采用了正射校正和辐射校正相结合的办法,有效减小数据的空间域和频率域的误差。(4)在粗糙集属性简约中的辐射量度决策信息离散化中,采用了遗传算法的方式,弥补了粗糙集核约简存在的不足。结果表明,粗糙集简约后的决策信息放入RBF神经网络中进行运算,输出结果与BP网络运算结果进行对比,在运算时间和测试精度上均优于BP网络。虽然基于粗糙集理论的RBF神经网络遥感图像分类模型可以解决土地利用/覆盖分类中的一些问题,但仍然需要地形因子等地理信息、地学知识、专家知识的辅助决策支持,才能够有效提高分类识别类型及精度。

论文目录

• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 第1章 绪论
• 1.1 粗糙集理论概述
• 1.2 神经网络概述
• 1.2.1 神经网络简介
• 1.2.2 RBF神经网络
• 1.3 国内外研究动态运用现状
• 1.3.1 遥感图像分类研究综述
• 1.3.2 粗糙集理论研究综述
• 1.4 研究意义及选题依据
• 1.4.1 选题依据
• 1.4.2 意义
• 1.5 本文主要研究内容
• 1.6 研究方法与技术路线
• 1.6.1 研究方法
• 1.6.2 技术路线流程图
• 第2章 遥感图像信息的不确定性与粗糙集理论
• 2.1 遥感图像信息的不确定性
• 2.1.1 遥感数据的不确定性形成机理
• 2.1.2 遥感数据及其不确定性来源
• 2.1.3 遥感信息的不确定性
• 2.2 处理遥感图像信息不确定性的新方法—粗糙集理论
• 第3章 基于粗糙集理论的遥感图像处理
• 3.1 粗糙集理论下的遥感图像处理技术
• 3.1.1 遥感图像的知识系统表达
• 3.1.2 粗糙集理论中分类的思想在图像处理中的应用
• 3.1.3 粗糙集理论中属性约简的思想在图像处理中的应用
• 3.1.4 粗糙集理论与其他图像处理方法结合
• 3.2 粗糙集理论下的遥感图像分类知识发现实现方法
• 3.2.1 粗糙集理论框架的遥感图像分类的知识发现
• 3.2.2 遥感图像处理中的决策表知识表达系统
• 3.2.3 属性的分类能力与近似分类质量度量
• 3.2.4 属性依赖性和属性重要性度量
• 3.2.5 遥感图像分类特征的离散化
• 第4章 基于RS的RBF神经网络在LUC分类的实证研究
• 4.1 研究区概况
• 4.2 数据源及分类系统
• 4.2.1 遥感数据源与处理平台
• 4.2.2 数据预处理
• 4.2.3 土地利用/覆盖分类系统制定
• 4.3 分类决策规则
• 4.3.1 分类决策规则提取步骤
• 4.3.2 决策表的离散化方法
• 4.3.3 基于GA的分类决策表属性约简
• 4.3.4 遗传算法
• 4.4 研究区分类规则提取
• 4.5 基于粗糙集的RBF神经网络分类模型
• 4.5.1 RBF神经网络的优点
• 4.5.2 径向基函数网络研究中的一些重要结论
• 4.6 基于粗糙集的RBF神经网络遥感图像分类实现
• 4.7 图像分类后处理及制图
• 第5章 结论
• 5.1 成果及结论
• 5.2 不足与展望
• 参考文献
• 致谢
• 作者简历