数据融合在遥感图像分类中的应用

摘要

首先,该文讨论了数据事例融合的基本概念、一般处理模型、算法的分类以及身份身份识别理论中贝叶斯方法和基于Dempstder-Shafer证据理论的方法.在遥感图像分类理论方面,该文着重研究了最大似然分类法.其次,该文比较了遥感图像融合分类三种基本方法:分层分析法、松弛概率融合法和扩展统计融合法,实现了将多源的遥感图像(包括各种辅助 信息)的融合分类处理.最后该文给出了一个融合多源遥感图像的融合处理模型,在分析了 这个模型的重要要素后.结合数据融合的身份识别的贝叶斯方法,并利用马尔科夫模型的描述的领域关系,将多源遥感图像进行了融合.

目录

文摘

英文文摘

第一章绪论

§1.1引言

§1.2论文的安排

第二章数据融合的基本理论

§2.1基本概念

§2.2主要应用领域

§2.3数据融合中的数据

§2.4一般处理模型

§2.5算法分类

第三章数据融合中的身份识别理论

§3.1身份识别

§3.2身份识别的三个层次的融合

§3.3特征抽取

§3.4古典统计身份识别方法

§3.5贝叶斯方法

§3.6 Dempster-Shafer方法

第四章基于统计方法的遥感图像分类

§4.1遥感图像分类的基本概念

§4.2非监督分类及其方法

§4.3监督分类

§4.4最大似然判别方法

§4.5训练区的选择和结果评估

第五章遥感图像分类融合处理的基本方法

§5.1引言

§5.2分层分析法

§5.3松弛概率融合法

§5.4扩展统计融合法

§5.5小结

第六章多源遥感图像的融合处理

§6.1融合模型及其基本要素

§6.2融合模型的一般描述

§6.3马尔科夫模型

§6.4不同时间的多源遥感图像的融合

§6.5 GIS数据的融合

第七章融合分类实验和分析

§7.1一般统计融合的过程和结果

§7.2运用马尔科夫模型进行融合的过程和结果

§7.3结论和展望

参考文献

致谢

攻读硕士学位期间发表的学术论文