基于模糊三I算法遥感影像聚类关键技术

摘要：遥感技术的发展,不断地丰富了影像信息,从而使得遥感影像的应用迅速地推广。尤其在影像的聚类中,遥感影像的高分辨率特性较好地了不同类别的颜色信息,在地物提取、测绘、水土流失检测、森林分类、土地覆盖情况等实际应用中充分地展示了其优越性。因而对遥感影像聚类分析的研究具有广泛的应用前景。在的有监督聚类算法中,Bayes算法的聚类效果较好,但是其结果仍然还不能客观的需求。主要存在的问题有:(1)传统Bayes算法具有很强的主观性。影像类别数的增加,由主观观察的类别先验概率的误差也就增大,新的方法来解决其主观性问题;(2)影像分辨率的提高,影像包含的数据会更加、信息也更加全面,因而传统的简单求和再取平均的特征提取算法克服样本区域中噪声点或混合像元的影响,新的特征提取算法与之相适应;(3)影像聚类可以一个模式识别问题,相同模式的颜色不尽相同不同模式的颜色存在相同,无疑增加了聚类的难度。如何遥感影像聚类分析问题,充分融入一些新的理论知识和方法遥感影像的聚类是非常必要的。紧紧围绕以提高遥感影像聚类精度为主线,利用无人机遥感影像为主要信息数据,从探讨影响传统Bayes算法聚类精度因素和构造新的聚类算法两加以。在现有研究的基础上,了新的遥感影像聚类算法和总结了聚类精度的评价指标。以上的问题,主要的研究工作及成果如下:(1)在对传统Bayes聚类算法研究的基础上,构造模糊隶属度函数来修正传统先验概率的主观确定,以提高遥感影像的聚类精度。(2)传统Bayes算法的特征提取中,各类别特征的提取均是基于样本元素权值在相同情况下求得的。研究灰色关联理论,并遥感影像高分辨率所表现出来的颜色特征,了一种能较好克服混合像元有噪声点影响的影像特征提取算法。(3)利用模糊监督分类算法中多样本区域信息,研究了利用模糊三I算法的理论知识来对遥感影像模糊聚类分析。言之,在遥感影像的聚类分析中,如何提高聚类精度是关键之处,着重从该做了一系列的研究。实验结果,的聚类算法较好的提高了遥感影像的聚类精度。关键词：遥感影像论文聚类分析论文模糊Bayes-Gauss算法论文灰色理论论文模糊三I算法论文

摘要4-5

Abstract5-9

第1章 引言9-13

1.1 研究的9-10

1.2 国内外研究现状10-11

1.3 的主要研究内容11-13

第2章 模糊集理论在聚类分析中的应用13-18

2.1 模糊聚类分析方法13-15

2.2 模糊集理论在遥感影像聚类中的应用15-16

2.2.1 遥感影像的模糊性15-16

2.2.2 模糊处理遥感影像聚类的优势16

2.3 小结16-18

第3章 基于模糊Bayes-Gauss 判别的遥感影像聚类18-27

3.1 加权 Fisher 聚类算法简介18-21

3.1.1 Fisher 线性判别算法18-20

3.1.2 加权Fisher 线性判别算法20-21

3.2 传统 Bayes 算法21-23

3.2.1 传统Bayes 算法的基本思想21-22

3.2.2 实验结果分析22-23

3.3 基于模糊 Bayes-Gauss 判别法的遥感影像的聚类23-26

3.3.1 模糊Bayes-Gauss 算法23-24

3.3.2 实验结果分析24-26

3.4 小结26-27

第4章 基于模糊三I 算法的遥感影像聚类27-41

4.1 模糊推理的 CRI 算法27-30

4.1.1 模糊推理的基本思想27-28

4.1.2 CRI 算法的一般形式28-29

4.1.3 模糊推理的数学本质29-30

4.2 模糊推理的三 I 算法30-32

4.2.1 模糊推理的三I 算法简介30-31

4.2.2 利用三I 算法求解一般的Fuzzy 推理问题31-32

4.3 基于模糊三 I 算法的遥感影像聚类32-39

4.3.1 基于灰色关联度的特征选择32-33

4.3.2 遥感影像的模糊聚类33-35

4.3.3 模糊三I 算法在遥感影像聚类中的应用35-36

4.3.4 聚类精度评价36-37

4.3.5 实验结果分析37-39

4.4 小结39-41

第5章 总结与展望41-43

5.1 工作总结41-42

5.2 展望42-43

致谢43-44