1、遥感图像的模糊分析华东师范大学演讲稿美 北德大学 (UNT) 季民河软计算研究领域及遥感图像分析l 根植于一组相关技术的新兴研究领域l 基于知识（专家）系统 (Expert Systems)l 人工神经元网络 (Artificial Neural Networks)l 模糊集合理论 (Fuzzy Set Theory)l 概率与证据方法 (Probabilistic and Evidential)l 遗传算法 (Genetic Algorithems)l 其共同特点是：仿真人脑在非确定和非精确的环境中决策的能力为什么要对遥感数据做模糊化分析？l 遥感源数据混合光谱像元l 混合来源于遥感器的空间
2、分辨率和渐变性地理现象l 混合并非信噪比低 (或非确定性高 )，而是信息含量高l 一元一类逻辑 (即布尔逻辑 ) 无法进行有效处理l 传统遥感分类产品的专题性l 分类简化表达模型 (比率尺度向名义尺度转换 )l 分类过程中信息丢失 产品质量下降，影响使用l 解决办法：模糊表达及模糊分析l 以软分类取代硬分类混合光谱像元典型例子之一30 m 30 m30 mTM 像元 1 TM 像元 235% 35%35% 50%15%30%道路家居 植被道路植被家居硬分类结果：像元 1 = 道路 /植被，像元 2 = 植被一元一类硬分类例子 土 地覆盖图EG ForestMix ForestD. Forest
3、Scb/ShrubS.B. ForestNF WetlandAg/GrassBarrenUrbanWaterLand Cover Map(Richland County, SC)通过对传统数学的模糊延伸，利用光谱数据模拟和量化生物理 (biophysical) 类别图像软分类(如模糊推理 )多光谱综合模型（原始图像数据）简化模型一（多对一专题关系）简化模型二（多对多专题关系）分类前后的一一空间对应关系应用之一：监督分类的模糊光谱培训l 如何改善多光谱遥感资料的分类精度？l 地物类别光谱印记的提取是整个过程的关键l 光谱培训是提取光谱印记的主要手段。l 提高光谱印记质量在于如何改善培训过程。l
4、光谱培训的模糊处理是方向之一l 传统方法缺乏学习机制，对数据同一性要求高，不能利用或处理非确定性。l 模糊化旨在上述方面的改善，以提高印记质量基于传统集合论及布尔逻辑的多光谱遥感图像监督分类方法流程图湿地明确定义的生物理概念基于概率论 (实质为布尔逻辑 ) 的逻辑推理过程“同类 ”培训区专题分类图地物类别监督培训像元分配地物类别地物类别光谱光谱 印记印记监督分类过程的模糊化处理“湿地 ”明确定义的生物理概念“同类像元 ”培训区 模糊类别隶属度矩阵地物类别监督培训像元分配地物类别地物类别光谱光谱 印记印记基于 模糊数学 的逻辑推理过程模糊隶属函数 对比 硬特征函数 (% 非渗透性 )0.51.00.0 x45(SUBURBAN)100(CBD)0(RURAL)P or P(x) 特征函数x) 隶属函数
