| 【中文题名】 | 基于模糊集的遥感图像分类研究 |
| 【英文题名】 | Classification of Remote Sensing Image Based on Fuzzy Sets |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-10-21 |
| 【中关键词】 | 遥感图像分类,超谱图像,C-均值法,模糊C-钧值法,最大似然法, |
| 【英关键词】 | Remote-Sensing Image Classification,Hyperspectral image,C-mean algorithm,Fuzzy mean algorithm,Maximum Likelihood Algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 本文对遥感图像的模糊分类进行了研究。由于计算机分类识别时只是根据各波段像元亮度值采用数理统计方法确定光谱类型,对于那些由于空间分辨率的限制而带有综合光谱信息的混合像元来说,明确地将其分类是很困难的。遥感图像这种固有的模糊性,使传统的分类方法往往不能取得理想的分类效果。而模糊集理论却能用来描述事物的模糊性。本文将模糊集理论应用于遥感图像的分类中,研究了模糊集理论在遥感图像分类中的应用。
本文首先对9波段的多光谱图像应用C-均值聚类法(又称CM算法)和模糊C-均值聚类法(又称FCM算法)进行聚类,并比较了聚类结果,发现了FCM算法的两点优越性:(1)FCM算法的聚类效果总体来说要好于CM算法:(2)FCM算法对初始聚类中心不敏感,而CM算法却非常敏感,初始聚类中心不同,最后的聚类结果有很大的差异。
在对监督分类和非监督分类方法充分研究的基础上,提出了模糊最大似然分类法。在模糊C-均值聚类的基础上选择训练样本,可以提高训练样本的准确度,满足了训练样本所需的单一性原则。并且这样选择的训练样本会在图像上有更广泛的分布,又满足了训练样本所需的完整性原则。实验结果表明,此方法比单纯的聚类分析的分类效... |
| 【论文题纲】 |
|
第1章 绪论 |
8-15 |
|
1．1 课题的背景 |
8-12 |
|
1．1．1 多光谱遥感的发展概况 |
9 |
|
1．1．2 超谱遥感的发展概况 |
9-11 |
|
1．1．3 多光谱遥感与超谱遥感的区别与联系 |
11-12 |
|
1．2 课题的目的和意义 |
12-14 |
|
1．3 论文的主要研究内容 |
14-15 |
|
第2章 遥感图像的分类 |
15-24 |
|
2．1 监督分类 |
16-20 |
|
2．1．1 训练阶段 |
16-18 |
|
2．1．2 特征的提取和选择 |
18-19 |
|
2．1．3 分类阶段 |
19 |
|
2．1．4 监督分类的优缺点 |
19-20 |
|
2．2 非监督分类 |
20-23 |
|
2．2．1 非监督分类的特点 |
20-22 |
|
2．2．2 非监督分类的优缺点 |
22-23 |
|
2．3 本章小结 |
23-24 |
|
第3章 模糊集理论及其在图像分类中的应用 |
24-31 |
|
3．1 模糊集理论的基本概念 |
24-27 |
|
3．1．1 模糊理论的产生和发展 |
24-25 |
|
3．1．2 模糊性和模糊子集 |
25-26 |
|
3．1．3 模糊关系 |
26-27 |
|
3．2 模糊集理论在模式识别中的应用 |
27-30 |
|
3．2．1 隶属度原则和择近原则 |
27-28 |
|
3．2．2 基于模糊等价关系的模式分类 |
28-30 |
|
3．3 本章小结 |
30-31 |
|
第4章 多光谱遥感图像的模糊分类 |
31-44 |
|
4．1 算法介绍 |
31-34 |
|
4．2．1 C-均值聚类法 |
31-32 |
|
4．2．2 模糊C-均值算法 |
32-34 |
|
4．2 分类结果的定量评价方法 |
34-36 |
|
4．3 实验图像 |
36-37 |
|
4．4 分类实验 |
37-43 |
|
4．4．1 分类实验1 |
37-40 |
|
4．4．2 分类实验2 |
40-43 |
|
4．5 本章小结 |
43-44 |
|
第5章 超谱遥感图像的模糊最大似然分类 |
44-60 |
|
5．1 算法介绍 |
44-45 |
|
5．2 实验图像 |
45-47 |
|
5．3 分类实验1 |
47-48 |
|
5．4 分类实验2 |
48-49 |
|
5．5 分类实验3 |
49-58 |
|
5．5．1 分类实验A |
50-54 |
|
5．5．2 分类实验B |
54-58 |
|
5．6 实验结果分析 |
58-59 |
|
5．7 本章小结 |
59-60 |
|
结论 |
60-61 |
|
参考文献 |
61-65 |
|
致谢 |
65-66 |
|
个人简历 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.389336 |
