基于模糊理论的遥感影像混合像元分类方法研究

论文摘要

混合像元是遥感影像分类中的难点。模糊理论在混合像元分解方面具有很好的理论优势,将其应用在混合像元分类中有很好的效果。本文将模糊理论应用到混合像元分类中,采用模糊理论分类模型对TM遥感影像做了系统的理论分析和实验。1介绍了模糊理论基本原理,并将模糊理论应用到混合像元分类中,建立模糊理论分类模型。2对实验图像进行端元选取,通过实验求得图像的终端端元。并以端元为聚类中心,利用模糊聚类方法,进行聚类分析,求得像元对各类地物的隶属度.3利用终端端元求得像元对各类别地物的隶属度,根据模糊理论分类模型,使用MATLAB语言编写程序,进行分类实验。4将实验结果与最大似然分类法分类结果进行比较。实验结果证明:模糊理论分类方法提高了混合像元的分类精度,是解决混合像元分类的有效方法。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景
• 1.1.1 遥感发展历程
• 1.1.2 遥感发展趋势
• 1.2 遥感图像分类研究进展
• 1.2.1 传统分类方法
• 1.2.2 新分类法
• 1.3 研究的目的与意义
• 2 混合像元分解模型及模糊理论分类模型理论分析
• 2.1 混合像元分解方法
• 2.1.1 线性分解模型
• 2.1.2 概率模型
• 2.1.3 几何光学模型
• 2.1.4 随机几何模型
• 2.1.5 非线性分解模型
• 2.1.6 神经网络模型
• 2.2 模糊理论及其在遥感影像分类中的作用
• 2.2.1 模糊概念与模糊集合
• 2.2.2 模糊模式识别
• 2.2.3 模糊分类模型
• 3 模糊 C－均值聚类方法求隶属度
• 3.1 端元的选择选取途径
• 3.2 端元选取方法
• 3.2.1 散点图端元选择法
• 3.2.2 像元纯度指数端元选择法
• 3.2.3 其他端元选择方法
• 3.3 模糊 C-均值聚类方法
• 4 分类实验
• 4.1 遥感影像数据介绍
• 4.2 最小噪声分离变换实验选取终端端元
• 4.3 像元纯净指数优化终端元选择
• 4.4 N 维可视化获取终端端元
• 4.5 模糊聚类分析
• 4.6 混合像元分解实例
• 4.6.1 模糊理论模型分类实验
• 4.6.2 最大似然分类法分类实验
• 5 精度评定与结果分析
• 5.1 精度评定
• 5.2 结果分析
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间公开发表的学术论文