證據(jù)理論及其在遙感影像融合分類中的應用研究.pdf

1、遙感影像分類是人類認識和利用地表信息的重要手段之一，也是遙感圖像處理系統(tǒng)中的核心功能之一，分類的精度直接影響遙感技術(shù)的應用水平和實用價值。隨著遙感技術(shù)的發(fā)展，人們將會獲得越來越多的同一地區(qū)多種圖像數(shù)據(jù)(多時段、多光譜、多傳感器、多分辨率)，并且遙感信息從其數(shù)據(jù)獲取開始，就一直伴隨著不確定性的存在。因此，運用信息融合技術(shù)和不確定性理論研究如何充分挖掘、表示和組合多源信息來提高分類的精度和可靠性是當前遙感信息智能處理領域中的研究熱點之一。作

2、為一種不確定性信息融合技術(shù)，證據(jù)理論具有強大的不確定性表示、量測組合能力，因而得到了廣泛的關注，然而，其在遙感領域中的應用還十分有限。這主要源于證據(jù)理論在實際應用中還有一些技術(shù)性問題亟待解決和運用證據(jù)理論等具體實際問題建模時還存在一些困難。本文以國防重點實驗室基金項目為依托，以信息融合技術(shù)為主線，對證據(jù)理論及其在遙感影像分類中的應用進行了研究。利用證據(jù)理論來解決遙感影像分類過程中遇到的一些關鍵問題，同時解決將證據(jù)理論用于模式分類時理論本

3、身存在的一些關鍵問題。具體的研究工作和創(chuàng)新之處主要體現(xiàn)在以下幾點： 1.研究了在多傳感器融合分類任務中傳感器可信度的評估和融入問題，首次提出了一種通用的傳感器可信度評估模型，能實現(xiàn)對傳感器可信度的自適應評估。在多傳感器遙感影像融合分類等實際應用中，不同類型的傳感器具有不同的可信度，且同一傳感器在不同的環(huán)境下或不同的使用階段其可信度也是變化的。因此，需要根據(jù)傳感器的本身的性能和實際使用情況，來評估傳感器的可信度并融入該信息到融合系

4、統(tǒng)，提高系統(tǒng)的融合精度和可靠性。本文提出的傳感器可信度評估模型可評估靜態(tài)可信度、動態(tài)可信度和組合可信度，分別適用于不同的應用場合。組合可信度能很好地反映出傳感器本身的性能與實際應用階段中傳感器性能的變化情況，從而實現(xiàn)傳感器可信度的自適應評估。最后通過詳盡的數(shù)值實驗證明了本文評估模型的合理性和有效性，并將其成功地應用于光學和合成孔徑雷達(SAR)傳感器遙感影像融合分類問題，提高了融合分類系統(tǒng)的分類精度和抗干擾能力。 2.研究了證據(jù)

5、理論中基本信度指派(BBA)的構(gòu)建問題，提出了一種新的結(jié)合全局信息和局部信息的BBA構(gòu)建方法，并首次提出局部混淆矩陣的概念。在基于證據(jù)理論的多源遙感信息融合分類中，首要問題是構(gòu)建BBA，而現(xiàn)有的構(gòu)建方法不合理且缺乏通用性。本文通過引入局部混淆矩陣的概念為BBA的構(gòu)建提供了必要的局部信息，將分類器的分類結(jié)果作為其全局信息。通過合理結(jié)合局部信息和全局信息，新的構(gòu)建方法不僅能構(gòu)建傳統(tǒng)的BBA結(jié)構(gòu)，還可以構(gòu)建模糊BBA結(jié)構(gòu)，這方面的研究尚未見諸

6、報導。最后將其用于多源遙感影像融合分類問題。試驗結(jié)果表明，本文提出的BBA構(gòu)建方法優(yōu)于現(xiàn)有的幾種BBA構(gòu)建方法，基于本文BBA構(gòu)建機制的證據(jù)組合分類方法也優(yōu)于特征級的融合分類方法，并且本文方法不依賴于具體的分類算法。因此它是一種通用、有效的BBA構(gòu)建方法。 3.研究了證據(jù)組合推理與決策問題，分別提出了一種基于閉世界和開世界假設的證據(jù)組合規(guī)則。證據(jù)組合規(guī)則是證據(jù)理論中的核心運算規(guī)則。Dempster組合規(guī)則無法有效處理沖突證據(jù)和實

7、際應用的復雜情況，因此，如何分析比較現(xiàn)有組合規(guī)則并提出新的組合規(guī)則，是證據(jù)推理中的主要研究內(nèi)容。本文首先對國內(nèi)外現(xiàn)有的組合推理方法進行了全面的歸納和分析，建立了基本的理論框架和通式，將幾十種規(guī)則分別納入對應的框架中，這不僅為后續(xù)學者提供了理論指導，而且通過比較分析各種方法的優(yōu)缺點，為改進和提出新的組合規(guī)則奠定了基礎。然后，提出了一種新的基于閉世界假設的組合規(guī)則，適用于證據(jù)高度沖突的情況和可信度己知的情況。數(shù)值實驗表明，與幾種經(jīng)典組合規(guī)則

8、相比，本文提出的新規(guī)則能有效處理證據(jù)沖突問題，具有較好的收斂性。通過規(guī)則使用時的自動切換，新的組合規(guī)則與Dempster組合規(guī)則一起被應用于本文的遙感實驗。最后，給出一種基于開世界假設的組合規(guī)則，適用于多種沖突源同時存在的情況。 4.研究了基于證據(jù)理論的信度決策樹算法，提出了一種新的信度決策樹分類推理算法。遙感影像混合像元分類問題中的訓練集往往為不確定性訓練集，而信度決策樹可以用于處理基于不確定訓練集的分類問題。針對Eloued

9、i等提出的信度決策樹中忽略特征屬性權(quán)重的問題，本文提出了一種基于相似性的融入屬性權(quán)重的分類推理算法，并首次嘗試將信度決策樹用于遙感影像混合像元的分類問題。實驗結(jié)果表明本文的分類推理算法優(yōu)于Elouedi的方法，提高了分類精度。 5.研究了基于證據(jù)理論的圖像空域分類算法，給出了一個通用的空域分類算法模型，提出了一種新的基于證據(jù)理論的自適應空域分類器。在遙感圖像分類問題中，合理融入空域分類信息有助于提高分類精度和去除噪聲像元。本文首