论文部分内容阅读
数据挖掘技术发展趋势的多样化,使我们更加清楚的认识到数据挖掘技术的灵活性。随着信息时代的发展,目前技术将被广泛的融合,数据挖掘技术也不例外。本文将传统的图象处理工作与数据挖掘思想相结合,针对具有海量数据的遥感图象完成了一个初步的基于图象的数据挖掘系统模型。并对模型中的每个环节进行了理论上的分析和实践上的应用。本文的主要研究工作有以下几个方面: 1、回顾了数据挖掘的发展过程,明确了数据挖掘在知识发现中的地位,将数据挖掘按照挖掘任务划分为几个模块,并对每个模块中挖掘技术进行总结,提出了一个适合图象数据挖掘的模型。 2、针对遥感图象的海量数据特性指出了图象数据归约的重要性,并提出了两个图象数据归约方法。这两种归约方法分别是基于小波理论的方法和基于聚类分析的方法。基于小波理论的方法着重介绍了小波滤波器与线性滤波的关系,将具有线性相位特性的双正交小波9/7小波应用于数据归约中得到了较好的效果。基于聚类分析的方法根据遥感图象具有局部特性,将图象以四叉树的形式分成子区域来进行聚类分析,并以聚类作为采样点进行全局聚类。 3、着重讨论了纹理的分布特性和纹理的方向特性。提出了通过不同的纹理窗口的选择来自适应的完成纹理的分割。本文使用Gabor滤波器,多尺度提取方向特征,在对方向性强的纹理特征的分割中有很好的效果。GMRF分割作为一种结合灰度特征与纹理特征的分割方法在图象分割中得到很好的效果,在GMRF分割方法中,讨论了MRF与Guass分布结合条件。 4、建立图象特征数据库,通过对图象数据库的可视化分析来获得一些有效的图象处理信息。