資源描述:
《基于模糊積分的多光譜遙感圖象分類方法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào):嬰3UDC:魚23:2河≥每大哮碩士學(xué)位論文基于模糊積分的多光譜遙感圖象分類方法研究勞信堯指導(dǎo)教師:盆童蟲教攫邐篷盔堂讓簋扭叢信息工程堂暄直立直酉鏖路!曼申請(qǐng)學(xué)位級(jí)別:亟±專業(yè)名稱:撞式遲剔皇蟹能丕紅論文提交日期:2QQ!生!旦8旦論文答辯日期:2鯉Z生§旦12旦學(xué)位授予單位和日期:邐瀣。盍堂星QQ!生魚旦一答辯委員會(huì)主席:直敦堂論文評(píng)閱人:筮埴昱堂塞2007年5月中國(guó)南京摘要遙魑圖像分類一直是遙感研究領(lǐng)域的重要內(nèi)容。如何解決多類別l笙I像的識(shí)別并滿足一定的精度,是遙感幽像研究中的一個(gè)關(guān)鍵問題,具有十分重要的意義。在遙感數(shù)據(jù)的統(tǒng)計(jì)分類中,假設(shè)條fF存在差異時(shí),無
2、法取得滿意的識(shí)別結(jié)果,使得傳統(tǒng)的遙感影象分類方法難以快速準(zhǔn)確地從遙感影象中提取信息。因此,本課題將模式識(shí)勢(shì)J領(lǐng)域中新發(fā)展起來的多分類器融合技術(shù)應(yīng)_【l{到遙感圖象分類識(shí)別中,并在融合理論的改善上作了一些探索性的研究。多分類器融合技術(shù)結(jié)合數(shù)據(jù)融合、機(jī)器學(xué)習(xí)、模式識(shí)別等多方面理論,將來自不同分類器的識(shí)別信息進(jìn)行有機(jī)結(jié)合.以降低單分類器的設(shè)計(jì)難度,全面提取和利用分類信息,達(dá)劍改善或改進(jìn)傳統(tǒng)分類算法的目的。近年來,多分類器融合技術(shù)在人臉識(shí)別、手寫字符識(shí)別等方向上受到了廣泛重視,顯示出很大的研究?jī)r(jià)值和現(xiàn)實(shí)應(yīng)用前景,但在遙感圖象領(lǐng)域中的研究尚顯不足。融合系統(tǒng)的實(shí)現(xiàn)主要關(guān)涉到二個(gè)方面
3、:個(gè)體分類器的設(shè)計(jì)、適當(dāng)?shù)娜谂_(tái)模型的建立。本文也即從這二方面入手,首先對(duì)遙感圖象的特征進(jìn)行分析,通過預(yù)處理,建立不同結(jié)構(gòu)和模式的神經(jīng)網(wǎng)絡(luò)作為元分類器,再將基于模糊積分的融合模型應(yīng)用于遙感分類的決策。模糊積分是一種融合工具,用以提高多分類器融合系統(tǒng)的分類精確率和改善系統(tǒng)的穩(wěn)健性。在基于模糊積分的多分類器融合系統(tǒng)中,模糊測(cè)度對(duì)融合系統(tǒng)的性能有很大的影響。若模糊測(cè)度定義得比較合適,可以明顯地提高分類精確率;反之,定義得不恰當(dāng),可能使得融合系統(tǒng)的分類精確率不如單個(gè)分類器的分類精確率。本文給出了2種實(shí)現(xiàn)模糊測(cè)度的方法:l、基于改進(jìn)遺傳算法確定模朔測(cè)度;2、基于神經(jīng)網(wǎng)絡(luò)確定模糊測(cè)度
4、。實(shí)驗(yàn)證明具有一定的可行性。【關(guān)鍵詞】遙感圖象分類,多分類器融合,模糊積分,模糊密度,遺傳算法AbstractRemotesensing(RS)imageclassificationisalwaysapivotalpartofremotesensingstudy.HowtoimprovetheaccuracyofRSinterpretationisallurgentprobleminRSapplication.Inrecentyears,withthedevelopmentofthetheoryaboutartificialneuralnetworksystem,the
5、multipleclassifierfusiontechnologyisbecomingincreasinglyalleffectivemean5ofclassificationprocessingofmmotesensingimages.ComparedwithclassificationofthetraditionalBayesianstatistics,theresultsshowithasnotonlythehighestaccuracybutalsothefastestspeedofclassification.Thisthesistriestoapplyne
6、wtechniquesofmultipleclassifierfusiontotheareaofclassificationofMulti-spectralimage.a(chǎn)ndmakeeffortstomelioratethefusionmodels.Multipleclassifierfusion,orcombination,isamodemtechniqueinpatternrecognitionareas.Throughpertinentlycombiningdifferentinformationfromvariesofsimpleclassifiers,thec
7、lassificationaccuracycarlbefairyimprovedandthedifficultyofdesigningasingIe,high-accurecyclassifiercouldbeavoided.Inrecentyears,fusionmethodsofmanykindshavebeenwidelyusedintheidentificationofhumanface,hand-writtencharacters,utc.,butrelativelyrarelystudiedinthemedicalimager