| 【中文题名】 | 遥感信息不确定性建模及其可视化表达研究 |
| 【英文题名】 | Modelling and Visualizing Uncertainties in Remote Sensing Information |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-8-24 |
| 【中关键词】 | 遥感,不确定性,度量,粗糙集,可视化,色彩 |
| 【英关键词】 | remote sensing,uncertainty,measurement,rough sets,visualization,color,parallel coordinates,mixed pixel,spatial autocorrelation,subpixel, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>一般性问题>> |
| 【论文摘要】 | 客观世界本身内在的不确定性和人类对客观世界认知的局限性,是导致科学对客观真实的描述存在大量不确定性的主要原因。不确定性问题以其普遍性和现实性,成为当前研究领域中的一个难点和热点。
遥感的研究对象是空间实体,描述空间实体的空间数据中,包括与时间有关的位置数据和属性数据,都存在着大量不确定性,有的甚至严重影响产品的可靠性。数据质量是数据的核心,而数据质量的关键则是对不确定性的评估。
如何全面、准确地度量和可视化表达遥感信息处理中不确定性的程度和空间分布是遥感信息不确定性研究的关键问题之一。传统的度量方法,例如误差矩阵和Kappa系数,直接在训练数据上估计分类模型的性能。而事实上这样做并不合适,不能将以训练样本集为基础的误差矩阵当作总分类精度的量测尺度,我们需要估计模型对于“样本外数据”的性能。因此我们提出将粗糙集理论作为度量遥感信息属性不确定性问题的应用框架,对样本区数据和分类影像中的像元、目标和影像整体等不同尺度上的空间对象进行属性不确定性度量,并以我国黄河三角洲地区的Landsat5TM遥感影像进行不确定性度量的实例分析。
由于混合像元而造成的影像不确定性属于遥感技术固有的不确定... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-12 |
|
Contents |
12-16 |
|
图表索引 |
16-22 |
|
引言 |
22-30 |
|
0.1 遥感信息不确定性研究的目的和意义 |
22-23 |
|
0.2 遥感信息不确定性研究进展 |
23-25 |
|
0.3 遥感信息不确定性的处理方法 |
25-26 |
|
0.4 遥感信息不确定性研究存在的问题 |
26-27 |
|
0.5 论文主要研究内容与结构 |
27-30 |
|
第一章 遥感信息不确定性概述 |
30-44 |
|
1.1 遥感概述 |
31-34 |
|
1.1.1 遥感系统的组成 |
31-33 |
|
1.1.2 遥感图像处理 |
33-34 |
|
1.2 遥感图像的监督分类 |
34-38 |
|
1.2.1 监督分类中的训练阶段 |
34-35 |
|
1.2.2 遥感信息分类不确定性评价方法的发展 |
35-36 |
|
1.2.3 误差矩阵和 Kappa系数 |
36-37 |
|
1.2.4 分类精度评价方法中存在的问题 |
37-38 |
|
1.3 遥感信息不确定性的概念模型 |
38-44 |
|
1.3.1 不确定性的定义 |
39-40 |
|
1.3.2 数据质量的定义 |
40 |
|
1.3.3 遥感信息不确定性的来源及传递 |
40-42 |
|
1.3.4 遥感信息不确定性的概念模型 |
42-44 |
|
第二章 遥感信息不确定性建模 |
44-72 |
|
2.1 遥感影像的位置精度评价 |
44-46 |
|
2.1.1 精度评价的原因 |
44-45 |
|
2.1.2 位置精度评价的方法 |
45-46 |
|
2.2 现有遥感信息属性不确定性研究方法 |
46-49 |
|
2.2.1 不确定性研究的数学理论与方法 |
46-47 |
|
2.2.2 现有像元不确定性度量方式 |
47-49 |
|
2.3 基于粗糙集理论的遥感信息属性不确定性度量 |
49-58 |
|
2.3.1 粗糙集理论在影像属性不确定性中的应用框架 |
50-51 |
|
2.3.2 样本区和检验区数据的不确定性度量 |
51-53 |
|
2.3.3 像元的属性不确定性度量 |
53-54 |
|
2.3.4 地物类别的属性不确定性度量 |
54-56 |
|
2.3.5 影像的属性不确定性度量 |
56-57 |
|
2.3.6 不确定性度量在影像分类中的应用 |
57-58 |
|
2.4 实例遥感影像分析 |
58-69 |
|
2.4.1 实验影像数据 |
58-60 |
|
2.4.2 遥感影像的监督分类结果 |
60-62 |
|
2.4.3 样本区数据的不确定性 |
62-64 |
|
2.4.4 像元的属性不确定性 |
64-67 |
|
2.4.5 类别的属性不确定性 |
67-68 |
|
2.4.6 影像的属性不确定性 |
68-69 |
|
2.5 讨论 |
69-72 |
|
第三章 混合像元内部的亚像元空间分布模拟 |
72-100 |
|
3.1 文献综述 |
73-76 |
|
3.2 混合像元内部的地物类型空间分布模式 |
76-77 |
|
3.3 混合像元内部亚像元空间分布模拟算法 |
77-84 |
|
3.3.1 中心像元和邻域像元的概念 |
77-79 |
|
3.3.2 算法概述 |
79-80 |
|
3.3.3 面状模式中的计算步骤 |
80-83 |
|
3.3.4 模拟算法的适用范围 |
83-84 |
|
3.4 模拟算法计算示例 |
84-89 |
|
3.4.1 面状分布模式示例1 |
84-85 |
|
3.4.2 面状分布模式示例2 |
85-88 |
|
3.4.3 带状分布模式示例 |
88 |
|
3.4.4 点状分布模式示例 |
88-89 |
|
3.5 实例影像分析 |
89-99 |
|
3.5.1 实验数据的构造 |
89 |
|
3.5.2 人工影像(Artificial imagery) |
89-95 |
|
3.5.3 合成影像(Synthetic imagery) |
95-99 |
|
3.6 讨论 |
99-100 |
|
第四章 遥感信息不确定性的可视化表达 |
100-132 |
|
4.1 可视化表达概述 |
101-104 |
|
4.2 静态可视化变量 |
104-111 |
|
4.2.1 色彩(Color) |
104-105 |
|
4.2.2 图元(Glyphs) |
105-108 |
|
4.2.3 纹理(Texture) |
108 |
|
4.2.4 三维表达(3-Dimensions) |
108-111 |
|
4.3 动态可视化变量 |
111-116 |
|
4.3.1 动画(Animation) |
111-112 |
|
4.3.2 声音(Sound) |
112-113 |
|
4.3.3 多视图(Multiple Views) |
113-114 |
|
4.3.4 链接与刷取技术(Linking %26 Brushing) |
114 |
|
4.3.5 用户交互(Interaction) |
114-116 |
|
4.4 特征可视化 |
116-126 |
|
4.4.1 平行坐标(Parallel Coordinates) |
117 |
|
4.4.2 错误分类像元的可视化表达 |
117-118 |
|
4.4.3 特征空间中的可视化表达 |
118-126 |
|
4.5 不确定性可视化表达原则 |
126-127 |
|
4.6 不确定性可视化表达的支撑技术 |
127-130 |
|
4.6.1 交互式数据语言 IDL |
127 |
|
4.6.2 可视化工具包 VTK |
127 |
|
4.6.3 虚拟现实建模语言 VRML |
127-128 |
|
4.6.4 三维虚拟现实技术 VR |
128-129 |
|
4.6.5 可伸缩矢量图形 SVG |
129-130 |
|
4.7 讨论 |
130-132 |
|
第五章 软件设计与开发 |
132-138 |
|
5.1 软件需求概述 |
132 |
|
5.2 软件设计 |
132-135 |
|
5.2.1 软件流程中的各种数据 |
132-133 |
|
5.2.2 软件模块设计 |
133 |
|
5.2.3 软件开发 |
133-135 |
|
5.3 软件界面与性能测试 |
135-138 |
|
5.3.1 软件界面 |
135 |
|
5.3.2 软件性能测试 |
135-138 |
|
第六章 总结与展望 |
138-142 |
|
6.1 论文总结 |
138-139 |
|
6.2 研究展望 |
139-142 |
|
参考文献 |
142-150 |
|
硕士期间发表论文 |
150-152 |
|
致谢 |
152-154 |
|
个人简历 |
154-155 |
|
| 【DOI】 | LunWen.ID:2.2008.389390 |
