| 【中文题名】 | 基于像元分解与不确定性分析的遥感分类评估方法 |
| 【英文题名】 | Assessment Method of Remote Sensing Classification Based on Sub-Pixel Unmixing and Uncertainty Analysis |
| 【学科专业】 | 信息与通信工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-6-29 |
| 【中关键词】 | 分类精度评估,数据平台,不确定性分析,像元分解,模糊集误差矩阵分析, |
| 【英关键词】 | Accuracy Assessment of Classification,Uncertainty Analysis,Platform of Remote Sensing Data,Fuzzy Confusion Matrix,Sub-Pixel Unmixing, |
| 【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】 | 随着空间对地观测技术的不断发展,遥感处理技术已由定性分析逐步向定量分析深化,遥感处理系统已由功能型逐步向高精确型转化。地表分类技术是遥感数据处理与应用中的一个重要组成部分,统一标准下的地表分类算法验证与精度评测问题已成为遥感处理领域亟待解决的基础问题之一。
本论文结合 863 项目“标准遥感图像数据平台建设”的目标,重点针对若干典型地表分类处理过程,建立了面向新算法验证与分类精度评测的遥感分类数据平台,系统性地研究了像元级分类评估、像元分解和亚像元级分类评估等关键技术,主要研究成果与创新点体现在以下四个方面。
首先,利用多种类型的卫星遥感数据,建立了面向地表分类算法验证与精度评测的数据平台,该数据平台为地表分类算法提供了统一的对象数据,并为算法的精度评估提供了相应的地表真值数据。
其次,在深入分析地表分类处理过程中所存在不确定性因素的基础上,给出了基于不确定性分析的像元级分类评估方法,并通过常用遥感处理软件中典型分类算法的定量评估验证了该方法的有效性。
同时,论文针对遥感数据中所存在的混合像元现象,提出了特征端元的概念与特征端元提取算法,以及基于特征端元的像元分解方法,设计开发了一套基于像元分... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-9 |
|
第1 章 引言 |
9-15 |
|
1.1 课题研究的背景和意义 |
9-11 |
|
1.2 国内外相关研究现状 |
11-13 |
|
1.3 本文拟解决的问题与章节安排 |
13-15 |
|
1.3.1 本文拟解决的问题 |
13-14 |
|
1.3.2 论文的章节安排 |
14-15 |
|
第2 章 遥感分类测试数据平台的建设 |
15-24 |
|
2.1 遥感测试数据平台建设的现状与必要性 |
15-19 |
|
2.1.1 遥感测试数据平台的国内外研究 |
15-18 |
|
2.1.2 遥感分类测试数据平台建设的必要性 |
18-19 |
|
2.2 分类测试数据平台建设的基本过程 |
19-24 |
|
2.2.1 一般性分类测试数据平台的建设流程 |
19-20 |
|
2.2.2 本课题中测试数据平台的建设过程 |
20-24 |
|
第3 章 基于不确定性分析的像元级分类评估方法 |
24-55 |
|
3.1 遥感信息的不确定性 |
24-30 |
|
3.1.1 不确定性来源 |
25-27 |
|
3.1.2 不确定性分析的一般数学方法 |
27-30 |
|
3.2 像元级分类评估的工作原理和实现 |
30-34 |
|
3.2.1 像元级分类评估的工作流程 |
31-32 |
|
3.2.2 作为评估对象的典型遥感分类算法 |
32-34 |
|
3.3 分类前处理精度评估方法 |
34-37 |
|
3.3.1 辐射校正的不确定性分析和精度评估 |
34-35 |
|
3.3.2 几何校正的不确定性分析和精度评估 |
35-37 |
|
3.4 误差矩阵分类评估方法 |
37-47 |
|
3.4.1 评估采样 |
38-41 |
|
3.4.2 误差矩阵 |
41-42 |
|
3.4.3 各种分类评测指标介绍 |
42-47 |
|
3.5 实验结果与各分类算法性能分析 |
47-55 |
|
3.5.1 各评测指标说明和比较 |
48-50 |
|
3.5.2 同一软件不同算法间的精度评测 |
50-53 |
|
3.5.3 同一算法不同软件间的精度评测 |
53-55 |
|
第4 章 基于像元分解的亚像元级分类评估方法 |
55-81 |
|
4.1 纯像元与提取算法描述 |
55-59 |
|
4.1.1 纯像元与线性混合模型 |
55-57 |
|
4.1.2 几何提取算法与统计提取算法 |
57-59 |
|
4.2 特征端元与提取算法描述 |
59-69 |
|
4.2.1 特征端元 |
59-60 |
|
4.2.2 特征空间投影 |
60-62 |
|
4.2.3 特征端元的提取和线性分解算法 |
62-65 |
|
4.2.4 实验分析与讨论 |
65-69 |
|
4.3 亚像元级分类精度评估的工作原理 |
69-75 |
|
4.3.1 亚像元级分类评估工作过程与实现 |
70-72 |
|
4.3.2 模糊集误差矩阵评估方法 |
72-74 |
|
4.3.3 分层丰度误差矩阵评估方法 |
74-75 |
|
4.4 实验结果与各分类算法性能分析 |
75-81 |
|
4.4.1 模糊集误差矩阵的实验分析 |
75-77 |
|
4.4.2 同一些像元级分类评测结果进行比较 |
77-79 |
|
4.4.3 同一算法不同软件间的精度评测 |
79-81 |
|
第5 章 评估软件系统的组织结构设计与功能实现 |
81-87 |
|
5.1 评估系统的组织结构 |
81-83 |
|
5.2 评估系统的功能介绍与实现 |
83-87 |
|
第6 章 结论与展望 |
87-91 |
|
6.1 研究工作总结 |
87-89 |
|
6.1.1 论文的特色与创新点 |
87-89 |
|
6.2 现存的问题分析与技术展望 |
89-91 |
|
参考文献 |
91-95 |
|
致 谢 |
95 |
|
声 明 |
95-96 |
|
个人简历、在学期间发表的学术论文与研究成果 |
96 |
|
| 【DOI】 | LunWen.ID:2.2008.389369 |
