论文部分内容阅读
随着空间技术、数字图像处理技术和计算机技术的迅猛发展和日趋成熟,有着广泛应用领域和前景的遥感技术也得到了进一步的丰富和促进。针对遥感数据波段数目多、波段相关性强、运算量庞大的特点,以及分类的各种不确定性问题,各类数学和分类工具越来越多地应用到遥感图像分类中来。形式概念分析理论[1](Formal Concept Analysis,FCA)作为一种数据分析和隐含知识挖掘的数学方法,在机器学习、软件工程和知识获取等很多领域取得了不少成果。本论文在遥感影像分类中引入形式概念分析这个数学工具,对遥感影像建立形式背景,更加快速、简洁地进行了特征分析,并有效地实现影像分类。针对分类波段的降维问题,本文采用概念格属性约简理论提取出具有丰富信息量且相关性小的最佳波段组合。然后利用建立概念格和构建偏序图两种方法对分类特征进行分析,提取出了有效的分类规则。最后针对分类特征维数多以及避免分类结果存在斑点的问题,从形式概念分析数据处理的特点出发,提出了面向对象的基于概念相似度的分类方法。本文从应用格理论的角度重点研究了形式概念分析在遥感影像特征分析和分类规则提取中的应用,并紧紧围绕这一核心问题,在算法和应用上取得了一定进展。完成的主要工作如下:1.根据形式概念分析处理的数据特点(离散数据),将遥感影像及其特征向量看成一个知识表达系统,多光谱影像的波段和各类特征作为形式概念的内涵,并利用概念标尺的方法将多值背景处理为单值背景,在此基础上建立形式背景和数据模型。2.在波段选择阶段,设计并实现了基于属性约简理论的多光谱遥感影像波段选择算法并进行了验证实验。实验表明:多光谱遥感影像的各波段间存在或多或少的相关性,通过对形式概念属性(波段)的约简可以提取出相对独立且信息量大的波段,实现了分类数据降维。3.研究了样本训练中特征分析的问题,并引入了净化(明晰)背景和GM偏序关系等概念。利用特征之间的相关性,比较了属性约简和GM关联规则提取的方法,在样本特征提取和分析阶段实现特征模型的构建,并剔除了冗余特征,提高特征模型构建效率。4.在分类规则提取时,充分利用了概念格的偏序关系,设计了一种面向对象区分多类地物的算法,并通过实验验证了该算法的有效性。5.在已有的特征模型的基础上,实现了遥感影像的分类,与最大似然分类方法进行了比较并给出精度分析。实验分析得出结论:FCA提取出的面向对象的多特征模型适用于监督分类,且能取得较高的分类精度。