20200.基于信息論和粗糙集的遙感影像分類不確定性多尺度評價(jià)研究

1、論文題目：基于信息論和粗糙集的遙感影像分類不確定性多尺度評價(jià)研究專業(yè)：大地測量學(xué)與測量工程碩士生：魏曼（簽名）指導(dǎo)教師：胡榮明（簽名）摘要遙感影像分類得到的專題類別信息已廣泛的應(yīng)用于各個(gè)領(lǐng)域。為評價(jià)專題類別信息是否可以應(yīng)用于后續(xù)研究，并分析專題類別信息在后續(xù)使用中的影響，需在獲得專題類別信息的同時(shí)，提供專題分類信息的可靠性。因此如何全面、準(zhǔn)確的評價(jià)分類結(jié)果的不確定性是本文研究的重點(diǎn)。本文針對如何全面、準(zhǔn)確地度量遙感影像分類中的屬性不確定

2、性的程度，分別從像元—地物類別—影像整體三個(gè)尺度上進(jìn)行了相應(yīng)研究，建立了遙感影像分類不確定性評價(jià)體系，并使用新疆石河子墾區(qū)的IKONOS多光譜影像作為數(shù)據(jù)源，對其進(jìn)行最小距離分類和支持向量機(jī)分類，采用以上評價(jià)體系對上述分類結(jié)果進(jìn)行評價(jià)。在像元尺度上，研究了基于信息論的遙感影像分類不確定性評價(jià)理論，并以分類后獲得的概率矢量為切入點(diǎn)，采用概率熵模型完成了像元尺度上的分類不確定性評價(jià)，不僅獲得了每個(gè)像元上的分類不確定性信息，而且使分類不確定性

3、的位置信息可以比較形象直觀的顯示出來。在地物類別尺度上，研究了粗糙集理論下的遙感影像分類不確定性評價(jià)方法，在分析原有方法存在的問題后，修改了原有模型，提出了基于邊界域的修正粗糙熵模型。首先從理論上對該模型對分類知識所引起的不確定性度量更為客觀進(jìn)行了證明，然后在此基礎(chǔ)上分別利用該模型和修改前的修正粗糙熵模型計(jì)算分類不確定性，對每種地物的不確定性進(jìn)行了評價(jià)。在影像整體尺度上，研究了粗糙集理論下的遙感影像分類不確定性評價(jià)方法，以地物類別尺度上

4、評價(jià)過程中獲得的上下近似集合為切入點(diǎn)，采用近似分類精度和近似分類質(zhì)量作為度量評價(jià)影像整體的不確定性，并對兩種分類器的分類精度進(jìn)行比較。從實(shí)驗(yàn)結(jié)果中可以得到如下結(jié)論：第一，在像元尺度上，不確定性值變化劇烈的區(qū)域位于類別與類別之間的邊界區(qū)域，而對比兩種分類算法可以看出最小距離分類結(jié)果的邊界區(qū)域范圍明顯大于支持向量機(jī)分類結(jié)果的邊界區(qū)域范圍。簡單的聚類集群判別方式使得最小距離分類器對類別與類別的邊緣區(qū)分較為困難，而支持向量機(jī)分類算法采用一定的核

5、函數(shù)將像元映射到更高維的空間中，從而拉大類別與類別像元之間的距離，使得類別的邊界區(qū)分更加容易。Subject：MultiScaleAssessmentfUncertaintyofClassificationofRemoteSensingImageBasedonInfmationTheyRoughSetSpecialty：GeodesySurveyEngineeringName：WeiMan（Signature）Instruct：HuRo

6、ngming（Signature）ABSTRACTThematiccategyinfmationobtainedbyremotesensingimageclassificationhasbeenwidelyusedinvariousfields.Toevaluatethethematiccategyinfmationcanbeusedinthefollowupstudytoanalyzetheimpactofthematiccategy

7、infmationinsubsequentusereliabilityisprovidedwiththematiccategyinfmationatthesametime.Therefehowtocomprehensivelyaccuratelyevaluatetheclassificationuncertaintyisthefocusofthispaper.Indertocomprehensivelyaccuratelymeasure

8、theattributeuncertaintyofclassificationoftheremotesensingimagethisarticleestablishesauncertaintyassessmentsystemfremotesensingimageclassificationinthreescalepixellcoverclasswholeimage.ThetestusedIKONOSmultispectralimages

9、inShiheziofXinjiangasthedatasource.Thentoclassifythedatausingminimumdistanceclassifiersupptvectmachineclassifier.Finallyusingtheaboveassessmentsystemevaluatetheclassificationresults.Atthepixelscaletheauthstudiesuncertain

10、tyevaluationtheyftheclassificationofremotesensingimagebasedontheinfmationthey.Probabilityvectobtainedfromclassificationasthebreakthroughpointusingprobabilityentropymodelassessestheuncertaintyofclassificationatpixelscale.

11、Notonlywontheclassificationuncertaintyinfmationofeachpixelbutalsovisuallydisplaythelocationinfmationofclassificationuncertainty.Atthescaleoflcoverclasstheauthstudiesuncertaintyevaluationmethodftheclassificationofremotese

12、nsingimagebasedontheroughset.Afteranalyzingtheproblemsofiginalmethodtheauthmodifiestheiginalmodelproposestheboundaryregionbasedmodifiedroughentropymodel.Firstofalltheauthfromthetheyprovedthattheimprovedmodelismeobjective