基于模糊分类的遥感影像变化监测研究

发布时间：2020-04-01 09:05

【摘要】：遥感图像的变化监测是通过对同一地区不同时间的多副遥感图像进行比较分析,得到变化信息的技术。近年来,随着变化监测技术的日益成熟,遥感图像的变化监测已经成为监测地球表面的一种不可或缺的手段,在城市发展、森林覆盖变化、森林火灾、湿地变化等领域都得到了成功的应用。在监督分类中,由于使用了样本的标签信息,分类效果较好。但样本的标签信息不易得到,因为标记样本点需要领域专家的帮助,且费时费力。无监督分类算法由于没有使用样本点的任何先验知识,往往得不到理想的分类精度。半监督分类算法结合了监督分类和无监督分类方法的优点,通过标记少量样本点达到提高分类精度的目的。基于以上分析,本文在变化监测技术中采取了半监督分类方法。针对样本点标记困难的问题,本文给出了一种新的标记方法。在现有的变化监测方法的基础上,本文提出了一种新的融合空间信息的半监督分类算法。本文的主要的工作和内容如下:(1)本文提出了一种新的标记方法。半监督分类要标记部分样本点的类标签,但是这类信息通常不易得到。在半监督分类方法中,通常采用随机标注的方法获得部分样本点的类标签,但这种标记方法有时会影响分类结果。本文针对变化监测问题,根据差值图像,给出了一种新的标记方法,分别标记差值图像中的变化点和不变点。该方法将差值图像中的像元点按灰度值大小排序,将灰度值小的点(在具体实验中灰度值为0的部分点)标记为不变点,灰度值较大的点标记为变化点。(2)本文在现有的变化监测方法以及新的样本点标记方法的基础上,提出了一种新的融合空间信息的半监督分类算法。在得到差值图像后,首先运用本文提出的样本点标记方法标记差值图像中的变化点和不变点,然后运用一种改进的半监督FCM方法对差值图像分类,最后针对聚类过程中出现的噪声点,运用马尔可夫随机场模型将空间信息融入变化监测过程中,得到变化监测结果。为了验证本文方法的可行性,分别选取了婆罗洲、巴西和大连市的Landsat7数据做了实验。结果表明,本文提出的融合空间信息的半监督变化监测方法对变法监测问题是行之有效的,KAPPA系数可以达到85%以上。
【图文】：

生物神经元

*1*g( x)yK(xx)bliiiij (3持向量机具有坚实的理论基础，它很好的解决了机器学习中现存的过学习和维问题，成功运用于数据挖掘的不同领域，在变化监测领域也得到了广泛的应用[5 人工神经网络算法工神经网络是通过模拟人脑的学习、记忆、处理问题的方式而建立起来的一种模型，它是由大量处理单元相连接成的分布式处理系统[52-53]。近年来，随着人络的快速发展，它已被用于多个领域，在变化监测领域也取得了一定的进展。物神经元的结构如图 3-1 所示，，细胞体的外部有多个树突和一个轴突，树突及其它神经元的轴突相接触，他们通过脉冲传递信息，当脉冲传递的信息到达神突末梢时，则会向突触间隙释放某种化学物质，从而形成电位，当下一个生物细胞体周围累积到一个特定的电位差，也就是阈值电位时，又会产生新的脉冲突中去[54]。

模型图,人工神经元,模型

图 3.2 人工神经元模型Fig .3.2 Artificial Neuron Model上图表示一个多输入单输出的人工神经元模型，其中，TnX (x,x,...,x)12 为输入信号，TnW (w,w,...,w)12 为神经元的连接权值，当此权值为正时，神经元被激活，反之被抑制。输入信息与连接权进行线性组合，则形成了求和单元即k pikkiiwx1 (3.5) （ .）为非线性激活函数，当输入信号的加权和数值即k 超过特定阈值kb 时，则非线性函数被激活。ky 为输出信号()kkky b(3.6)人工神经网络算法是一种模拟人脑处理信息的方式而形成的一种分类算法，它通过
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237

【参考文献】