本文通過對國內(nèi)外遙感影像分類技術(shù)的總結(jié)與分析,發(fā)現(xiàn)遙感影像分類是土地利用變化,環(huán)境監(jiān)測,災(zāi)變監(jiān)測等生產(chǎn)實踐中的重要的環(huán)節(jié),尤其是影像的分類精度,是進行其他各種統(tǒng)計分析的前提和條件。本文在總結(jié)傳統(tǒng)影像分類方法,當(dāng)前遙感技術(shù)發(fā)展的熱點,提煉出以下遙感影像分類技術(shù)中的發(fā)展方向:(1)傳統(tǒng)的遙感影像分類技術(shù)已比較成熟,應(yīng)用廣泛,但由于不同的分類器分類精度不同,影像分類精度與分類時數(shù)據(jù)的預(yù)處理,樣本選擇,波段選擇,分類算法等很多因素有密切關(guān)系,在多種因素影響下,分類精度表現(xiàn)出很大的不確定性。同時,能夠顧及影像分類全流程可以整體提高分類精度的技術(shù)尚不多見。(2)人工智能方法、機器學(xué)習(xí)技術(shù)能較好地解決分類時不同的樣本選擇,不同的基分類器分類方法,樣本的主觀性、結(jié)果不確定性與模糊性等問題,極大提高分類的精度,機器學(xué)習(xí)技術(shù)將成為遙感領(lǐng)域研究的熱點。為了解決傳統(tǒng)遙感影像分類技術(shù)中的一些缺陷,例如精度有限,不同分類器對同一分類任務(wù)分類精度差別很大,存在一定主觀性,分類結(jié)果缺乏統(tǒng)一性乃至不同的分類器分類結(jié)果產(chǎn)生矛盾等問題,本文嘗試將集成學(xué)習(xí)引入遙感影像分類、利用投票法、證據(jù)權(quán)法、隨機森林三種方法實現(xiàn)多分類器組合分類,研究分類器組合及精度評價,通過分類器組合理論的研究,探索分類器組合的軟件實現(xiàn)方法,使用ArcGIS平臺下的Model Builder工具,通過ENVI和ArcGIS一體化開發(fā)技術(shù),將投票法,證據(jù)權(quán)理論分類器組合集成為一套遙感影像分類工具,實現(xiàn)遙感影像分類的便捷化,模型共享化,精度最大化。同時在異質(zhì)分類器組合的實現(xiàn)基礎(chǔ)上,應(yīng)用開源軟件EnMAP-Box,探索了同質(zhì)分類器組合,精度評價技術(shù)。本研究以青海省西寧市土地利用分類、青海湖流域土地利用變化預(yù)測中的遙感影像分類為實例,實現(xiàn)多分類器組合分類,獲得了以下結(jié)論:(1)投票法、證據(jù)D-S組合理論作為多分類器集成的兩種方法,可以實現(xiàn)影像分類精度的提高與精度評價,具有較好的應(yīng)用前景。(2)基于EnMP-Box的隨機森林分類,可以有效集成同質(zhì)決策樹分類器,實現(xiàn)精度評價,不僅可以用在高光譜領(lǐng)域,而且也可以用在多光譜圖像分類。(3)由于分類器的差異性測度研究所限,論文做了有限個分類器集成分類的研究,對系統(tǒng)集成的不確定性,對多分類器組合的分類器選擇,分類器的組合個數(shù),組合方式,組合后的性能優(yōu)化有待深入研究。
【學(xué)位單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：P237
【部分圖文】：

論文研究技術(shù)路線

圖 2-1 監(jiān)督學(xué)習(xí)過程在監(jiān)督學(xué)習(xí)過程中，將輸入與輸出看作是定義在輸入(特征)空間與輸出空間上的隨機變量的取值輸入輸出變量通常分別用大寫字母 X,Y 表示，在學(xué)習(xí)過程中，學(xué)習(xí)系統(tǒng)通過訓(xùn)練數(shù)據(jù)集中的樣本 iix , y帶來的信息學(xué)習(xí)模型，對于輸入ix ，具體的模型 y f(x)可以產(chǎn)生一個輸出 ()if x，如果模型選擇的好，訓(xùn)練輸出iy 和模型輸出 ()if x之差足夠小，學(xué)習(xí)系統(tǒng)通過嘗試選取最好模型，以便于對訓(xùn)練數(shù)據(jù)集有較好預(yù)測，對測試數(shù)據(jù)集有較好的推廣。2.1 單分類器影像分類原理遙感圖像分類主要是根據(jù)地物的光譜特征來進行的，影像通常具有多個波段，覆蓋一定的電磁波輻射范圍，根據(jù)地物在不同波段的電磁波輻射（反射）測量值，建立遙感圖像分類的特征向量。在古代就有“人以類聚，物以群分”的說法，圖像分類就是依據(jù)圖像像

圖 2-2 地物亮度在特征空間中的分布及劃分遙感影像分類是通過對圖像的一些特征進行整幅影像或影像的局部進行統(tǒng)計成統(tǒng)計特征變量，按照接近統(tǒng)計中心如平均值的程度劃分類別的。大多數(shù)情況下，具有的特征很多，分類時僅需利用少量特征就可以對影像進行識別分類，從遙感特征中選取 k 個較少更為有效的特征過程稱之為影像的特征提取。尤其在高光譜影時，通常需要一些變換、降維運算，減小影像數(shù)據(jù)量，選取有利于分類的特征，如形狀等信息均可作為影像特征。計算機圖像分類是以圖像像素間的相似度來度量區(qū)分的。所謂相似度就是是兩間的彼此相似程度。在遙感圖像分類中，距離和相關(guān)系數(shù)是常采的兩種相似度度量特征空間中通過距離度量相似度的幾種算法：（1）絕對值距離：nd x x
【參考文獻】

相關(guān)期刊論文 前10條

1 雷浩川;王靈玥;;基于CA-Markov模型的青海湖流域土地利用變化模擬[J];安徽農(nóng)業(yè)科學(xué);2015年34期

2 楊天劍;張靜;;基于人工神經(jīng)網(wǎng)絡(luò)方法的通信基站能耗標(biāo)桿建立與分析[J];北京郵電大學(xué)學(xué)報(社會科學(xué)版);2015年06期

3 王淑晴;孫翠羽;;基于Dempster-Shafer證據(jù)理論的礦山遙感分類[J];吉林師范大學(xué)學(xué)報(自然科學(xué)版);2015年02期

4 路春燕;王宗明;劉明月;歐陽玲;賈明明;毛德華;;松嫩平原西部濕地自然保護區(qū)保護有效性遙感分析[J];中國環(huán)境科學(xué);2015年02期

5 湯國安;;我國數(shù)字高程模型與數(shù)字地形分析研究進展[J];地理學(xué)報;2014年09期

6 張曉賀;翟亮;張繼賢;楊享兵;;AdaTree算法在遙感影像分類中的應(yīng)用[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年12期

7 曹敏;史照良;陽建逸;;蜂群智能算法的遙感影像分類方法[J];測繪學(xué)報;2013年05期

8 于陽;岳彩榮;;土地利用/土地覆蓋變化(LUCC)研究進展[J];科技風(fēng);2013年19期

9 張雁;林英;呂丹桔;;集成學(xué)習(xí)在遙感分類中的應(yīng)用[J];計算機與數(shù)字工程;2013年05期

10 曹建芳;焦莉娟;;基于模糊支持向量機的圖像分類方法[J];計算機與數(shù)字工程;2013年04期

相關(guān)碩士學(xué)位論文 前1條

1 竇鵬;基于投票法的多分類器集成遙感影像分類技術(shù)[D];蘭州交通大學(xué);2014年

本文編號：2887745