论文部分内容阅读
遥感影像分类是人类认识和利用地表信息的重要手段之一，也是遥感图像处理系统中的核心功能之一，分类的精度直接影响遥感技术的应用水平和实用价值。随着遥感技术的发展，人们将会获得越来越多的同一地区多种图像数据(多时段、多光谱、多传感器、多分辨率)，并且遥感信息从其数据获取开始，就一直伴随着不确定性的存在。因此，运用信息融合技术和不确定性理论研究如何充分挖掘、表示和组合多源信息来提高分类的精度和可靠性是当前遥感信息智能处理领域中的研究热点之一。作为一种不确定性信息融合技术，证据理论具有强大的不确定性表示、量测组合能力，因而得到了广泛的关注，然而，其在遥感领域中的应用还十分有限。这主要源于证据理论在实际应用中还有一些技术性问题亟待解决和运用证据理论等具体实际问题建模时还存在一些困难。本文以国防重点实验室基金项目为依托，以信息融合技术为主线，对证据理论及其在遥感影像分类中的应用进行了研究。利用证据理论来解决遥感影像分类过程中遇到的一些关键问题，同时解决将证据理论用于模式分类时理论本身存在的一些关键问题。具体的研究工作和创新之处主要体现在以下几点：
1.研究了在多传感器融合分类任务中传感器可信度的评估和融入问题，首次提出了一种通用的传感器可信度评估模型，能实现对传感器可信度的自适应评估。在多传感器遥感影像融合分类等实际应用中，不同类型的传感器具有不同的可信度，且同一传感器在不同的环境下或不同的使用阶段其可信度也是变化的。因此，需要根据传感器的本身的性能和实际使用情况，来评估传感器的可信度并融入该信息到融合系统，提高系统的融合精度和可靠性。本文提出的传感器可信度评估模型可评估静态可信度、动态可信度和组合可信度，分别适用于不同的应用场合。组合可信度能很好地反映出传感器本身的性能与实际应用阶段中传感器性能的变化情况，从而实现传感器可信度的自适应评估。最后通过详尽的数值实验证明了本文评估模型的合理性和有效性，并将其成功地应用于光学和合成孔径雷达(SAR)传感器遥感影像融合分类问题，提高了融合分类系统的分类精度和抗干扰能力。
2.研究了证据理论中基本信度指派(BBA)的构建问题，提出了一种新的结合全局信息和局部信息的BBA构建方法，并首次提出局部混淆矩阵的概念。在基于证据理论的多源遥感信息融合分类中，首要问题是构建BBA，而现有的构建方法不合理且缺乏通用性。本文通过引入局部混淆矩阵的概念为BBA的构建提供了必要的局部信息，将分类器的分类结果作为其全局信息。通过合理结合局部信息和全局信息，新的构建方法不仅能构建传统的BBA结构，还可以构建模糊BBA结构，这方面的研究尚未见诸报导。最后将其用于多源遥感影像融合分类问题。试验结果表明，本文提出的BBA构建方法优于现有的几种BBA构建方法，基于本文BBA构建机制的证据组合分类方法也优于特征级的融合分类方法，并且本文方法不依赖于具体的分类算法。因此它是一种通用、有效的BBA构建方法。
3.研究了证据组合推理与决策问题，分别提出了一种基于闭世界和开世界假设的证据组合规则。证据组合规则是证据理论中的核心运算规则。Dempster组合规则无法有效处理冲突证据和实际应用的复杂情况，因此，如何分析比较现有组合规则并提出新的组合规则，是证据推理中的主要研究内容。本文首先对国内外现有的组合推理方法进行了全面的归纳和分析，建立了基本的理论框架和通式，将几十种规则分别纳入对应的框架中，这不仅为后续学者提供了理论指导，而且通过比较分析各种方法的优缺点，为改进和提出新的组合规则奠定了基础。然后，提出了一种新的基于闭世界假设的组合规则，适用于证据高度冲突的情况和可信度己知的情况。数值实验表明，与几种经典组合规则相比，本文提出的新规则能有效处理证据冲突问题，具有较好的收敛性。通过规则使用时的自动切换，新的组合规则与Dempster组合规则一起被应用于本文的遥感实验。最后，给出一种基于开世界假设的组合规则，适用于多种冲突源同时存在的情况。
4.研究了基于证据理论的信度决策树算法，提出了一种新的信度决策树分类推理算法。遥感影像混合像元分类问题中的训练集往往为不确定性训练集，而信度决策树可以用于处理基于不确定训练集的分类问题。针对Elouedi等提出的信度决策树中忽略特征属性权重的问题，本文提出了一种基于相似性的融入属性权重的分类推理算法，并首次尝试将信度决策树用于遥感影像混合像元的分类问题。实验结果表明本文的分类推理算法优于Elouedi的方法，提高了分类精度。
5.研究了基于证据理论的图像空域分类算法，给出了一个通用的空域分类算法模型，提出了一种新的基于证据理论的自适应空域分类器。在遥感图像分类问题中，合理融入空域分类信息有助于提高分类精度和去除噪声像元。本文首先给出一个通用的空域分类算法模型，可以涵盖现有的几种空域分类方法。然后在Laha空域分类算法的基础上，提出一种新的自适应空域分类器，通过融入局部一致度和分类结果的熵信息来实现对邻域像元权重的自适应调整。最后将其用于遥感图像分类实验。试验结果表明本文提出的空域分类方法优于现有文献中的四种空域分类算法，不仅提高了分类精度，更重要的是能提高分类系统的抗干扰能力和去噪能力。