论文部分内容阅读
近年来，在城市化过程中，城市及其周边地区土地覆盖状况频繁变化，从城市土地利用以及预防各类灾害的角度出发，如何对这些变化情况进行有效的监测，一直是科技工作者们的重点研究方向。另外，随着遥感传感器技术的进步，遥感技术已经能够大量地获取地表土地覆盖信息，但是如何能够从这些遥感数据中精确地提取出地表土地覆盖信息则成为土地覆盖变化监测的热点和难点。独立分量分析(independent component analysis, ICA)作为一种盲源分离技术，能够有效地从观测混合信号中分离出源信号。支持向量机(support vectormachine, SVM)能够将低维空间中难以进行线性划分的数据信息非线性映射到高维特征空间中，并通过结构风险最小化原则实现地物信息的非线性分类提取。两者在遥感图像土地覆盖信息提取中都具有巨大的应用潜力。本文对ICA和SVM方法及其在遥感图像土地覆盖信息提取中的应用进行了深入的研究，主要体现在以下几个方面：(1)针对传统ICA模型在遥感图像土地覆盖信息提取中的现状，提出了变分贝叶斯ICA(variational Bayesian ICA)方法。通过将贝叶斯网络引入到ICA模型中，根据贝叶斯推论来计算遥感图像中不同地物成分的后验概率分布，并利用变分近似算法进行简化，使分离出的地物成分信息尽可能接近地表真实分布情况。遥感图像分析结果表明，变分贝叶斯ICA方法稳定性好，分离程度较高，且分离出的各地物成分信息目视效果较好。(2)在综合考虑变分贝叶斯ICA和SVM算法以及遥感图像特点的基础上，提出了变分贝叶斯ICA和SVM相结合的遥感图像土地覆盖信息提取方法。遥感图像土地覆盖信息提取结果表明，变分贝叶斯ICA和SVM相结合方法具有较强的抗噪性和普适性，且提取精度高，目视效果好。(3)将变分贝叶斯ICA和SVM相结合方法应用到重庆都市核心区遥感图像土地覆盖信息提取研究中，分别提取出1988年和2007年的各类型土地覆盖信息，并对其时空变化进行了分析。结果表明，城市建设用地主要向东北方向扩展。在土地覆盖信息提取应用中所采用的提取原理和技术流程对其它山区城市的土地覆盖信息提取和变化研究具有重要的借鉴意义。