qq_34795343的博客

结合地物的光谱特征和纹理特征，利用模糊 C － 均值(fuzzy C － mean，简称 FCM)聚类算法与粗糙集理论对无人机遥感影像进行林木提取研究。首先，提取特征参数，将提取的不同地物的光谱特征和纹理特征及地物类别构成粗糙集的决策表，其光谱特征和纹理特征为条件属性集合，类别为决策属性集合。其次，利用 FCM 算法与粗糙集理论对决策表进行特征约简，并以支持向量机(support vector machine，简称 SVM)分类评估器来测试特征约简的精度，实现规则分类提取时特征向量的优选，减少特征冗余。最后，基于优选的特征，完成林木规则分类。

传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生“同物异谱， 异物同谱”的问题， 使得分类精度和效果不理想。因此本文采用基于专家知识的决策树 Ｃ４．５法， 利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树， 与监督分类中的支持向量机法、最小距离法去比较。

针对特定地物影像的识别，如何选取最能够有效描述该地物的特征是解决问题的关键。本文构建了耕地和侵蚀沟遥感影像的训练样本集，基于样本集分别提取了由光谱特征和纹理特征组成的浅层特征、SIFT特征经编码后得到的中层特征，以及利用卷积神经网络提取的深层特征；再基于不同层次的特征选用合适的分类器对遥感影像进行分类，识别出含有侵蚀沟的遥感影像，形成了一套针对侵蚀沟的特征提取与识别方法

面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻 近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度 函数的模糊分类更是适合于研究范围较大影像区域。实际应用隶属度函数分类时，一般 是针对研究区遥感影像的特点，根据经验知识，人为的分析和尝试极少量的特征，以分 类结果好坏决定是否选用该特征。显然这种方式具有一定的主观性和盲目性，缺乏科学 性和实用性，选取的特征难以保证分类的精度与速度。本文依托“十二五”计划中“高 分数据土地利用要素快速提取技术”课题，针对隶属度分类的特征选择进行了以下研究。

四川省行政区域-矢量地图