遙感數(shù)據(jù)可靠性分類方法研究.pdf

1、遙感數(shù)據(jù)分類技術(shù)是從遙感數(shù)據(jù)中提取專題類別數(shù)據(jù)的一個重要手段，但由于自然環(huán)境的復(fù)雜性、遙感傳感器及分類算法的局限性等原因，不確定性伴隨遙感數(shù)據(jù)分類的整個過程，在利用遙感數(shù)據(jù)分類獲取的信息中含有較大的不確定性。如何了解這些不確定性的本質(zhì)，降低其對分類結(jié)果精度的影響，提高分類精度，建立可靠的遙感數(shù)據(jù)分類方法，是遙感數(shù)據(jù)分類研究的重要問題。為此，本文以遙感數(shù)據(jù)分類過程為出發(fā)點(diǎn)，研究分類過程中的主要環(huán)節(jié)的不確定性對分類精度的影響，提出遙感數(shù)據(jù)可

2、靠性分類方法，提高最終分類結(jié)果精度。研究內(nèi)容包括訓(xùn)練樣本數(shù)據(jù)對遙感數(shù)據(jù)分類精度的影響、遙感數(shù)據(jù)可靠性分類模型和分類精度評價的可靠性樣本抽樣方法三個部分。研究成果將為提高遙感數(shù)據(jù)分類結(jié)果的精度提供一整套新的解決方案。具體研究工作主要包括：
　?。?）通過對典型區(qū)域遙感數(shù)據(jù)分類實(shí)驗(yàn)的研究，得出訓(xùn)練樣本數(shù)量、質(zhì)量及抽樣方法與不同分類方法分類精度的響應(yīng)關(guān)系：1）不同的分類方法對樣本量的響應(yīng)及同種分類方法對相同樣本量的響應(yīng)程度是不同的，且分

3、類精度都存在一定程度的波動性，但達(dá)到一定數(shù)據(jù)的樣本時，分類精度均值是相對穩(wěn)定的；2）同一種分類方法利用在相同質(zhì)量指標(biāo)劃分的不同質(zhì)量等級的訓(xùn)練樣本得到的分類精度不同；不同分類方法對在相同指標(biāo)劃分的同一質(zhì)量等級的訓(xùn)練樣本響應(yīng)也是不同的；3）不同抽樣方式下的多次抽樣獲取的訓(xùn)練樣本得到的分類結(jié)果精度的平均值基本上都能夠反映實(shí)際的分類精度，分層抽樣方法要比非分層抽樣方法好，點(diǎn)抽樣方法要比群抽樣方法好。
　　（2）針對混合像元是造成分類精度低

4、的根本原因，將模糊拓?fù)淅碚撘氲絺鹘y(tǒng)SVM，提出比傳統(tǒng)SVM分類精度更高的FTSVM遙感影像分類方法。該方法利用提出的改進(jìn)投票法得到每個像元的后驗(yàn)概率，然后根據(jù)最優(yōu)閾值確定每個像元屬于類別的內(nèi)部、邊界或外部，最后利用模糊拓?fù)渲械目臻g鄰域相關(guān)性對處于類別邊界的像元進(jìn)行重新分類，從而提高了混合像元的分類精度，最終提高了整個遙感數(shù)據(jù)分類精度。
　?。?）充分考慮不同分類器對每個像元的識別能力，提出了基于矩陣特征向量的多分類器組合方法，利

5、用多個分類器的輸出的每個像元的概率矢量構(gòu)成一個概率矢量矩陣，然后根據(jù)每個像元的概率矩陣的特性，自適應(yīng)調(diào)整每個分類器對此像元的權(quán)值，為分類性能好（分類不確定性?。┑姆诸惼髻x予較大的權(quán)重，提高了分類精度和穩(wěn)定性。
　　（4）提出融合光譜與空間特征的遙感數(shù)據(jù)多種分類方法：1）充分考慮像元之間的鄰域信息，提出改進(jìn)后的FCM圖像分割模型MFCM，獲取圖像的同質(zhì)區(qū)域并與基于像元的MLC分類結(jié)果采用投票法融合，獲得了比傳統(tǒng)的MLC方法分類精度高

6、的分類結(jié)果圖；2）根據(jù)地理學(xué)第一定理的鄰近原則，離中心像元距離越遠(yuǎn)的像元的影響應(yīng)越小，引入空間引力模型使用距離函數(shù)表達(dá)像元間的相互作用在距離上的非線性關(guān)系，對經(jīng)典的MRF模型進(jìn)行改進(jìn)，提出了SAMRF模型，使得其更符合實(shí)際情況，增強(qiáng)了對類別邊緣的描述能力，提高了分類精度和穩(wěn)定性；3）在分類中融合了Gabor小波、GMRF和GLCM三種紋理特征，并提出了PAI、LW、Solidity和Extent四個像元形狀特征，通過實(shí)驗(yàn)驗(yàn)證了紋理、形狀

7、特征及紋理融合、形狀特征融合以及這兩大類特征組合可以大大提高分類精度，且不同的紋理特征及形狀特征對于不同的遙感影像中不同地類的分類精度的提高程度不同，在實(shí)際分類過程中，應(yīng)將多個紋理和像元形狀特征進(jìn)行組合用于遙感影像分類，對于多特征組合分類，一般先要進(jìn)行特征組合優(yōu)化。
　?。?）提出了基于空間均衡抽樣和基于聚類的空間分層抽樣方法進(jìn)行檢驗(yàn)樣本選擇，保證了驗(yàn)證樣本的均勻性和代表性，從而提高了精度評價結(jié)果的可靠性。
　　該論文有圖1