基于模糊推理的最大似然分类算法研究

本文将模糊集理论与最大似然分类原理相结合,用模糊均值和模糊协方差代替传统最大似然分类的均值和协方差矩阵,依据极大隶属度原则,对最大似然分类算法进行改进。并尝试采用一种基于相异像素空间分布算法的分类精度评定方法,得到相异像素空间分布图,依据该空间分布图对不同的分类方法进行精度评定。实验结果表明,改进后的最大似然分类法的正确率、Kappa系数均优于传统的最大似然分类方法,所采用的精度评定方法也较传统方法在有效性、效率等方面有所改善。     

结合光谱角的最大似然法遥感影像分类

遥感影像含有丰富的信息,反映了地物特征。其中光谱角侧重描述了光谱的形状特征,具有对多光谱图像增益不敏感的特点。最大似然法是遥感影像分类最常用的方法之一,文中对该方法的后验概率判别函数进行修改,将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数,有机地将光谱角这一特征信息加入影像分类。通过实验,并与最大似然法和光谱角匹配法分类结果进行比较,结果表明,结合光谱角的最大似然分类法的分类精度得到提高。     

改进最大似然遥感影像分类方法——以SAR影像为例

针对常规最大似然分类算法中类别先验概率获取困难及遥感影像分类问题,提出了一种有效的改进最大似然遥感影像分类方法.该方法能使用类别样本的统计信息,实现类别先验概率的自动和最优提取,从而很好地解决了基于统计监督分类方法中无法直接获取类别先验概率的问题.以6景Radarsat-1 精细模式SAR影像数据为例进行的分类实验证明,该算法分类效果较好,针对单波段、单极化的SAR影像,其精度可望达到80%.     

结合最大似然算法和波利亚罐模型的全色遥感图像分类

最大似然（ML）算法是一种应用广泛的遥感图像监督分类方法,该算法对样本区域的选择有很高的精度要求,选择难度降低了算法的效率。为此,本文提出了一种结合ML算法和波利亚罐模型的全色遥感图像分类方法。首先由ML算法得到各像素分属各类别的概率,根据得到概率计算此像素的罐模型中不同颜色小球的数量,完成图像罐模型的建立;根据波利亚罐模型随机采样过程,结合邻域,更新中心像素的罐模型中各类颜色小球的组成,直到各类小球数量比例达到稳定,得到最终分类结果。该方法可以进一步精确地对图像进行分类,且对样本选择无要求,简化了分类过程;分别对合成图像和真实遥感图像进行了试验,取得了较好的试验结果;定性和定量分析结果验证了该方法的可行性及有效性。     

遥感图像最大似然分类方法的EM改进算法

基于参数化密度分布模型的最大似然方法（MLC）是遥感影像分类最常用手段之一，与其他非参数方法（如神经网络）相比较，它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点。但是由于遥感信息的统计分布具有高度的复杂性和随机性，当特征空间中类别的分布比较离散而导致不能服从预先假设的分布，或者样本的选取不具有代表性，往往得到的分类结果会偏离实际情况。首先介绍了用基于有限混合密度理论的期望最大（EM）算法来作为最大似然函数（MLC）参数估计的方法－EM－MLC。该模型首先假设总体混合密度分布可被分解为有限个参数化的高斯密度分布，然后把具有先验知识的样本与随机选取的未知样本混合在一起，通过EM迭代计算来估计出各密度分布的最大似然函数的参数集，从而一定程度上避免了参数估计可能出现的偏离。最后，本文提出了基于EM－MLC遥感影像分类的具体实施流程和应用示范，并与一般最大似然方法（MLC）得到的分类结果进行了定性和定量的综合比较，认为EM－MLC在精度上得到了提高。     

基于最大似然法和SVM法的太湖流域HJ-1B影像分类

以太湖流域作为研究对象,基于环境减灾卫星HJ-1B影像数据,比较利用最大似然法和支持向量机法进行土地利用/覆盖分类的效果。结果显示,SVM法在总体分类精度和Kappa系数上较传统最大似然法有所提高。SVM分类方法对于有限样本的分类表现出优越的性能,改善了传统分类方法的局限性,具有很大的应用潜力。     

基于最大似然的GPS转发式干扰信号估计方法

估计GPS接收机的转发式干扰,对抗干扰研究具有重要意义。利用多径估计理论,提出了一种新的基于最大似然估计的GPS转发式干扰信号估计技术。阐述了转发式干扰的原理,建立了GPS接收机对转发式干扰信号相干积分累加的数学模型,推导了转发式干扰最大似然估计的计算公式。仿真实验表明：该技术可以在有色噪声条件下,对多个转发式信号进行较精确的估计。     

基于线性光谱混合分解和最大似然分类相结合的土地覆被分类——以红寺堡灌区为例

采用线性光谱混合分解和最大似然分类相结合的方法,对宁夏红寺堡灌区开发前1989年的土地覆被状况进行分类。分类时,以基准端元为分类特征,分类函数稳定,分类结果易于解释。研究结果表明,基于混合像元分解丰度图的最大似然分类总体精度为77.53%,比应用原始影像直接进行最大似然分类的总体精度提高了9.8%。同时,为提高分类精度,本研究对分类结果进行了分类后处理以满足实际需求。     

基于模糊最大似然估计算法的遥感影像分割

针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。     

基于决策树的遥感图像分类方法研究

在遥感领域中,遥感图像分类是一项十分重要的内容,也是运用遥感技术手段提取地物类别信息的一个关键环节。本文以TM影像为研究对象,采用决策树分类方法进行研究分析,详细地论述了该分类方法的整个研究流程,并得到分类后的结果图,最后利用混淆矩阵和Kappa系数对分类后的结果进行精度分析。通过与最大似然分类方法进行比较发现,决策树分类方法的分类效果明显,分类精度较高,总体分类精度、kappa系数均达到90%以上,为遥感图像分类提供了广阔的发展前景。     

区域气溶胶光学厚度空间格局特征研究

为深入了解区域气溶胶的空间分布特征,采用地统计学中的Moran’s I系数、Moran散点图、LISA聚集图、双变量自相关分析等方法,分析了湖北省2003～2008年的气溶胶光学厚度的空间自相关性、自相关尺度、局部聚集特征以及气溶胶光学厚度与其部分影响因子的空间耦合规律。结果发现,湖北省气溶胶光学厚度具有很显著的空间自相关性,其自相关性尺度约为400km;全省具有高-高、低-低两类及多个聚集区,其中高值聚集区主要分布在武汉城市圈和江汉平原地区,低值聚集区主要位于鄂西山区,并且空间自相关程度与格局在时序上表现较为稳定,未发现巨大差异;高程和森林覆盖率与气溶胶光学厚度具有负空间自相关性,并且其空间...     

DEM误差的空间自相关特征分析

采用空间自相关分析方法,从空间角度对数字高程数据误差的空间分布特征进行了研究。实验表明,利用双线性曲面表示地形表面时,产生的数字高程数据误差的全局Moran’sI指数趋近于0,在整个区域单元上的分布不存在显著的全局空间自相关,邻近区域单元上高程数据误差之间的关系在整体上既不综合表现为趋同,也不综合表现为趋异,高程数据误差的整体空间格局为随机格局;而且数字高程数据误差在空间上的分布与地形坡度和地表粗糙度有一定的联系,一般情况下,平均坡度、地表粗糙度越大,高程数据的全局Moran’sI指数偏离0稍远一些;否则,距离0近一些,但全局空间自相关仍不显著,在整体上表现为随机格局。     

空间权重矩阵对空间自相关的影响分析——以我国肾综合征出血热疾病为例

应用空间自相关统计方法,分析了2008年我国肾综合征出血热（HFRS）发病率的空间分布。采用多种权重度量计算了全局和局部两种相关性指数,分析了自相关数值对空间权重矩阵的依赖性。分析结果表明：①空间距离矩阵比空间邻接矩阵能更好地度量HFRS的空间分布;②使用空间距离矩阵时,当距离阈值500km〈δ〈800km时,全国发病率数据显示出显著的空间自相关性;③从局域上看,吉林省高值显著聚集,新疆、西藏、青海、广西和海南省自身低值被高值包围聚集显著。     

顾及空间自相关的统计数据分级质量评价

详细分析了统计地图数据分级质量的评价指标，研究了数据分级中应当考虑的数据空间分布规律，并用实例证明了分级数与空间自相关系数之间的变化规律。     

广东省县域经济实力差异空间自相关分析

以2005年广东省87个县（市、区）级区域为研究对象,选取总人口、国民生产总值等8个指标作为评价因子,通过因子分析和主成分分析法获得各县级单元经济实力综合得分。对综合得分为变量进行空间自相关分析,计算得出全局相关Moran＇s值和LISA值。结果显示：广东省的县域经济具有明显的空间集聚特征,86.21%的县市经济表现为空间正相关,但仍有少部分县市的经济发展存在异质性。     

顾及DEM误差自相关的坡度计算模型精度分析

基于DEM的坡度计算,其误差来源于DEM误差、DEM结构和坡度计算模型。在顾及DEM误差自相关的前提下,对四种DEM坡度计算模型进行了分析和评价。研究表明,三阶不带权差分能给出较高的坡度计算精度;在局部窗口中,格网点数量越多,坡度计算越准确;等权比不等权的坡度计算模型更准确;DEM误差自相关结构形式对坡度计算无影响。进一步的理论分析和试验分析还表明：DEM误差自相关性的存在,不仅能够改善地形分析的精度,也能改善DEM自身精度。     

基于GIS与SDM技术的可视化空间数据分类研究

提出将GIS与可视化空间数据挖掘技术之集成的基本框架。在此基础上,基于VisualC++6.0和Ma-pObject2.0组件技术设计和开发了一个可视化交互空间数据挖掘分类系统,系统采用决策树方法和贝叶斯网络作为数据挖掘方法的基本算法,采用训练与学习相结合实现空间数据的分类。文中用实例数据对系统性能、算法和规则有效性进行了验证。结果表明,该系统是一个适用的、可扩展的可视化交互空间数据挖掘工具,系统能够实现数据挖掘实时动态的交互控制,实现了数据挖掘过程的可视化、挖掘模型的可视化和结果的可视化显示、可视化思考、可视化分析与评价。     

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高（空间）分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。     

光谱先验知识在植被结构遥感反演中的应用

针对绿色植被反射光谱的特点，指出植被反射光谱曲线的相对位置关系可以作为先验知识应用到对植被结构的反演中，提出了在绿光、红光和近红外波段重新构造光谱参数，并利用波段差值和比值描述光谱先验知识进而反演树冠结构参数的方法。经大量的模拟反演及统计分析表明，相对于各波段单独反演再对结构参数平均的方法，该方法的抗噪声能力 得到了明显的增强。对实测反射率数据的反演发现，引入光谱先验知识后的结果更为接近测量值。     

利用融合纹理与形态特征进行地震倒塌房屋信息自动提取

提出了一种以震后单一时相高空间分辨率光学遥感影像为基础,融合纹理特征和形态特征的地震倒塌房屋自动提取方法,研究了不同尺度纹理特征和形态特征在倒塌房屋提取中的作用和表现。以5.12汶川地震作为研究实例,结果表明,本方法能够有效提取地震倒塌房屋。倒塌房屋产品精度和用户精度分别为86.65%和86.35%,Kappa系数为0.790 6。