当前位置:首页 >> 电力/水利 >>

遥感的智能分类概述


遥感的智能分类概述 摘要:智能式遥感分类是遥感研究的热点和趋势,遥感的智能分类方法包含蚁群智能分类方 法、粗糙集分类方法、支持向量机分类方法、高光谱分类方法、神经网络分类方法以及图 像分割分类方法。各类分类方法广泛应用于各个领域。 Abstract: intelligent remote sensing type is the focus of research and tren

d of intelligent classification method of remote sensing, containing intelligent classification method, the ant colony optimization classification method, rough classification method and support vector machine (SVM) method, the classification of hyperspectral classification method, and neural network classification method of image segmentation. Various classification methods widely used in various fields. 关键词:遥感 智能分类 蚁群 粗糙集 支持向量机 高光谱 神经网络 图像分割 1 蚁群算法分类 遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差,提出 了一种基于生物群集智能(swarm intelligence-based)的遥感影像分类新方法, 而 swarm intelligence-based 算法中的信息素是基于规则整体性能的,信息素的动态更新能有效的处 理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误。该方法 所提取的分类规则毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 比数学公式更容易让人理解. 将该方法应用于番禺地区的遥感影像, 取得了较好的分类结 果. 并与 See5.0 决策树方法进行了对比研究, 实验结果表明, 基于群集智能方法的分类精 度比决策树方法的精度更高。 蚁群算法具有很强的自学习能力,能够根据环境的改变和过去的行为结果对自身的知 识库进行更新,从而实现算法求解能力的的进化,因此,蚁群智能可以有效的解决非线性 问题,特别适合于地理复杂现象。蚁群算法在 TSP(旅行商)问题求解、分配问题、数据 聚类、组合优化和网络路由等方面取得了系列较好的成果,但是其在规则挖掘方面的研究 还刚刚起步。基于蚁群智能的遥感分类规则挖掘分为 4 个阶段。首先需要对各波段的值进 行离散化处理;然后从一条空路径开始重复选择路径节点增加到路径上,直到得到一条完 整路径,即规则构造;然后需要对规则进行剪枝;最后更新所有路径上的外激素浓度,对 下一只蚂蚁构造规则施加影响。基于蚁群智能的遥感分类流程如图 1。

图 1 基于蚁群智能的遥感分类流程

2

粗糙集分类方法

针对遥感图像波段选择传统手工方法的不足,应用粗糙集理论,从纹理分析的多个角 度选择特征,多方面挖掘数据的关键属性;通过核属性 b0 方法计算达到简化决策表中的条 件属性的目的,得到图像分类的关键波段和一些次关键波段;实现了波段的自动选择.该 算法比传统方法更客观更简便,为遥感图像波段选择提供了崭新的方法。 基于粗糙集核计算波段优选算法利用粗糙集理论的约简思想来降低数据的冗余度,从 纹理分析的多个角度选择特征进行波段优选,从多方面挖掘数据的关键属性;通过核属性 的计算达到简化决策表中的条件属性的目的,从而可以通过少量的条件属性获得知识和决 策.具体的算法步骤如下: (1)知识的表达与获取.即将图像看成知识系统,对图像进行预处理,选取一定的特征 作为属性,建立多张信息数据表.本文从纹理分析角度出发,通过多个纹理特征建立数据 表.每张数据表记录不同实验数据在不同波段下的特征值,将遥感图像的各个波段 TMI、 TM2、TM3、TM4、TM5、TM7 视为条件属性,各个实验图像所属的地物类型视为结论属 性. (2)利用一定的划分算法对信息数据表进行离散化得到决策表.离散化的结果最直接影 响到最后的分类质量. (3)根据差别矩阵和核属性计算方法 对每一张决策表计算核属性, 得出的基于某种特征 对于分类起关键作用的波段.具体做法是:从系统的决策表中,删除矩阵中相同的行,即 删除冗余数据,降低算法的复杂度;然后计算 d,即相同的属性值,但属于不同的决策属 性的矛盾数据个数;最后求出差别矩阵 MS,差别矩阵中单个元素所代表波段就是核属性. (4)将所有决策表都出现的公共核属性或大部分决策表中出现的核属性所在的波段作为 优选波段. 3 支持向量机分类方法

为了提高遥感图像分类的精度, 弥补传统最大似然分类方法所固有的分类所固有的分 类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征相结合的遥感图像分类方法。 采用 ETM 数据,按照其所提方法进行具体分类实验,并将实验结果与最大似然法分类的结 果进行了比较分析。结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显 优于最大似然分类的精度。 支持向量机(Support Vector Machine, SVM)是基于研究小样本情况下机器学习规律的统 计学习理论的一种新的机器学习方法,它以结构风险最小化为准则,对实际应用中有限训 练样本的问题, 表现出很多优于已有学习方法的性能。 在遥感图像的分类研究中, 应用 SVM 最大的优点是进行分类时无需进行数据降维,并且在算法的收敛性、训练速度、分类精度 等方面具有较高的性能。目前,利用 SVM 进行遥感图像分类,多是直接利用光谱特征来进 行,但一般来说,采用单类特征不如采用多类特征,采用的特征越多,分类效果越好。 4 高光谱遥感分类方法

高光谱遥感技术又称为成像光谱技术,是指利用很多很窄的电磁波波段从感兴趣的物 体获取有关数据。它是源于多光谱遥感技术,以测谱学为基础在二十世纪八十年代初发展 起来的遥感前沿技术。 目前高光谱图像分类算法的研究热点主要集中在神经元网络技术和光谱角度制图法 (SAM,即夹角余弦方法)以及光谱相关填图。神经元网络模型用来模拟人类对物体的识别

机理,光谱角度制图法以两光谱向量的广义夹角为基础,比较两光谱的相似性,光谱相关 填图与 SAM 原理类似,用光谱间相关系数来衡量整个测量的波长范围内波长的相似程度, 是一种模糊数学的分类方法。在过去的几十年中,人们已经获得了大量的实测地面光谱数 据,在目标对象的光谱信息方面积累了越来越多的资料。怎样最大程度的利用这些数据资 料是目前以及今后研究过程中面临的最大难题。 5 神经网络分类方法

神经网络是以对信息的分布存储和并行处理为基础,在许多方面更接近人对信息的处 理方法,具有模拟人的形象思维的能力,反映了人脑功能的若干基本特性,是人脑的某种抽 象、简化和模拟。 目前,神经网络技术在遥感图像分类处理中应用的最为广泛和深入,随着人工神经网络 系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最 大似然法的趋势。基于神经网络技术的遥感图像分类处理方法在土地覆盖、农作物分类和 地质灾害预测等方面都有应用并取得了不错的效果。 近几年使用的比较多的神经网络分类模型主要有基于多层感知器(MLP)的遥感影像 分类模型、基于径向基函数(RBP)的遥感影像分类模型、基于学习向量分层网络(LVQ2) 的遥感影像分类模型、 基于 Kohonen 自组织特征映射网络 (KSOFM) 的遥感影像分类模型、 基于自适应共振模型(ART)的遥感影像分类模型。 人工神经网络作为一种新兴科学,毕竟目前在遥感图像分析与处理中的还属于较为初 级的阶段,存在其局限性。我们在今后的研究中有几点必须注意:一方面,遥感图像分析 与处理本身具有复杂性和多目标性,这样就要求我们在具体工作中必须设计出适合问题的 模型,同时对ANN的网络结构和学习算法做相应改进,这样做效果更好、更可靠;另一 方面,要注意将人工神经网络与其它理论技术结合起来,这样它将有更加广阔的应用前景。 6 图像分割分类方法 图像分割分类方法也是遥感智能分类的一种重要方法。图像分割是计算机视觉中的一 个经典难题。近年来许多专家和学者对基于区域的图像分割技术进行了深入研究。在方法 学上,重点研究了三类算法,即基于分水岭变换的图像分割算法、聚类算法、基于图论的图像 分割算法,并提出了基于分水岭变换和核聚类的图像分割方法及融合分水岭变换和图论的 图像分割方法。 分水岭算法假设二维图像是一个二维地形图,图像的灰度表示地形的高度, 分水岭变换就是模拟该地形图侵入水的过程。分水岭算法有着较好的鲁棒性,但是却容易形 成过分割。聚类分割算法也一直是众多图像分割方法中较常见的一种。由于图像的大数据 量性质,传统的聚类分割不只相当耗时,而且有效性也有待加强。 在基于分水岭变换和核聚 类的图像分割方法中,针对分水岭变换过分割的缺点,提出用核聚类算法进行区域的合并。 核 聚类的优势在于利用 Mercer 核函数把样本映射到高维特征空间,增加了对样本特征的优化, 在高维特征空间中进行聚类,在性能上比经典的聚类算法有较大的改进。 结论:智能式遥感分类是遥感研究的新热点之一。当地表状况较复杂时,目前的遥感分类 方法往往难以获得较高的分类精度,因此有必要引进智能式的方法来提高分类精度。为此, 本文提出了蚁群智能分类方法、粗糙集分类方法、支持向量机分类方法、高光谱分类方法、 神经网络分类方法以及图像分割分类方法。蚁群算法具有较强的鲁棒性,不会由于一个或 几个智能个体的故障而影响整个问题的求解。粗糙集算法通过数据约简得到获取系统全部 知识的最小属性子集,用数据约简计算代替过去的统计方法或专家经验,去除了一定的主 观因素,对客观实体做出了更客观的评价.实验表明粗糙集理论对于波段优选是很有效的.

利用支持向量机分类法进行遥感图像分类已经得到运用和推广,但该方法先要人工标注大 量的标本,工作量大,下一步要在如何减少人工干预量方面进行研究。高光谱技术从遥感 的角度提供了大尺度获取地面光谱数据的手段,为人们宏观分类识别地物提供了基础。基 于神经网络技术的遥感图像分类处理方法在土地覆盖、农作物分类和地质灾害预测等方面 都有应用并取得了不错的效果。各类分类方法相互补充,广泛应用于各个领域。


相关文章:
遥感的智能分类概述
遥感的智能分类概述 摘要:智能式遥感分类是遥感研究的热点和趋势,遥感的智能分类方法包含蚁群智能分类方 法、粗糙集分类方法、支持向量机分类方法、高光谱分类方法、神...
人工智能在遥感影像分类中的应用
人工智能遥感影像分类中的应用 摘要随着空间科学的发展,遥感技术得到越来越广泛的应用,而遥感图像具有 信息量大、数据维数多的特点,因此怎样充分利用这些数据已成为...
遥感概论
遥感图像处理、地理信 息系统、模式识别与人工智能...和空间位置特征,其本质是地物的光谱特征 的分类。 ...01第一章遥感概述 48页 5下载券 中科院《遥感...
遥感影像的分类处理
遥感影像的分类处理_信息与通信_工程科技_专业资料。摘要 在面向对象的影像分类方法...使得分割 后的对象比像元具有更丰富的语义信息,从而提高遥感影像分析的智能化...
遥感类名词解释
主要包 括图像分割、分类等方法 大气校正:消除由大气散射引起的辐射误差的处理...进行比较 3 遥感图像解译专家系统: 是模式识别和人工智能技术结合的产物, 它...
遥感概论试题(归纳)
5.非监督分类——是在没有先验类别(训 练场地)作为样本的条件下,即事先 不...同时应用人工智能技术,运用遥感图 像解译专家的经验和方法,模拟遥感图像 目视解...
遥感技术综述
2 RS 简介 2.3 遥感的分类 2.1 什么是遥感技术 为了便于专业人员研究和应用...地 学分析智能化,环境研究动态化以及资源研 究定量化,大大提高了遥感技术的...
遥感的基本概念
图像融合、分类、分析、输出等模 块) 信息的应用---遥感获取信息的目的是应用...航空航天遥感对地定位趋向于不依赖地面控制 遥感数据的计算机处理趋向自动化和智能...
遥感综述
简介 2.1 什么是遥感技术 遥感是从远离地面的不同...4 按应用 领域或专题分类:环境遥感 大气遥感 资源 ...不确定性遥感信息模 型和人工智能决策支持系统的开发...
智能化系统分类综述20120428
城市交通智能化必须把地理信息系统、全球定位系统和卫星遥感技术 的 3S 技术,加...视频采集卡分类综述 12页 免费 数据流分类技术研究综述 6页 免费 概述分类 ...
更多相关标签:
遥感概述 | 遥感影像分类 | 遥感图像分类 | 遥感图像分类ppt | 遥感分类 | 遥感图像分类方法 | 遥感影像监督分类 | 遥感 人工智能 |