基于模糊粗糙集的遥感图像土地利用区域多中心分类法

区域多中心论文 土地利用分类论文 多光谱遥感图像论文 模糊集论文
论文详情
随着遥感技术的快速发展,利用遥感图像进行土地利用分类是遥感应用研究中的一个重要领域。如何提高遥感图像土地利用分类的精度是当前需要解决的关键问题。粗糙集和模糊集均为处理不确定性问题的数学分析理论。粗糙集将知识作为对对象分类的工具,能直接从给定数据中进行知识挖掘,无需提供任何的先验知识,具有很强的客观性;但其在知识约简之前必须对连续属性数据进行离散化,这一过程将造成一定程度上的信息损失。模糊集着眼于集合的模糊性,利用隶属函数来描述模糊概念。模糊集与粗糙集的结合,可通过模糊化过程将数据转化为相应的模糊隶属度,能解决粗糙集离散化过程中的信息损失问题。本文首先分析了遥感图像的多光谱特征,以一定的距离门限值对样本进行聚类,计算各样本聚类中心到类别中心的距离,研究这些中心的特征矢量与地物类别的关系,在此基础上建立土地利用类别模式,然后以区域为分类单元提取区域多中心特征,以区域单元含类别类内中心的数量以及区域单元中属于某种类别的像元占单元总像元数的百分比为分类准则,最后以此分类准则进行土地利用类别识别。区域多中心分类方法充分体现了土地利用分类体系以地物种类及其所占总面积比例划分的基本思想,同时可较好地解决一种土地利用类别由多种地物组成,难以求取其多元统计分布模型的问题。但这种方法缺乏充分的理论支撑,在多次实验的基础上建立分类准则,增加了分类的工作量和复杂性。因此,本文在区域多中心分类方法的基础上,有机融合了模糊粗糙集理论,在模糊粗糙集模型基础上建立分类规则,并利用TM遥感图像对长沙市周边地区进行了土地利用分类研究。首先利用区域多中心分类方法获取分类属性数据,利用模糊集理论进行属性模糊化,在此基础上建立土地利用分类决策表;再利用粗糙集快速约简算法对决策表进行属性约简,建立土地利用分类规则。最后,通过误差矩阵和采样方法进行精度评价分析,采用模糊粗糙集的区域多中心分类方法的总体精度和Kappa系数分别为88%和0.8473,均高于采用最大似然法、神经网络法的分类结果。以上研究结果说明,模糊粗糙集理论能较好的解决遥感图像分类中的不确定性问题;基于模糊粗糙集的区域多中心分类方法是一种有效的分类方法,能提高分类的精度。
摘要第5-6页
Abstract第6-7页
第一章 绪论第11-17页
    1.1 遥感图像土地利用分类第11-13页
    1.2 常用基于规则的分类方法第13-15页
    1.3 论文的组织与结构第15-17页
第二章 模糊粗糙集理论第17-25页
    2.1 模糊集与粗糙集第17-22页
        2.1.1 模糊集概念第17-18页
        2.1.2 模糊集的表示第18页
        2.1.3 模糊集的运算第18-19页
        2.1.4 模糊关系第19页
        2.1.5 粗糙集的概念第19-21页
        2.1.6 知识约简第21页
        2.1.7 知识的依赖性第21-22页
        2.1.8 知识表达系统第22页
    2.2 模糊粗糙集模型第22-24页
        2.2.1 模糊等价关系第22-23页
        2.2.2 模糊上、下近似集第23页
        2.2.3 属性依赖度第23-24页
    2.3 模糊粗糙集知识的约简第24-25页
第三章 遥感图像土地利用区域多中心分类方法第25-39页
    3.1 遥感图像多光谱特征分析第25-27页
        3.1.1 多光谱特征分析方法第26页
        3.1.2 类内空间距离与类间空间距离分析第26-27页
    3.2 区域多中心法分类基本思想第27-28页
    3.3 区域多中心法类别模式的确定第28-29页
        3.3.1 类别模式确定的步骤第28页
        3.3.2 类内距与内间距的计算第28-29页
    3.4 区域多中心法特征提取第29-36页
        3.4.1 区域特征提取第29-34页
        3.4.2 特征分析第34-36页
    3.5 区域多中心法分类第36-38页
    3.6 本章小结第38-39页
第四章 模糊粗糙集的分类规则的建立第39-56页
    4.1 模糊粗糙集模型的选择第39-40页
        4.1.1 模糊集与粗糙集的比较第39页
        4.1.2 模糊集与粗糙集的结合第39-40页
    4.2 决策表的建立第40-43页
        4.2.1 分类属性的选择第40页
        4.2.2 决策信息表的建立第40-43页
    4.3 属性模糊化第43-48页
        4.3.1 隶属度函数的选择第43-44页
        4.3.2 属性模糊化第44-48页
    4.4 属性的约简第48-52页
        4.4.1 单个属性约简第48-50页
        4.4.2 复合属性约简第50-52页
    4.5 规则的建立第52-55页
        4.5.1 决策规则的描述形式第52-53页
        4.5.2 分类规则的建立第53-55页
    4.6 本章小结第55-56页
第五章 遥感图像土地利用分类实验第56-70页
    5.1 最大似然法分类第56-58页
        5.1.1 最大似然法第56-57页
        5.1.2 实验结果第57-58页
    5.2 神经网络法分类第58-62页
        5.2.1 神经网络法第58-61页
        5.2.2 实验结果第61-62页
    5.3 区域多中心法分类第62-66页
    5.4 分类方法比较第66-70页
        5.4.1 精度评价指标第66-68页
        5.4.2 分类精度评价第68-70页
第六章 结束语第70-72页
    6.1 论文的创新点第70-71页
    6.2 今后研究方向第71-72页
参考文献第72-75页
致谢第75-76页
附录A 攻读学位期间主要研究成果第76页
论文购买
论文编号ABS752627,这篇论文共76页
会员购买按0.30元/页下载,共需支付22.8
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付38
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656