【基於知识的遥感图像分类系统的研究】李爱生.pdf

本文研究了一种新的基于知识的遥感图象分类方法,该方法主要涉及到三个方面:遥感图象的低级处理、遥感图象的高级处理和低级处理与高级处理之间的衔接.本文首先提出了一系列遥感图象低级处理算法,这些算法主要包括:基于区域生长的快速模糊C均值(FCM)聚类算法和分裂合并快速FCM聚类算法.FCM聚类有效性分析算法.噪声图象中模糊边界检测算法.纹理信息提取算法,这些算法的可行性得到了实验证明.在图象分割的基础上进行区域分析,同时抽取了遥感图象的数字特征,这些特征包括:直方图特征(或光谱特征)、光谱结构特征、面积、形状、纹理等,并利用简单可行的算法从地形图提取了高程、坡度、坡向地理辅助

前言内外学者的普遍重视。遥感图象处理及其应用的核心问题是遥感图象分类(或解释)用的最广的传统遥感图象自动分类方法是统计分类法,这类方法存在对噪声敏感、难以综合利用多种遥感数据和辅助信息等方面的不足,解决统计分类方法不足的有效途径是把人工智能、专家系统技术与传统的数字图象处理技术结合起来,达到提高遥感图象分类智能化、自动化之自的.国外并展这方面的研究始于八十年代,而国内还很少有单位开展这方面的研究工作,起步更晚.本文针对遥感TM图象分类,对基于知识的遥感图象分类方法和系统进行了细致深人的研究,提出了一个基于知识的遇感图象分类系统KBCSIRS,全文共分六章。

56对武汉市区TM图象的分类实验及性能评价 56小结结论致谢作者在攻读博士学位期间发表的有关论文参考文献附录:主要计算机程序目录