基于知识的遥感影像模糊分类方法

介绍了目前遥感影像分类的常用方法, 提出了一种基于知识的信息提取的遥感影像模糊分类方法.采用GIS数据辅助进行遥感影像模糊法分类,从GIS数据库中提取一定数量的样本信息或挖掘知识形成规则,进行样本的训练学习或辅助进行分类判定.提高了分类的效率和精度,是对模糊分类方法一次有效改进.     

GIS辅助下的Bayes法遥感影像分类

介绍了Bayes分类器 ,提出了从GIS空间数据库中挖掘知识用以辅助进行遥感影像分类的方法。文中以规则的形式表示遥感影像的解译知识 ,并使用其它地理辅助数据 ,从遥感影像处理、地理辅助数据、专家知识一体化的角度出发 ,使用基于知识的方法进行了分类研究 ,改善了分类精度。实验表明这是一种较好的分类方法。     

GIS辅助下的Bayes法遥感影像分类

介绍了Bayes分类器,提出了从GIS空间数据库中挖掘知识用以辅助进行遥感影像分类的方法.文中以规则的形式表示遥感影像的解译知识,并使用其它地理辅助数据,从遥感影像处理、地理辅助数据、专家知识一体化的角度出发,使用基于知识的方法进行了分类研究,改善了分类精度.实验表明这是一种较好的分类方法.     

一种基于知识的遥感图像模糊分类方法

本文提出了一种基于知识的遥感图像模糊分类方法，在传统的模糊分类方法中加入了从GIS数据库中发现的知识，用它来辅助进行遥感图像分类，实验结果表明，分类的精度与传统的模糊分类方法相比有了较大程度的提高，是一种较好的遥感图像分类方法。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

基于高分辨率遥感影像的城市地表信息提取研究

针对高分辨率遥感影像在城市地表信息提取中存在的若干问题,发展了一种基于影像对象最优特征组合的城市地表信息提取方法。该方法首先基于面向对象的思想,抽象出城市地表信息所对应的影像对象的各种特征,然后,基于先验知识和样本分析选择最优特征组合,建立有效的影像对象特征集,最后,采用基于知识规则的模糊逻辑分类器快速准确地检测、识别和提取城市各类地表信息。实验结果表明,该方法具有较好的分类精度,其分类结果可为土地利用变化监测和GIS数据库更新提供依据。     

一种GIS空间知识分析的影像纹理尺度提取算法

本文提出了一种基于GIS领域空间知识的影像纹理尺度提取方法:该方法分析了GIS领域知识辅助下人类对纹理特征的认知过程,对4个步骤的具体实现算法进行探讨;并选取海南省昌江县作为研究区域,实验证明了本方法的有效性,且与传统的枚举法相比,在性能相近的情况下其效率显著提高,更适合于大数据量遥感影像分类运算。     

一种GIS空间知识分析的影像纹理尺度提取算法

本文提出了一种基于GIS领域空间知识的影像纹理尺度提取方法:该方法分析了GIS领域知识辅助下人类对纹理特征的认知过程,对4个步骤的具体实现算法进行探讨;并选取海南省昌江县作为研究区域,实验证明了本方法的有效性,且与传统的枚举法相比,在性能相近的情况下其效率显著提高,更适合于大数据量遥感影像分类运算。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

A fuzzy topology-based maximum likelihood classification

Classification is one of the most widely used remote sensing analysis techniques, with the maximum likelihood classification (MLC) method being a major tool for classifying pixels from an image. Fuzzy topology, in which the set concept is generalized from two values, {0, 1}, to the values of a continuous interval, [0, 1], is a generalization of ordinary topology and is used to solve many GIS problems, such as spatial information management and analysis. Fuzzy topology is induced by traditional thresholding and as such gives a decomposition of MLC classes.Presented in this paper is an image classification modification, by which induced threshold fuzzy topology is integrated into the MLC method (FTMLC). Hence, by using the induced threshold fuzzy topology, each image class in spectral space can be decomposed into three parts: an interior, a boundary and an exterior. The connection theory in induced fuzzy topology enables the boundary to be combined with the interior. That is, a new classification method is derived by integrating the induced fuzzy topology and the MLC method. As a result, fuzzy boundary pixels, which contain many misclassified and over-classified pixels, are able to be re-classified, providing improved classification accuracy. This classification is a significantly improved pixel classification method, and hence provides improved classification accuracy.     

基于GIS的TM数据分类及辅助制图研究

本文初步研究了遥感、GIS和制图一体化实用技术方法。对黄土丘陵区和沙漠地区TM数据进行了特征信息分析;给出了分层分类和GIS辅助分类结果;经模糊推理和人机交互修改,将提“纯”的遥感专题数据作为GIS的动态信息源,对GIS进行扩充与更新;最后在GIS支持下分层提取专题图并进行辅助制图。     

GIS中的模糊不确定性以及处理方法

首先对不确定性的分类加以简单论述，然后对GIS产生模糊不确定性的几个原因进行论证，提出对GIS中的模糊不确定性采用模糊理论的处理方法。实例分析了GIS中的模糊不确定性，总结了用模糊理论来处理GIS的模糊不确定性的优点及存在的问题。     

基于模糊重心综合评判的GIS数据产品质量评价研究

数据质量的好坏,直接影响着GIS应用分析结果的可靠性及应用目标的实现;而缺少数据质量衡量指标的GIS产品和其他产品一样,将无法得到用户的信任。因此,本文针对GIS数据产品的质量评价问题,基于模糊推理为主的重心综合评判法思想,提出应用模糊重心综合评判法对GIS数据产品的质量进行评价。同时结合实例与模糊评判法进行比较,证明模糊重心综合评判法评判的结果更为合理、可靠,认为其在GIS数据产品的质量评价方面是一种较为科学的方法。     

基于多层次模糊综合评判的GIS质量综合评价

本文用模糊数学中的多层次模糊综合评判原理对GIS质量进行评价。结果表明模糊综合评价方法不仅能够比较全面地考虑各种因素的影响及其相互作用,实现对GIS质量的合理、定量分析,并能在一定程度上反映出影响GIS质量的关键因素,为进一步提高GIS质量提供决策依据,而且该方法使用简单,结果具有科学性和合理性。本文首次提出用多层次模糊综合评判的方法对GIS质量进行评价,并且把对GIS质量评价进行量化处理。     

Integrating a fuzzy <Emphasis Type="Italic">k</Emphasis>-means classification and a Bayesian approach for spatial prediction of landslide hazard

A robust method for spatial prediction of landslide hazard in roaded and roadless areas of forest is described. The method is based on assigning digital terrain attributes into continuous landform classes. The continuous landform classification is achieved by applying a fuzzy k-means approach to a watershed scale area before the classification is extrapolated to a broader region. The extrapolated fuzzy landform classes and datasets of road-related and non road-related landslides are then combined in a geographic information system (GIS) for the exploration of predictive correlations and model development. In particular, a Bayesian probabilistic modeling approach is illustrated using a case study of the Clearwater National Forest (CNF) in central Idaho, which experienced significant and widespread landslide events in recent years. The computed landslide hazard potential is presented on probabilistic maps for roaded and roadless areas. The maps can be used as a decision support tool in forest planning involving the maintenance, obliteration or development of new forest roads in steep mountainous terrain.     

GIS模糊可靠性分析的基本理论

文中首先分析了GIS模糊可靠性对于GIS的意义，接着论述了GIS可靠性分析引入可靠性工程理论和模糊集的理由，具体阐述了GIS模糊可靠性的几个主要的基本概念，详细论证了GIS可靠性存在着模糊性，并指出了其产生的原因；然后阐述了GIS模糊可靠性分析的几种计算方法和GIS模糊可靠性分析常用的几种模型；最后指出了存在的问题和对GIS模糊可靠性分析仍需大力研究的结论。     

基于矢量评估单元的模糊综合评价在GIS中的实现

模糊综合评价与GIS空间分析功能的融合应用,使基于GIS的模糊综合评价显示出强大的优势。由于栅格模型计算方便,目前GIS模糊综合评价中基本采用栅格评估单元,但栅格单元由人为指定单元大小,其单元大小和形状不一、边界复杂、空间运算时隶属度与权重等属性结构设计较难实现,大大限制了其在模糊综合评价中的应用。本文介绍了在GIS中采用矢量评估单元实现模糊综合评价的基本方法,探讨了在矢量评估单元的属性结构中设计单元的隶属度和权重等属性的关键技术,为矢量评估单元在GIS模糊综合评价中的应用提供了经验。     

矢量GIS中属性数据的不确定性分析

本文从属性区域分类不确定性、边界定位误差和区域内部定量属性数据的抽样误差出发,综合进行属性数据不确定性的度量和传播分析。针对由边界定位误差引起的属性分类不确定性,在顾及区域面积与边界线数等因素下,提出了一种定量度量指标。对于属性区域内部的定量属性抽样值,则建立了抽样值的相关函数表达式。针对ＧＩＳ中常见的两大类操作,即逻辑操作和算术操作,分别根据模糊集合论和概率统计理论建立了相应的属性不确定性传播模