基于信息论和粗糙集理论的遥感影像分类不确定性度量

基于信息论和粗糙集理论的遥感影像分类不确定性度量

论文摘要

本文针对如何全面、准确地度量和可视化表达遥感影像分类中的不确定性的程度和空间分布进行研究。论文的主要研究内容如下:(1)以SPOT5多光谱遥感影像为试验数据源,基于贝叶斯分类器、最小距离分类器及模糊聚类进行了遥感影像分类。(2)基于粗糙集和信息论对以上三种分类结果分别完成了基于象元-地物类别-影像整体的多尺度遥感影像分类不确定性评价。(3)研究了遥感影像不确定性的可视化表达方法,并采用静态可视化方法完成了遥感影像分类不确定性的可视化表达。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究意义
  • 1.2 研究现状
  • 1.3 本文的主要内容及章节安排
  • 2 遥感影像分类不确定性
  • 2.1 不确定性及其普遍性
  • 2.1.1 基本概念
  • 2.1.2 不确定性的普遍性
  • 2.2 遥感数据的不确定性
  • 2.2.1 遥感数据不确定性机理框架
  • 2.2.2 遥感数据及其不确定性流程
  • 2.2.3 遥感数据不确定性来源
  • 2.3 遥感影像分类中的不确定性
  • 2.4 遥感影像分类不确定性评价方法
  • 2.4.1 基于误差矩阵的精度评价方法
  • 2.4.2 基于模糊集理论的精度评价方法
  • 2.4.3 遥感分类不确定性评价方法存在的问题
  • 3 遥感影像分类不确定性度量
  • 3.1 基于信息论的遥感影像分类不确定性评价
  • 3.1.1 Shannon 熵
  • 3.1.2 像元尺度上的不确定性评价
  • 3.2 基于粗糙集的遥感影像分类不确定性评价
  • 3.2.1 粗糙集相关理论
  • 3.2.2 地物类别尺度上的不确定性评价
  • 3.2.3 影像整体尺度上的不确定性评价
  • 3.3 遥感影像分类不确定性评价的可视化表达
  • 3.3.1 静态可视化
  • 3.3.2 动态可视化
  • 3.3.3 特征可视化
  • 4 实验与分析
  • 4.1 遥感影像分类结果
  • 4.2 像元的属性不确定性度量
  • 4.3 类别的属性不确定性度量
  • 4.4 影像的属性不确定性度量
  • 5 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 攻读硕士学位期间公开发表的学术论文
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].深度学习算法在遥感影像分类识别中的应用现状及其发展趋势[J]. 测绘与空间地理信息 2020(04)
    • [2].基于样本优选改进的随机森林遥感影像分类研究[J]. 城市勘测 2017(04)
    • [3].基于监督分类的遥感影像分类方法研究[J]. 西部探矿工程 2020(12)
    • [4].遥感影像分类方法研究[J]. 黑龙江科技信息 2012(33)
    • [5].遥感影像分类方法研究进展[J]. 光谱学与光谱分析 2011(10)
    • [6].基于深度迁移学习的城市高分遥感影像分类[J]. 江西科学 2020(01)
    • [7].深度学习在遥感影像分类中的研究进展[J]. 计算机应用研究 2018(12)
    • [8].融合时间特征的遥感影像分类[J]. 国土资源遥感 2017(01)
    • [9].面向高分辨率遥感影像分类的分层策略研究[J]. 四川水泥 2017(05)
    • [10].高光谱遥感影像分类方法综述[J]. 安徽农学通报 2017(14)
    • [11].利用空间抽样理论的遥感影像分类结果精度评价方法[J]. 计算机应用与软件 2016(07)
    • [12].深度学习在遥感影像分类与识别中的研究进展综述[J]. 测绘通报 2019(02)
    • [13].一种基于特征选择的面向对象遥感影像分类方法[J]. 科学技术与工程 2016(32)
    • [14].基于人工神经网络法的遥感影像分类研究[J]. 山西师范大学学报(自然科学版) 2017(01)
    • [15].基于规则的遥感影像分类方法研究——以黄山市为例[J]. 安徽理工大学学报(自然科学版) 2014(04)
    • [16].遥感影像分类方法研究动态[J]. 安徽农业科学 2012(28)
    • [17].遥感影像分类中的模糊聚类有效性研究[J]. 武汉大学学报(信息科学版) 2009(04)
    • [18].基于决策树的遥感影像分类方法研究[J]. 农家参谋 2020(16)
    • [19].遥感影像分类方法精度研究[J]. 牡丹江师范学院学报(自然科学版) 2017(01)
    • [20].矿区塌陷区遥感影像分类方法应用[J]. 测绘与空间地理信息 2020(10)
    • [21].多种信息分割合并的面向对象遥感影像分类[J]. 测绘科学 2014(08)
    • [22].基于混沌遗传算法的遥感影像分类[J]. 测绘科学 2011(02)
    • [23].深度学习在多标签遥感影像分类中应用的研究现状[J]. 科学技术创新 2020(01)
    • [24].小样本条件下的半监督遥感影像分类方法研究[J]. 青海科技 2020(01)
    • [25].基于改进决策树分类算法的遥感影像分类研究[J]. 计算机测量与控制 2018(07)
    • [26].决策树算法在西藏遥感影像分类中的应用研究[J]. 测绘 2011(01)
    • [27].假彩色合成和精度评价方法对遥感影像分类精度的影响[J]. 重庆电子工程职业学院学报 2009(05)
    • [28].融合谱间特征的高分辨率遥感影像分类[J]. 测绘与空间地理信息 2016(11)
    • [29].基于面向对象的珲春地区高分辨率遥感影像分类研究[J]. 测绘与空间地理信息 2017(02)
    • [30].“四同”条件下周口城区高分一号遥感影像分类对比研究[J]. 地球信息科学学报 2020(10)

    标签:;  ;  ;  ;  ;  ;  

    基于信息论和粗糙集理论的遥感影像分类不确定性度量
    下载Doc文档

    猜你喜欢