融合空間謂詞的高空間分辨率遙感圖像關(guān)聯(lián)分類方法研究.pdf

1、高空間分辨率遙感圖像中地物的“同譜異物”和“同物異譜”現(xiàn)象變得尤為普遍，這極大地影響了計(jì)算機(jī)自動(dòng)地物分類的效果與精度。常見的面向?qū)ο蟊O(jiān)督分類的主要判別依據(jù)是特征距離，實(shí)現(xiàn)模式分類需要依據(jù)模式在特征空間中距離的遠(yuǎn)近來判斷。然而，“同譜異物”和“同物異譜”的特征使得高空間分辨率遙感圖像中眾多地物難以僅依據(jù)特征距離就可以相互區(qū)分，需要使用新的分類方法。
　　空間謂詞用來描述分類對(duì)象的地理空間信息，描述遙感圖像中對(duì)象之間的空間關(guān)系。將空間

2、謂詞與非空間謂詞融合，挖掘出融合空間謂詞的空間關(guān)聯(lián)規(guī)則，可以建立起遙感圖像空間謂詞、非空間謂詞與地物類別之間的關(guān)聯(lián)，如果將空間關(guān)聯(lián)規(guī)則引入到遙感圖像分類上將具有很高的應(yīng)用價(jià)值和研究潛力。
　　本文面向高空間分辨率遙感圖像信息提取，結(jié)合面向?qū)ο筮b感圖像監(jiān)督分類方法，對(duì)融合空間謂詞的遙感圖像分類方法進(jìn)行了研究，內(nèi)容主要包括:
　　(1)獲取特征基元空間、非空間謂詞。本文首先使用光譜和形狀特征結(jié)合的多精度圖像分割方法對(duì)高空間分辨率

3、遙感圖像進(jìn)行影像分割，同時(shí)獲取遙感圖像各特征基元的非空間特征，借助優(yōu)化了初始聚類中心的K-Means++聚類算法對(duì)特征基元的非空間特征進(jìn)行屬性分段，利用信息增益法對(duì)特征基元的非空間特征降維;再獲取特征基元的地物類別和約減后的空間信息;最后還需將若干個(gè)規(guī)則生成區(qū)的空間謂詞、非空間謂詞、地物類別合并到同一個(gè)事務(wù)數(shù)據(jù)庫用于后續(xù)空間關(guān)聯(lián)規(guī)則挖掘。
　　(2)挖掘出頻繁的、可靠的空間關(guān)聯(lián)規(guī)則。首先借助FP-Growth算法，從由若干個(gè)規(guī)則生

4、成區(qū)的遙感圖像特征基元的空間謂詞、非空間謂詞和地物類別構(gòu)成的事務(wù)數(shù)據(jù)庫中提取出頻繁模式集;再使用能夠克服頻繁模式海量且無序特點(diǎn)的方法挖掘出空間關(guān)聯(lián)規(guī)則;最后再借助能夠消除冗余或沖突規(guī)則的方法對(duì)空間關(guān)聯(lián)規(guī)則剪枝。
　　(3)高空間分辨率遙感圖像空間關(guān)聯(lián)分類與監(jiān)督分類的融合分類。首先描述了空間關(guān)聯(lián)規(guī)則推廣到遙感圖像地物分類的方法;其次分別尋找空間關(guān)聯(lián)分類與K近鄰分類、支持向量機(jī)分類的結(jié)合點(diǎn)，將空間關(guān)聯(lián)分類與這兩種常用的監(jiān)督分類方法相融