基于粗糙集理论和Markov随机场的遥感图像分类算法研究

摘要

随着空间技术、数字图像处理技术及计算机技术的不断发展，遥感技术得到突飞猛进的发展，遥感成像也由早期的单波段灰度图像、彩色图像发展到多光谱、高光谱图像阶段。遥感数据随之出现了波段数目多，各波段相关性强，运算量大的问题，除此之外，遥感数据中存在的不确定性因素等都对分类技术提出了更高的要求。传统遥感图像分类的方法是建立在对图像光谱向量统计模型求解的基础上，忽略了图像中像元之间的空间关系，影响了分类效果。针对以上问题，本文首先将粗糙集理论中的知识约简应用到多光谱图像中，对其进行波段约简，实现降维；然后利用粗糙集等价类的划分得到图像统计模型初始参数以实现对图像的非监督分类，最后结合Markov随机场模型的空间约束关系进一步提高分类精度。本文主要研究内容如下：
　　1.利用粗糙集属性约简方法对多光谱图像进行光谱约简，实现多光谱遥感图像降维。遥感图像数据值域太广，离散化处理时断点集的选取直接影响最终约简结果，基于信息熵的约简方法不改变遥感数据决策表的相容性但需要监督取样。文中提出获取遥感数据决策表的非监督算法及自动选取离散阈值的方法进行波段约简，最后通过多光谱和高光谱遥感图像分别对算法进行仿真实验，并与常用波段选择方法比较。
　　2.利用粗糙集等价类划分的思想对遥感图像进行非监督分类。首先使用粗糙集对遥感图像进行初始粗分类，获取图像统计模型的初始参数并由期望值最大化算法迭代至收敛，然后利用文中设计的自动确定分类数方法得到最终分类个数，并对粗分类进行合并，最后通过最大后验概率准则完成图像的非监督分类。
　　3.针对传统图像分类方法忽略图像像元空间关系的问题，设计了一种基于粗糙集理论和Markov随机场的遥感图像非监督分类算法，进一步提高分类的精度。首先利用基于粗糙集的非监督分类结果得到图像的似然能量函数，然后结合Markov先验模型确定的像元间的空间约束关系，通过全局最优求解模拟退火算法完成最终分类，最后利用遥感图像和人工合成图像对算法的有效性和抗噪声性进行仿真实验验证。
　　本文设计的算法均在MATLAB仿真环境中得到实现，并对算法结果进行比较和分析。实验证实了以上算法的有效性和可行性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 遥感图像分类的特点

1.3 国内外研究现状和发展趋势

1.4 本文主要工作

1.5 本文组织结构

第二章 粗糙集理论的基本原理及其在遥感图像中的应用

2.1 经典集与等价关系方程节

2.2 粗糙集及其近似

2.3 信息系统与属性约简

2.4 决策信息系统

2.5 属性的离散化

2.6 粗糙集理论在遥感影像分类中的应用

第三章 Markov随机场理论

3.1 Markov随机场与Gibbs分布方程节

3.2 几种常用的MRF模型

3.3 MAP-MRF框架及求解

第四章 基于粗糙集理论的多光谱遥感图像的光谱约简

4.1 多光谱波段选择常用方法方程节

4.2 基于粗糙集的光谱约简算法设计

4.3 仿真实验结果及分析

4.4 本章小结

第五章 基于粗糙集理论与Markov随机场的图像分类算法

5.1 高斯混合模型及EM算法方程节

5.2 基于粗糙集理论的非监督图像分类算法

5.3 基于粗糙集理论和Markov随机场的非监督遥感图像分类算法

5.4 算法抗噪声性能测试及分析

5.5 本章小结

第六章 总结

致谢

参考文献

攻硕期间取得的研究成果