基于模糊粗糙集的遙感圖像土地利用區(qū)域多中心分類法.pdf

1、隨著遙感技術的快速發(fā)展，利用遙感圖像進行土地利用分類是遙感應用研究中的一個重要領域。如何提高遙感圖像土地利用分類的精度是當前需要解決的關鍵問題。
　　粗糙集和模糊集均為處理不確定性問題的數(shù)學分析理論。粗糙集將知識作為對對象分類的工具，能直接從給定數(shù)據(jù)中進行知識挖掘，無需提供任何的先驗知識，具有很強的客觀性;但其在知識約簡之前必須對連續(xù)屬性數(shù)據(jù)進行離散化，這一過程將造成一定程度上的信息損失。模糊集著眼子集合的模糊性，利用隸屬函數(shù)來描

2、述模糊概念。模糊集與粗糙集的結合，可通過模糊化過程將數(shù)據(jù)轉化為相應的模糊隸屬度，能解決粗糙集離散化過程中的信息損失問題。
　　本文首先分析了遙感圖像的多光譜特征，以一定的距離門限值對樣本進行聚類，計算各樣本聚類中心到類別中心的距離，研究這些中心的特征矢量與地物類別的關系，在此基礎上建立土地利用類別模式，然后以區(qū)域為分類單元提取區(qū)域多中心特征，以區(qū)域單元含類別類內中心的數(shù)量以及區(qū)域單元中屬于某種類別的像元占單元總像元數(shù)的百分比為分類

3、準則，最后以此分類準則進行土地利用類別識別。區(qū)域多中心分類方法充分體現(xiàn)了土地利用分類體系以地物種類及其所占總面積比例劃分的基本思想，同時可較好地解決一種土地利用類別由多種地物組成，難以求取其多元統(tǒng)計分布模型的問題。但這種方法缺乏充分的理論支撐，在多次實驗的基礎上建立分類準則，增加了分類的工作量和復雜性。
　　因此，本文在區(qū)域多中心分類方法的基礎上，有機融合了模糊粗糙集理論，在模糊粗糙集模型基礎上建立分類規(guī)則，并利用TM遙感圖像對長

4、沙市周邊地區(qū)進行了土地利用分類研究。首先利用區(qū)域多中心分類方法獲取分類屬性數(shù)據(jù)，利用模糊集理論進行屬性模糊化，在此基礎上建立土地利用分類決策表;再利用粗糙集快速約簡算法對決策表進行屬性約簡，建立土地利用分類規(guī)則。最后，通過誤差矩陣和采樣方法進行精度評價分析，采用模糊粗糙集的區(qū)域多中心分類方法的總體精度和Kappa系數(shù)分別為88％和0.8473，均高于采用最大似然法、神經(jīng)網(wǎng)絡法的分類結果。
　　以上研究結果說明，模糊粗糙集理論能較好