基于圖像融合的分類技術研究.pdf

1、多傳感器遙感圖像的信息融合可以克服單一傳感器獲取圖像的限制，提高遙感圖像分類精度，增強計算機自動解譯的能力，減少遙感圖像后處理時間，提高對地物變化的監(jiān)測能力。目前遙感技術迅猛發(fā)展，遙感應用的傳感器種類和數(shù)量越來越多，多傳感器遙感圖像融合分類技術的研究已成為國內(nèi)外研究的熱點。 論文以Landsat衛(wèi)星的TM和JERS-1衛(wèi)星的SAR（synthetic aperture rader）這兩種空間分辨率、波段和成像機理不同的遙感圖像的

2、融合分類為例，對空間多傳感器遙感圖像的特征層和決策層的融合分類技術進行了初步的討論。具體的研究包括： 1．多傳感器遙感圖像特征層融合分類器設計的研究。分類器設計時論文中將多傳感器遙感圖像提取的特征矢量的條件概率密度函數(shù)模型分為服從多變量正態(tài)分布和復雜分布兩種情況討論；對于正態(tài)分布條件概率密度函數(shù)，論文中首先解決BP神經(jīng)網(wǎng)絡分類器學習樣本集選取問題——提出基于X2分布的學習樣本集選取方法，指出對正態(tài)條件概率密度函數(shù)應用極大似分類器