基于粗糙集的K--均值聚类算法在遥感影像分割中的应用

结合粗糙集理论和K——均值聚类算法，提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系，应用粗糙集理论的等价关系。求出K——均值聚类所需要的初始类的个数和均值。然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量．提高了分类精度和准确性。     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

粗糙集理论在遥感影像分割中的应用

结合粗糙集理论和K—均值聚类算法,提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系,应用粗糙集理论的等价关系,求出K—均值聚类所需要的初始类的个数和均值,然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量,提高了分类精度和准确性。     

基于高维云模型和RBF神经网络的遥感影像不确定性分类方法

云模型是用自然语言值表示的某个定性概念与其定量表示之间的不确定性转换模型,RBF神经网络已经广泛应用于遥感影像分类。考虑到传统的RBF神经网络分类技术不能有效表达影像分类过程中存在的不确定性、难以自适应地确定隐含层神经元,本文提出了一个基于高维云模型和改进RBF神经网络的不确定性分类技术。利用高维正态云创建隐含层神经元,使RBF神经网络能充分表达影像分类过程中存在的不确定性。通过峰值法云变换和高维云算法自适应地确定最优隐含层神经元。通过基于概率的权值确定和频率阈值调整,进一步优化RBF神经网络的结构。实验表明,本文提出的方法有较高的分类精度,分类结果基本上与人眼目视解译一致。     

基于RBF神经网络的遥感影像分类算法研究

提出了运用径向基函数神经网络和K均值法进行遥感影像分类的算法，以实际的遥感影像分类为例，通过与传统的最小距离法进行比较，对RBF神经网络分类器的优点进行了归纳，并就算法实施中的一些问题进行了探讨。分析结果表明，RBF神经网络是一种有效的图像分类器。     

航片影像纹理分类方法的探讨

本文通过对航片影像纹理分类几种常用方法的探讨，发现马尔可替随机场方法的优点在地能提供影像纹理基元，基于实现分类怀合成于一体；分形维方法的优点在于使得影像纹理的粗糙性，自相似程度定量化了；而共生矩阵方法由于可从１４个不同方面来给出影像纹理特征，因而具有经久不衰的生命力。但任何一种方法都无法既满足分类准确性高，又满足提供出影像纹理基元、粗糙性等众多特征的要求，因而有必要将多种影像纹理分类方法加以组合利     

基于RBF神经网络的遥感影像分类器设计

设计了一种运用径向基函数神经网络进行遥感影像分类的监督分类器,以实际的遥感光谱影像分类为例,将分类效果同传统的最小欧氏距离法分类进行比较,探讨了RBF分类的优越性,结果表明RBF神经网络是一种更为有效的图像分类器。     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法。首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合。实验结果表明融合图像比源图像具有更好的视觉特征。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果。     

结合BRF神经网络的全极化SAR影像分类方法研究

为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法。主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类。最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息。     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法.首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合.实验结果表明融合图像比源图像具有更好的视觉特征.融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果.     

Geo-rough Space

Rough set is a new approach to uncertainties in spatial analysis.in this paper,rough set symbols are simplified and standardized in terms of rough interpretation and specialized indication.Rough spatial entities and their topological relationships are also proposed in rough space,thus a universal intersected equation is developed,and rough membership function is further extended with the gray scale in our case study.We complete three works.First,a set of simplified rough symbols is advanced on the basis of existing rough symbols.Second.Rough spatial entity is put forwark to study the real world as it is ,without forcing uncertainties into crisp set.Third,rough spatial topological relationships are studied by using rough matrix and their figures.The relationships are divided into three types,crisp entity and crisp entity(CC),rough entity and crisp entity (RC),and rough entity and rough entity (RR),A universal intersected equation is further proposed.Finally,the maximum and minimum maps of river thematic classification are genrated via rough memebership function and rough relationships in our case study.     

Geo-rough space

Rough set is a new approach to uncertainties in spatial analysis. In this paper, rough set symbols are simplified and standardized in terms of rough interpretation and specialized indication. Rough spatial entities and their topological relationships are also proposed in rough space, thus a universal intersected equation is developed, and rough membership function is further extended with the gray scale in our case study. We complete three works. First, a set of simplified rough symbols is advanced on the basis of existing rough symbols. Second, rough spatial entity is put forward to study the real world as it is, without forcing uncertainties into crisp set. Third, rough spatial topological relationships are studied by using rough matrix and their figures. The relationships are divided into three types, crisp entity and crisp entity (CC), rough entity and crisp entity (RC), and rough entity and rough entity (RR). A universal intersected equation is further proposed. Finally, the maximum and minimum maps of river thematic classification are generated via rough membership function and rough relationships in our case study.     

地学粗空间的理论与应用

提出了由粗实体、粗关系和粗算子组成的地学粗空间。在分析通过粗集研究地球空间信息学不足的基础上,提出了简化的实用粗符号系统;定义了地学粗空间的内涵和外延,把空间论域全域划分为下近似集、边界集和非集,将空间实体以上、下近似集表示为粗实体,并用粗度衡量其逼近程度;给出了兼顾位置和属性的不确定性的粗关系及其矩阵表示;研究了地学粗空间的粗算子,重点讨论了粗交集近似通用矩阵、基于影像灰度值的粗隶属函数和冗余属性剔除等粗算子;以基于地学粗空间的河流专题遥感影像分类为例,检验了地学粗空间的实用性。结果表明,地学粗空间可以较大可能地逼近地学实体的真实存在形式,决策信息较为丰富、可靠。     

空间方向关系粗糙推理

针对现有的空间方向关系表达模型不能捕获其所固有的不精确性和模糊性这一缺点，把粗糙集理论和方法引入方向关系的表达，提出了方向关系粗糙表达方法、变精度粗糙表达方法以及方向关系的粗糙推理方法，以加强对不精确性和模糊性的处理和分析能力，并能够把模糊对象和精确对象之间的方向关系统一到一个框架中来描述。     

基于粗糙集的K-均值聚类算法在图像分割中的应用

结合粗糙集理论和K-均值聚类算法,提出了一种图像的粗糙聚类分割方法,试验结果表明,其比随机选取聚类的中心点和个数减少了运算量,提高了分类精度和准确性。     

浅谈基于粗纠正影像源进行1∶10000 DLG生产“内外业一体化”工艺流程

为了减少外业工作量,利用航空摄影测量进行基础地理信息采集是最有效手段之一,国内外推出了一系列数字摄影测量的软件和系统.本文结合GEOWAY DPS/IS及VirtuoZo AAT(PATB)两种软件的生产实践,探讨了基于粗纠正影像源进行1∶10000数字线划图(DLG)生产“内外业一体化”的工艺流程.本文对以后采用此种方法成图具有一定的指导作用.     

基于覆盖粗糙集的GIS不确定性分析

粗糙集作为一种处理不确定性问题的工具,近年来在GIS中得到了广泛的应用。它利用上、下近似来逼近对象。在以往的GIS粗糙集应用中,都是基于等价划分的pawlark粗糙集。本文基于划分之中可以存在交集的覆盖粗糙集,利用近年在基础数学研究中的一些覆盖粗糙集的理论与性质,探讨了GIS不确定研究的覆盖近似空间、覆盖粗糙集、模糊覆盖粗糙集、模糊覆盖粗糙隶属函数等。发现覆盖粗糙集在处理GIS不确定性问题时,有比粗糙集更广的适应范围。     

关于地形复杂地区地形改正的FTT算法

大面积地形改正的快速计算,对现代大地测量实践具有重大意义,尤其是在那些地形复杂地区。本文通过理论分析选出了一种适于此类地区地形改正计算的FFT算法,并给出了用于实际计算的数学模型。试算结果表明,该模型用于特大山区能够获得与双三次样条棱柱算法精度相当的结果。