卫星遥感数据分类不确定性的容差粗糙集处理

提出一种基于光谱特征邻域的容差粗糙集分类方法,用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5 TM数据进行分类试验,将结果与现有容差粗糙集方法分类结果进行对比和统计。结果表明,该方法具有良好的可理解性和稳定性,能够处理卫星遥感数据分类的不确定性,在具有复杂光谱特征地物分类方面具有发展潜力。     

利用动态贝叶斯网络进行多时相遥感变化检测

利用动态贝叶斯网络(DBNs)在处理不同时相遥感数据时可以一次性输入多个时间段的数据,同时完成分类和建立输出类别之间的关联。采用北京东部地区1994年、2001年和2003年5月份Landsat TM遥感数据进行实验,实验结果表明:基于DBNs的变化检测方法是遥感变化检测的一种新的有效方法,在遥感时序数据动态变化分析的研究方面也展示了巨大的发展潜力。     

遥感波段与样本组合及贝叶斯网络结构变化分析

贝叶斯网络表达了输入数据与分类结果之间的依赖关系,网络结构则表达了节点之间的条件概率状态。遥感数据的贝叶斯网络结构训练涉及先验知识和样本数量两个方面,是贝叶斯网络结构分类的重要环节。该文以应用目标和遥感数据波段的物理意义为先验知识指导,进行了贝叶斯网络结构建立中的遥感数据波段数和样本数的优化组合实验,为贝叶斯网络在遥感数据分类方面提供了基础性实验结果。     

利用贝叶斯网络进行遥感变化检测

多时相遥感信息变化检测及其算法探索是当前国际遥感领域研究的热点,但是贝叶斯网络在遥感数据分类、特别是应用在变化检测方面的文献却很少。本文介绍了利用贝叶斯网络的变量间独立性测试原理,构建了输入两个时相多波段遥感信息的有向无环结构,利用训练后的网络进行两个时相多波段遥感变化信息的检测,取得了较好的效果。对北京六环线以内区域,1994年、2003年5种地类变化信息的遥感数据检测和类型转换进行了统计,其中耕地转换为城镇的占整个区域的26.52%,绿地增加占整个区域4.68%,水体减少占整个区域6.78%,导致裸地增加占整个区域4.80%,这个结果也在1∶5万的航空影像和地面上得到了验证。实验结果表明,贝叶斯网络为遥感数据的直接变化检测提供了一种新的途径。