基于融合技术的遥感图像融合方法研究

摘要

本课题研究的主要目标是设计一种性能良好的遥感目标分类算法，并且该分类算法是基于融合技术的。
　　 在文中设计的分类算法中，首先分析比较了目标识别领域常用的多种特征，结合目标识别领域中常用的目标特征与遥感测绘领域常用的地物反射波谱提出了一种新的适用于遥感目标分类的目标特征——特征波谱向量。然后设计了一种性能良好的具有降维功能的隶属函数对目标的真实特征值进行投影变换，使其成为模糊特征值。同时，针对多特征用于目标分类的情况，提出了一种基于向量相关性的特征融合方法。最后，选定分类规则对目标进行分类。
　　 利用本文设计的分类算法对遥感影像进行分类实验，实验结果说明新的分类算法能够获得比当前的典型处理方法性能更好的识别效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1遥感图像分类研究背景

1.1.1遥感技术发展近况

1.1.2遥感目标识别技术研究现状

1.1.3遥感图像分类方法数学理论

1.2基于融合的分类算法

1.2.1数据融合种类

1.2.2数据融合核心技术

1.3本文的工作

1.4本文章节安排

第二章遥感目标特征波谱向量提取

2.1用于遥感影像分类的典型特征

2.1.1目视解译

2.1.2计算机信息提取

2.2遥感影像特征提取现状

2.3特征波谱向量的提取

2.3.1反射波谱

2.3.2幅度波谱特征的提取

2.3.3灰度波谱特征与能量波谱特征提取

2.4本章小结

第三章基于降维与特征融合的模糊分类方法

3.1模糊推理算法详解

3.1.1模糊理论中的基本概念

3.1.2基于模糊推理的目标分类过程

3.2模糊推理技术研究现状

3.3具有降维效果的隶属函数

3.4基于向量相关性的特征融合

3.5分类规则的选定

3.6本章小结

第四章分类效果评价指标

4.1分类评价现状

4.2评价参数的计算

4.3本章小结

第五章仿真实验与结果分析

5.1标准特征库的建立

5.1.1标准模式特征库构建现状

5.2.2标准模式特征库的构建

5.2特征波谱向量提取

5.2.1分类实验素材

5.2.2特征提取流程

5.2.3影像特征波谱对比

5.3基于幅度波谱特征与降维隶属函数的模糊分类

5.4基于高斯隶属函数的模糊分类

5.5基于特征融合的模糊分类

5.6本章小结

总结与展望

致谢

参考文献

研究成果