论文摘要
在遥感数据的获取、处理、分析、数据转换等各种操作中,都会引入不同类型和不同程度的不确定性,并在随后的各种处理过程中传播,最终的不确定性则是各种不确定性不断积累的结果。随着遥感分类数据被广泛地作为GIS中研究土地覆盖和利用情况以及GIS中各种模型的重要数据源,研究遥感影像分类过程中的不确定性具有十分重要的意义。粗糙集理论是一种处理不确定性的数学工具,作为一种新兴的归纳学习方法,以其“不需对数据的任何先验假设”、“可提供非完备,非协调等不确定性知识获取方法”、“所获知识具有较好的直观可理解性”等优势获得人们的广泛关注。本文以遥感影像的分类为主线,研究基于粗糙集理论的遥感影像分类中的不确定性度量及离散化方法对分类结果的影响,主要研究内容及成果有:1.面向遥感影像分类,提出了一系列基于粗糙集理论的不确定性度量,包括监督分类中样本数据质量的度量、规则匹配中的不确定性度量等。这些度量指标的提出有利于研究遥感影像本身的不确定性,对遥感影像分类的各个阶段,如离散化方法选取、样本区选取、分类器选择等具有一定指导意义。2.提出了数据压缩能力、非协调率、属性值域压缩率等离散化方法评价指标,用以考察离散化方法对影像分类结果的影响,以期为遥感影像分类选择合适的离散化方法提供一种依据。3.利用我国黄河三角洲地区的Landsat 5TM影像对本文提出的理论方法进行了实验验证。