基于决策树的多分类器遥感影像分层分类研究与系统实现

1、基于决策树的多分类器遥感影像分层分类研究与系统实现 分类号学号 M200972224 学校代码 1 0 4 8 7 密级硕士学位论文基于决策树的多分类器遥感影像 分层分类研究与系统实现学位申请人 : 周宇津 学 科 专 业 : 模式识别与智能系统 指 导 教 师 : 谭毅华 副教授 2012.1.10 答 辩 日 期 : A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master of EngineeringResearch and System Implementation of

2、 A Multi-Classifier Combined Decision Tree Hierarchical Classification MethodCandidate : Zhou Yujin Major : Pattern Recognition and Intelligent System Supervisor : Assoc. Prof. Tan YihuaHuazhong University of Science and Technology Wuhan 430074, /.na January, 2012 独 创 性 声 明本人声明所呈交的学位论文是我个人在导师指导下进行的研

3、究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名: 日期: 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、 使用学位论文的规定, 即: 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版, 允许论文被查 阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密,在年解密后适用本授权书。

4、 本论文属于 不保密。 (请在以上方框内打“ ”)学位论文作者签名:指导教师签名: 日期: 年月日 日期: 年月日 华 中 科 技 大 学 硕 士 学 位 论 文 摘 要 遥 感 影 像 分 类 是 遥 感 影 像 处 理 的 一 个 重 要 方 面 , 是 后 续 提 取 专 题 信 息 、 检 测 动态 变 化 、 制 作 专 题 地 图 、 建 立 遥 感 数 据 库 等 工 作 的 基 础 。 现 代 遥 感 技 术迅猛发展,推 动 了 该 项 技 术 在 各 个 领 域 的 应 用 进 程 , 技 术 的 广 泛 应 用 使 得 遥 感 影 像 数 据 量 也 随之 迅 速 膨 胀

5、, 对 遥 感 影 像 分 类 处 理 的 准 确 性 和 实 时 性 要 求 也 越 来 越 高 。 传 统 的 分 类方法在分类精度的提高上建树不大,无法满足实际应用的需求。 论 文 在 研 究 现 有 分 类 算 法 的 基 础 上 , 分 析 了 传 统 的 单 分 类 器 各 自 的 优 缺 点 , 以及 影 响 分 类 精 度 的 因 素 , 在 总 体 流 程 的 层 次 上 研 究 分 类 的 方 法 。 主 要 思 想 是 : 首 先利 用 决 策 树 算 法 生 成 初 始 的 决 策 树 ; 根 据 需 要 将 初 始 决 策 树 与 多 分 类 器 连 接 形 成 复合

6、 的 决 策 树 , 然 后 引 入 掩 膜 方 法 , 降 低 分 类 时 类 与 类 之 间 的 干 扰 , 最 后 将 每 层 单 类要素掩膜分类结 果进行合并得到最后总的分类结果。本文的主要研究工作如下: 首 先 , 分 析 了 现 在 常 用 的 几 种 分 类 算 法 , 总 结 了 分 类 处 理 的 一 般 过 程 , 发 现 影响 分 类 精 度 的 两 个 主 要 因 素 是 分 类 样 本 选 择 和 类 别 间 的 分 类 干 扰 。 前 者 速 度 受 限 于操 作 人 员 自 身 水 平 及 辅 助 工 具 的 选 择 , 且 精 确 性 直 接 影 响 分 类 结

7、 果 的 准 确 率 ; 后 者主要受算法的影响,由此确定本文要解决的主要问题。 其 次 , 针 对 这 两 个 问 题 分 别 寻 找 解 决 方 案 。 由 于 不 同 的 分 类 器 对 不 同 的 地 物 类别 识 别 准 确 率 不 尽 相 同 , 设 计 了 基 于 决 策 树 的 多 分 类 器 结 合 方 法 , 算 法 首 先 生 成 初始 的 决 策 树 , 然 后 再 根 据 需 要 进 行 多 分 类 器 的 选 择 。 对 于 各 类 别 之 间 的 误 分 和 重 分现象,采用了单类要素掩膜叠加方法对影像进行分层分类,从而提高分类精度。 最 后 , 在 算 法 和

8、数 据 库 的 基 础 上 , 运 用 工 程 化 、 模 块 化 、 流 程 化 、 分 层 次 的 设计 模 式 , 基 于 服 务 器 、 客 户 端 体 系 结 构 , 设 计 了 一 套 遥 感 影 像 多 分 类 器 分 类 系 统 ,利 用 该 系 统 , 可 以 实 现 批 量 遥 感 影 像 快 速 、 准 确 的 分 类 处 理 。 并 在 该 系 统 上 进 行 了分类实验,验证了此方法在分类精度上优于单分类器的结果。关键词: 决 策树 多分类器 分层分类 单要素掩膜 遥感影像 I华 中 科 技 大 学 硕 士 学 位 论 文 Abstract Classificatio

9、n of remote sensing image is an important aspect of image processing, which is the basis of the follow-up extraction of thematic information, detection of dynamic change, production of thematic maps, databases of remote sensing image, etcWith the development of modern remote sensing technology, remo

10、te sensing information has become richer. Therefore, the accuracy and real-time requirement of classification have become more important. However, the improvement in classification accuracy of traditional classification methods is not so good to meet the needs of practical applicationsOn the basis o

11、f existing classification algorithms, the paper analyzed the advantages and disadvantages of the traditional single classifier, and the influence factors of classification accuracy. Study the classification method in the overall process level. The main idea of the method is: First, using the decisio

12、n tree algorithm produces the initial decision tree, and then connecting the initial decision tree with other single classifiers to form a compound decision tree, then using the mask method, to reduce the interference between class and class in classification procedure. Finally ,merging the results

13、of one-class element mask overlay method as final general classification result. Features of this paper are as follows: Firstly, the two main factors found to affect the classification accuracy are the selection of samples and interference between the classes. The accuracy of samples selection is li

14、mited by operators and tools. The latter is mainly affected by the influence of the algorithm. Thus the main problems could be figured outSecondly, two problems mentioned above are solved. Classifier combination method based on decision tree was used to compensate for the dependence of samples .One-

15、class element mask overlay method was used to reduce the misclassification or reclassificationFinally, a fast, automatic and stable classification system based on the architecture of server/client was proposed by means of engineering, modular, process-oriented, hierarchical design model. This system

16、 can achieve fast and accurate classification ofII华 中 科 技 大 学 硕 士 学 位 论 文 remote sensing image processing. And the experiments prove the efficiency of the parallel classification Keywords: Decision-tree Multi-Classifier Hierarchical Classification One-class element mask Remote sensing imagesIII华 中 科

17、 技 大 学 硕 士 学 位 论 文 目 录 摘 要. I Abstract II 1 绪 论 1.1 研究背景 及意义. 1 1.2 国内外研 究现状. 2 1.3 本文的主 要工作. 4 1.4 本文的结 构组织. 5 2 遥 感 影 像 传 统 分 类 方 法 2.1 引言 7 2.2 遥感影像 分类技术 概述. 7 2.3 传统分类 方法的不 足 15 2.4 本章小结16 3 基 于 决 策 树 方 法 分 层 分 类 3.1 引言. 17 3.2 决策树分 类方法17 3.3 多分类器 复合的决 策树20 3.4 本章小结24 4 多 分 类 器 分 层 分 类 系 统 设 计 与

18、 实 现 4.1 遥感影像 分层分类 流程分析 25 4.2 多分类器 分层分类 系统设计 与实现 26 4.3 分层分类 模块介绍. 27 4.4 本章小结33IV华 中 科 技 大 学 硕 士 学 位 论 文 5 实 验 及 结 果 分 析 5.1 引言. 34 5.2 实验环境34 5.3 单类要素 掩膜分层 分类结果 34 5.4 决策树分 类方法结 果与多分 类器复合 方法结果 比较37 5.5 实验结果 对比 40 5.6 本章小结42 6 总 结 与 展 望 6.1 研究工作 总结及创 新点43 6.2 进一步研 究与展望. 44 致 谢45 参 考 文 献. 46 附录 1 攻

19、 读 硕 士 期 间 发 表 的 论 文50 附录 2 攻 读 硕 士 期 间 参 与 的 项 目51V华 中 科 技 大 学 硕 士 学 位 论 文 1 绪 论 1.1 研 究 背 景 及 意 义 遥感科学 技 术 作 为 一 种 随 着 信 息 技 术 的 快 速 发 展 而 产 生 的 一 种 方 法 和 工 具 , 在众 多 的 学 科 和 各 种 领 域 得 到 了 广 泛 的 应 用 , 也 提 供 了 一 种 感 知 和 认 识 地 球 的 全 新 的方 式 , 并 逐 渐 发 展 成 占 据 优 势 地 位 行 之 有 效 的 技 术 手 段 和 方 法 。 作 为 一 门 综

20、 合 性 的探测技术科学,遥感科学Remote Sensing 在近 20 多年来随着地理信息科学技术以及 空 间 科 学 技 术 的 发 展 而 迅 速 发 展 , 与 此 同 时 , 各 式 各 样 的 环 境 、 资 源 卫 星 也 陆 续发 射 升 空 并 已 经 开 始 实 际 运 行 , 海 量 的 多 时 相 、 大 范 围 的 遥 感 信 息 被 实 时 的 传 送 回1来, 极大地方便了地表动态变化的研究 。 目前, 遥感技术已广泛应用于国民 经济建设 的 各 个 重 要 领 域 , 涉 及 到 农 业 领 域 诸 如 农 业 林 业 管 理 、 土 地 使 用 规 划 ,

21、工 业 领 域诸 如 矿 石 及 石 油 勘 探 、 灾 害 监 测 及 估 计 、 环 境 保 护 、 气 象 观 测 预 报 、 海 洋 观 测 , 军2事领域诸如地形地貌侦查、空间对抗、军事预警、目标识别与精确打击等等方面 。虽 然 遥 感 技 术 正 在 快 速 发 展 , 但 与 空 间 技 术 的 发 展 速 度 相 比 , 遥 感 技 术 的 应 用 水 平3远低于空间技术的发展 。 尤其明 显的表现在数据的挖掘和利用上, 而遥感技术研究的 重 要 内 容 之 一 是 如 何 从 遥 感 数 据 中 获 得 人 们 所 需 要 的 最 大 的 信 息 量 。 而 遥 感 影 像分

22、 类 又 是 遥 感 技 术 研 究 中 的 一 个 十 分 重 要 的 方 面 , 无 论 是 对 于 提 取 专 题 信息,还是实 施 动 态 变 化 的 检 测 过 程 或 者 是 制 作 专 题 地 图 , 又 或 者 是 建 立 遥 感 数 据 库 的 过 程 中4都发挥了至关重要的作用 。 21 世纪是有史以来人类社会发展最为迅速一个时期, 与此同时,我国的环境污染、生 态 破 坏 和 自 然 灾 害 已 经 严 重 的 危 害 到 国 民 经 济 和 社 会 可 持 续 发 展 。 面 对 环 境 形 势的 日 益 严 峻 , 我 国 环 境 监 测 手 段 还 停 留 在 传

23、统 的 基 础 阶 段 , 还 不 能 进 行 大 范 围 、 全天 候 、 全 天 时 、 连 续 的 生 态 与 环 境 动 态 监 测 , 迅 速 、 准 确 、 低 成 本 地 获 取 环 境 生 态变 化 和 灾 害 信 息 。 环 境 卫 星 的 发 射 , 很 好 的 解 决 了 这 个 问 题 , 满 足 了 环 境 遥 感 监 测业务化大范围、多目标、多专题、定量化 的需要。 遥 感 影 像 分 类 是 从 遥 感 图 像 中 获 得 重 要 信 息 的 一 个 关 键 环 节 , 目 前 遥 感 图 像 的1华 中 科 技 大 学 硕 士 学 位 论 文 分 类 方 法 纷

24、 繁 复 杂 , 不 同 的 分 类 方 法 从 不 同 的 角 度 对 图 像 展 开 分 类 , 最 常 见 的 是 根据 是 否 需 要 事 先 提 供 的 已 知 类 别 信 息 以 及 训 练 样 本 可 以 分 为 监 督 分 类 和 非 监 督 分 类两 大 类 。 遥 感 影 像 分 类 是 遥 感 影 像 处 理 的 一 个 重 要 方 面 , 是 后 续 提 取 专 题 信 息 、 检测 动 态 变 化 、 制 作 专 题 地 图 、 建 立 遥 感 数 据 库 等 工 作 的 基 础 。 随 着 现 代 遥 感 技 术 的发 展 以 及 遥 感 技 术 在 各 领 域 的

25、 广 泛 应 用 , 对 遥 感 影 像 分 类 处 理 的 准 确 度 要 求 越 来 越高 , 然 而 遥 感 图 像 因 其 包 含 的 类 别 多 、 含 混 度 大 、 维 数 高 , 往 往 不 同 于 其 他 的 计 算机 模式识别方法, 另外由于混合像元、 同谱异物、 同物异谱等遥感图像的常见情况,使 得 遥 感 图 像 的 分 类 显 得 尤 为 复 杂 , 在 分 类 中 极 易 出 现 误 判 、 漏 判 等 各 种 问 题 , 降5低了分类的准确度 。 并且现在对提高分类处理精度的研究集中在新算法的提出上,不 能 显 著 的 提 高 分 类 处 理 的 准 确 性 和

26、实 时 性 , 无 法 满 足 实 际 应 用 的 需 求 。 因 此 , 本课 题 在 决 策 树 算 法 基 础 上 , 结 合 多 分 类 器 , 引 入 分 层 掩 膜 的 处 理 方 法 , 研 发 一 套 针对遥感影像的高精度分类系统,为遥感影像分类提供技术手段与服务保障。 本 课 题 来 源 于 国 家 环 境 保 护 部 项 目 “ 环 境 与 灾 害 监 测 预 报 小 卫 星 星 座 环 境 应用系统软件 工程 ” 第 五 标 段 图 像 处 理 与 专 题 产 品 生 产 分 系 统 的 研 制 内 容 。 本 文 主 要研 究 的 内 容 为 图 像 处 理 与 专 题

27、 产 品 生 产 分 系 统 中 的 图 像 分 类 处 理 模 块 。 图 像 分 类 是后续提取专题信息、 检测动态变化、 制作专题地图、 建立遥感数据库等工作的基础。现 阶 段 迫 切 需 要 一 些 高 精 度 的 图 像 分 类 技 术 , 得 到 准 确 的 地 物 类 别 的 信 息 , 降 低 后续处理的误差率,为决策者提供相对可靠的参考信息。 1.2 国 内 外 研 究 现 状 1.2.1 遥 感 影 像 分类 方 法 研 究概 况 遥 感 影 像 分 类 在 遥 感 技 术 研 究 领 域 占 有 十 分 重 要 的 地 位 , 其 主 要 依 据 是 地 物 的光 谱 特

28、 征 , 像 元 值 的 相 似 性 是 分 类 过 程 的 核 心 , 通 过 对 像 元 之 间 或 像 元 组 之 间 的 相6似性的计算是影像分类算法的最基础的过程 。 传 统 的 计 算 机 自 动 分 类 方 法 依 据 是 否 使 用 类 别 的 先 验 知 识 一 般 可 分 为 监 督 分 类和 非 监 督 分 类 两 种 方 法 。 监 督 分 类 是 有 训 练 样 本 的 分 类 方 法 , 其 训 练 样 本 数 据 来 自于 被 研 究 区 域 , 计 算 机 对 这 些 有 代 表 性 的 训 练 样 本 进 行 学 习 训 练 , 从 中 选 取 出 特 征2华

29、 中 科 技 大 学 硕 士 学 位 论 文 参 数 , 根 据 特 征 参 数 建 立 起 分 类 的 判 别 函 数 , 依 据 样 本 的 类 别 特 征 来 识 别 非 样 本 像7元的归属类别 。 非监 督分类是没有训练样本的分类方法, 即在进行分类前并不了解类 别 的 特 征 , 其 分 类 方 法 是 计 算 像 元 之 间 的 相 似 度 , 将 相 似 度 大 的 像 元 归 为 一 类 。其中最小距离法、 最大似然法、Mahalanobis 距离法和平行六面体法等是常用的有监督的 分 类 方 法 , 非 监 督 分 类 又 称 聚 类 分 析 , 主 要 有 K- 均 值

30、、 循 环 集 群 (ISODATA )和 合 成 序 列 集 群 等 。 传 统 遥 感 影 像 分 类 方 法 经 过 不 断 地 发 展 和 完 善 , 目 前 利 用 统 计 模式 识 别 方 法 对 遥 感 影 像 进 行 计 算 机 自 动 解 译 作 业 已 较 为 成 熟 , 应 用 也 比 较 较 广 泛 , 如5骆 剑 承 , 王 钦 敏 等 利 用 改 进 的 最 大 似 然 法 对 香 港 港 岛 地 区 进 行 分 类 , 分 类 结 果 良 好 。 在改进波段信息方面,wilkinson.G.G1996 提出增加空间结构信息的方法来提高9 10分类精度 ,Inzan

31、a.J2003 使用波段比值来辅助分类 。 80 年代以来,随着相继涌现出的各种新理论和新方法的快速发展以及一些成熟6的数学工具被不断的引入到遥感影像的分类运用中, 产生了如模糊分类 、 小波 分析12 1314 15的分类方法 、 基于支撑向量机的分类方法 、 神经网络影像分类方法 、 分形16的 纹 理 方 法 、 基 于 知 识 的 决 策 规 则 分 类 方 法 、 专 家 系 统 分 类 方 法 , 以 及 这 些 方 法17相互结合的分类方法等 各种新的 方法。 1.2.2 决 策 树 在 遥感 影 像 分 类中 的 研 究 进展 决 策 树 分 类 方 法 以 其 灵 活 、 直

32、 观 、 清 晰 、 运 算 效 率 高 等 优 势 被 广 泛 应 用 于 解 决工 业 领 域 的 实 际 分 类 应 用 问 题 , 但 是 在 遥 感 影 像 分 类 问 题 上 , 并 未 有 应 用 决 策 树 方法 分 类 的 研 究 成 果 出 现 。 基 于 决 策 树 分 类 方 法 的 优 势 , 可 以 尝 试 将 该 方 法 用 于 遥 感影 像 的 分 类 。 在 国 际 上 , 利 用 决 策 树 技 术 进 行 遥 感 影 像 分 类 的 研 究 也 是 刚 刚 起 步 ,但 由 于 各 种 数 据 量 激 增 , 国 外 专 家 开 始 注 意 起 建 立 在

33、 知 识 基 础 上 的 规 则 判 断 方 法 。181984 年,Defries 等人 为得到全球土壤覆盖分类图 ,对 AVHRR 全球遥感数据进行了分类处理,分类结果良好。Friedl 和 Brodley 利用 3 种 数据来评判 5 种不同 的分类19方法的分类精度 。2001 年,Rick L. 和 Andrea 利用遥感 TM 数据、 遥感数据间的处理结果以及其他一些辅助数据作为输入的 CARTClassification and Regression Tree 分类 分 析 系 统 , 该 系 统 将 地 物 类 型 划 分 为 三 级 类 。 该 分 析 系 统 设 计 出 一

34、 套 利 用 遥 感 数据及其处理变换后的影像和 DEM 数据的变化规则, 该规则用于土地分类上, 准确率3华 中 科 技 大 学 硕 士 学 位 论 文 20为一级类精度 96% ,二级类 79% ,三级类 65% 。 国 内 也 开 始 有 人 对 遥 感 决 策 树 分 类 方 法 展 现 出 极 大 的 兴 趣 。 韩 涛 将 遥 感 决 策 树分 类 技 术 用 于 黑 河 上 游 祁 连 山 区 的 灌 木 林 和 针 叶 林 的 分 类 , 成 功 的 分 析 了 该 地 区 十21年内水源涵养林的变化情况 。付 炜利用混合决策树技术,将包括 TM2、TM4、坡度、 地下水位、

35、海拔高程、 绿度 (GRT ) 等在 内的 10 种参数用于土壤遥感分类, 分类结果精度 大于 85% ,分类效果 较好。周春 平等为了模 拟人工制图 的综合过程 , 建立起基 于 框 架 知 识 表 示 方 法 的 知 识 库 和 推 理 机 , 通 过 调 节 阈 值 及 优 先 级 对 分 类 图 斑进 行 制 图 综 合 , 将 制 图 人 员 对 图 斑 的 概 括 和 取 舍 进 行 智 能 化 模 拟 , 取 得 了 良 好 的 结22果 。 1.2.3 遥 感 影 像 分类 新 技 术 以及 发 展 预 测 精 确 、 快 速 、 高 效 是 遥 感 影 像 分 类 算 法 的

36、 未 来 发 展 的 方 向 。 提 高 精 确 度 方 面 的研 究 思 路 大 体 分 为 两 种 : 一 是 研 究 并 提 出 新 的 分 类 算 法 , 比 如 人 工 神 经 网 络 、 决 策树理论、SVM 等。 二是利用多源信息, 例如纹理信息、 结构信息、 光谱信息、DEM23等 , 集 成 进 行 综 合 分 析 。 而 提 高 分 类 速 度 和 效 率 的 的 研 究 工 作 则 主 要 集 中 在 分 类算法的并行化处理上。 1.3 本 文 的 主 要 工 作 论文的主要研究内容主要分为以下三个方面。 1.3.1 多 分 类 器 集成 遥 感 影 像分 层 分 类 框

37、架 设 计 面 向 环 境 一 号 卫 星 影 像 自 动 化 分 类 需 求 , 基 于 服 务 器 、 客 户 端 体 系 结 构 , 运 用工程化、模块化、流程化、分层次的设计模式,主要分为 AOI 采集模块、决策树分层 分 类 体 系 管 理 模 块 、 分 类 模 块 、 分 类 后 处 理 模 块 。 在 环 境 一 号 卫 星 影 像 快 速 分 类系 统 基 础 上 , 提 出 了 一 种 多 分 类 器 集 成 的 分 层 分 类 方 法 , 将 决 策 树 分 类 方 法 与 监 督分 类 和 非 监 督 分 类 结 合 起 来 , 设 计 了 基 于 决 策 树 规 则

38、的 多 分 类 器 集 成 的 遥 感 影 像 分层 分 类 模 块 。 首 先 将 各 类 地 物 按 照 相 应 的 分 类 规 则 进 行 分 解 , 每 层 有 各 自 的 特 征 。在 每 一层 中, 按 照一 定的 决 策规 则, 可 以选 择性 的 使用 决策 树 或者 监督/ 非 监督分类再将每一层继续往下分直到分出所有类别。4华 中 科 技 大 学 硕 士 学 位 论 文 1.3.2 决 策 树 分 层分 类 体 系 管理 模 块 实 现 本模块主要分为三个方面, 决策树的生成和剪裁、 决策树预测 (分类) 、 决策树与监督/ 非监 督 分类 的连 接 。在 决策 树 的生

39、成和 剪 裁阶 段, 客 户端 显式 的 构造 决策树并 编 辑判 决规 则 ,并 且将 需 要连 接监 督/ 非监督 分 类方 法的 结 点进 行手 动 配置 ,然后将决策树保存在 XML 文件里。服务器端读取 XML ,按照客户端生成的决策树逐层进 行 分 类 , 最 后 再 将 逐 层 分 类 结 果 进 行 叠 加 组 合 。 而 可 供 连 接 的 监 督 分 类 有 极 大 似然、最小距离、SVM 、BP 网络 ,非监督分类有 ISODATA,K 均值 分类。 1.3.3 分 类 后 处 理模 块 与 精 度评 价 模 块 的设 计 与 实 现分 类 后 处 理 主 要 分 为 分

40、 类 重 编 码 和 连 通 性 分 析 两 部 分 , 主 要 工 作 是 合 并 相 似 的类 别 , 去 除 分 类 结 果 中 孤 立 点 和 小 图 斑 , 减 少 这 些 因 素 对 分 类 结 果 精 度 的 影 响 。 精度评价模块对分类结果的准确性进行评定。 1.4 本 文 的 结 构 组 织 本 文 共 分 为 六 章 , 分 别 为 绪 论 , 传 统 遥 感 影 像 分 类 方 法 , 基 于 知 识 规 则 和 分 层思 想 的 决 策 树 分 类 方 法 , 多 分 类 器 分 层 分 类 系 统 设 计 与 实 现 ,实验结 果数据分析,总结与展望。 (1) 绪论

41、 。 该部分对 决策树分类技术在遥感影像上的应用背景和意义进行了阐述 , 并 对 遥 感 技 术 的 发 展 历 程 进 行 了 简 要 分 析 , 总 结 了 前 人 在 遥 感 影 像 分 类 方 法 上的 研 究 成 果 , 提 出 了 本 文 的 研 究 内 容 和 选 题 依 据 , 并 对 遥 感 影 像 分 类 技 术 的 发 展 方向和国内外研究现状进行了总结讨论。 (2) 传统影像分类方法。 归纳了遥感图像的分类原理, 对常用的六种传统影像分类方法进行概述总结,分析了传统分类方法的弊端及其未能解决的问题。 (3) 基于 知识规则和分层思想的决策树分类方法。 在原 有的决策树算

42、法模型上,提 出 改 进 算 法 , 设 计 出 基 于 改 进 算 法 的 二 叉 树 界 面 平 台 系 统 , 将 多 分 类 器 与 该 系 统连接起来进行实验。 (4) 多分 类器分层分类系统设计与实现 。 设 计实现了遥感影像多分类器分层分类 系 统。 客户 端 主要 包括 分 类影 像管 理 模块 、AOI 数 据管 理 模块 、分 类 控制 模块 、5华 中 科 技 大 学 硕 士 学 位 论 文 分 类 后 处 理 模 块 、 分 类 精 度 评 价 模 块 。 服 务 器 端 主 要 包 括 文 件 读 取 模 块 、 决 策 树 分层实现模块、 分类处理模块、 文件写入模

43、块。 待分类影像,AOI 数据库,决策树建树规则等保存在服务器端,服务器和客户端之间通过网络连接传送数据与指令。 (5) 实验结果分析。 介绍了实验的软硬件环境, 将本文采用方法所得结果与传统 分 类 方 法 试 验 所 得 结 果 进 行 分 类 精 度 的 比 较 , 对 影 响 分 类 算 法 准 确 度 的 因 素 进 行了分析。 (6) 总结与展望。 总结了本论文所做出工作以及取得的一些成功, 并对以后研究工作的继续进行了提出了自己的建议并对后续工作进行了展望。6华 中 科 技 大 学 硕 士 学 位 论 文 2 遥 感 影像 传 统分 类 方法 2.1 引言 对 于 不 同 的 地

44、 物 类 别 , 他 们 的 光 谱 特 征 不 尽 相 同 , 遥 感 影 像 的 分 类 过 程 通 过 分析 这 些 不 同 的 光 谱 特 征 来 选 择 特 征 参 数 , 特 征 参 数 选 取 好 了 之 后 特 征 空 间 被 划 分 为一 些 小 的 子 空 间 , 这 些 小 子 空 间 彼 此 之 间 互 不 交 叉 。 图 像 上 的 所 有 未 知 元 都 能 够 按24照 一 定 的 规 则 对 应 到 各 个 子 空 间 上 , 至 此 就 完 成 了 分 类 。 在 多 光 谱 图 像 上 , 不 同地物所在像素点所具有的亮度就是遥感影像地物类别的光谱特征。 不

45、 同 地 物 的 区 分 依 据 在 于 , 同 一 波 段 图 像 上 的 不 同 的 地 物 其 表 现 出 来 的 亮 度 是25不 同 的 , 不 同 波 段 上 的 不 同 地 物 其 亮 度 也 是 各 不 相 同 的 。 由 此 可 知 , 在 没 有 干 扰的理想条件下,属于同一地物类别的像元的亮度值是相同的。 2.2 遥 感 影 像 分 类 技 术 概 述 基 于 像 元 的 方 法 是 传 统 的 主 流 遥 感 影 像 分 类 方 法 , 根 据 训 练 样 本 是 否 已 知 可 将其分为两类, 有训练样本的称为监督分类Supervised Classification

46、 , 没有训练样本的成 为 非 监 督 分 类Unsupervised Classification 。 监 督 分 类 方 法 先 对 典 型 的 分 类 样 本 进行 学 习 , 从 中 提 取 出 特 征 参 数 , 让 分 类 系 统 对 分 类 决 策 规 则 进 行 学 习 , 然 后 再 进 行分类。 监督分类方法如最小距离法、 最大似然法和 Mahalanobis 距离 法等, 监督分类大 多 计 算 简 单 , 耗 费 时 间 相 对 较 少 , 但 是 对 样 本 的 选 择 有 一 定 的 要 求 。 非 监 督 分 类没 有 分 类 样 本 , 即 分 类 前 并 没

47、有 准 确 的 先 验 知 识 , 其 分 类 依 据 是 被 分 析 数 据 自 身 的统计学特性。非监督分类包括 ISODATA 算法 、K 均值、 模糊 K 均 值等,这几种分类 方 法 不 需 要 采 集 样 本 , 操 作 相 对 简 单 , 但 需 要 提 前 确 定 各 类 别 的 初 始 聚 类 中 心 和聚 类 数 目 。 通 过 引 入 神 经 网 络 技 术 改 进 这 些 基 于 象 元 的 分 类 算 法 , 可 以 在 一 定 程 度上改善分类精度。 2.2.1 传 统 监 督 分类 方 法 监 督 分 类 方 法 分 类 精 度 高 , 因 此 应 用 较 广 泛

48、 。 训 练 样 本 来 自 于 已 知 类 别 的 数 据7华 中 科 技 大 学 硕 士 学 位 论 文 集 , 提 取 出 训 练 样 本 后 对 训 练 样 本 进 行 训 练 , 选 择 出 特 征 参 数 , 通 过 判 别 函 数 将 图26像 中 的 各 个 像 元 进 行 分 类 。 有 监 督 分 类 方 法 步 骤 如 下 : (1 ) 特 征 波 段 选 择 ; (2 )训练区选择; (3 ) 训练分类器的选择或构造; (4 ) 评价分类精度。常用的监督分类方法有 最小距离分类、马氏距离分类、最大似然分类等。 (1)最小距离分类法 最 小 距 离 分 类 法 是 监 督

49、 分 类 的 常 用 方 法 之 一 , 计 算 训 练 样 本 中 各 个 类 别 的 均 值向 量 , 各 个 类 别 在 特 征 空 间 的 中 心 位 置 即 为 其 均 值 向 量 的 位 置 。 计 算 出 待 分 类 影 像27个 像 元 与 各 类 别 中 心 的 距 离 , 哪 个 距 离 最 小 就 将 像 元 归 为 哪 一 类 。 欧 几 里 德 距 离是应用最广的距离函数。 设待分类遥感影像波段数为 n ,像元 X 的特征向量为: TXx , x , x 2-1 12 np 个类别的特征向量均值分别为 M, M?M ,其中 12 pTM ?m ,m ,m 2-2 i

50、i12 i in则像元 X 与第 i 类的欧几里德距离为: 1/ 2n 2d X , Mx m 2-3i k ik k ?1最小距离分类法采用欧氏距离, 没 有考虑样本数据的离散情况, 分类 精度不高,但是原理简单,计算速度相对较快,适于快速浏览分类概况。 (2)马氏距离分类法 欧 氏 距 离 由 于 忽 视 了 样 本 数 据 的 离 散 性 , 导 致 分 类 精 度 较 低 , 而 马 氏 距 离(Mahalanobis distance ) 则考虑到了样本分布的相关性, 通过协方差距离计算两个位置 样 本 集 相 似 度 , 若 某 一 类 别 样 本 内 部 变 化 较 大 , 则

51、分 类 后 该 属 于 该 类 别 的 像 元 内28部变化同样较大, 反之亦然 。设 第 i 类样本的特征向量均值 M , 协方差矩阵Cov ,i则像元 X 与第 i 类的马氏距离公式为: T?1d X , MXM Cov XM 2-4i i i同样, d X , M 最 小 的 类 别 为 像元 所 属 类 别。 马 氏 距 离分 类 法 虽 然计 算 速 度 比?i8华 中 科 技 大 学 硕 士 学 位 论 文 欧氏距离较慢, 但是排除了变量间相关性的干扰, 且不受量纲的影响, 稳定性较好。 (3)最大似然分类法 最 大 似 然 分 类 法 具 有 较 高 的 分 类 精 度 , 并

52、具 备 良 好 的 稳 定 性 及 鲁 棒 性 , 是 传 统29监 督 分 类 方 法 中 最 常 用 的 一 种 。 它 假 定 各 个 类 别 服 从 正 态 分 布 规 律 , 通 过 利 用 遥感数据的统计特征, 综 合考虑不同类别在各波段中的均值、 方差及波 段间的协方差,用最大似然判别规则进行判决。 假 设 遥 感 影 像 中 分 类 样 本 分 别 属 于 p 类 w ,i 1,2,p ,第 i 类 的 先 验 概 率 为ipk , 特 征 向 量 均 值 M ,协方差矩阵为 Cov , 则 待 分 类 像 元 X ?x , x , x 属于?i i 12 n类别 i 的最大似然/贝叶斯分类公式如下:?d Xln p i0.5ln Covii2-5 T?10.5 XM Cov X Mi i i若对于所有可能的 j ?1,2, p ji ,均有 d Xd X ,则 X 属于第 i 类。ij最 大 似 然 分 类 法 因 为 使 用 协 方 差 矩