基于IDL的灰色關(guān)聯(lián)分類方法設(shè)計與實現(xiàn)

CONTANTS目錄1.研究背景2.原理和算法3.研究實例4.總結(jié)研究背景一、遙感圖像的復(fù)雜性，目前尚無普適的算法

發(fā)展對樣本依賴小、適應(yīng)性強、分類精度高的分類方法一直是遙感模式識別的重要研究內(nèi)容。二、灰色系統(tǒng)理論的研究內(nèi)容灰色系統(tǒng)理論著重研究概率統(tǒng)計、模糊數(shù)學(xué)所難以解決的“小樣本”、“貧信息”不確定性問題。

本文采用鄧氏灰色關(guān)聯(lián)度模型為判別函數(shù)，設(shè)計并實現(xiàn)了灰色關(guān)聯(lián)分類法分類器，并對比分析了灰色關(guān)聯(lián)分類與其它常見的一些遙感分類器分類效果。1.研究背景原理和方法研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法樣本矩陣訓(xùn)練樣本ENVIMEAN灰色分類算法理論分類器構(gòu)建IDL分類實例永州地區(qū)結(jié)果處理精度評價效果對比幾類分類方法精度比較基本思路研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法灰色關(guān)聯(lián)算法1.基本原理

灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論的一個重要組成部分，其基本思想是以幾何關(guān)系或曲線的相似程度來度量因素之間的關(guān)聯(lián)程度，對參考序列和比較序列的曲線或幾何關(guān)系的分析比較。若兩條曲線形狀相似,則關(guān)聯(lián)度較大,否則關(guān)聯(lián)度較小。研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法灰色關(guān)聯(lián)算法

研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法IDL設(shè)計實現(xiàn)1.IDL概述IDL（InteractiveDataLanguage）是RSI公司（ResearchSystemInc.）所開發(fā)的交互式數(shù)據(jù)語言，作為一種面向矩陣的，功能強大的，語法簡單的第四代交互式數(shù)據(jù)語言。它集可視化、交互分析、大型商業(yè)開發(fā)于一體，提供完善、靈活和高效的開發(fā)環(huán)境。IDL在地球科學(xué)、醫(yī)學(xué)影像、圖像處理、地理信息系統(tǒng)、數(shù)學(xué)統(tǒng)計及分析等領(lǐng)域具有廣泛的應(yīng)用。研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法IDL設(shè)計實現(xiàn)2.IDL設(shè)計流程圖否否是輸入圖像，最小關(guān)聯(lián)度K，分類數(shù)N訓(xùn)練分類像元樣本計算各類樣本的各波段灰度值平均值Xo，構(gòu)建評價矩陣對圖像逐像元，使用灰色關(guān)聯(lián)算法，計算各類別的N個關(guān)聯(lián)度ε(X)求出ε(X)的最大值MAX(X)MAX（X）>K將像元X歸入所屬類別圖像歷遍完成輸出分類圖歸入未分類是研究背景研究結(jié)果問題討論論文緒論論文總結(jié)2.原理和方法IDL設(shè)計實現(xiàn)3.IDL設(shè)計關(guān)鍵性代碼研究實例3.研究實例數(shù)據(jù)源基本信息數(shù)據(jù)標(biāo)識LC81240412014350LGN00衛(wèi)星名稱LANDSAT8數(shù)據(jù)類型OLI_TIRS傳感器OLI_TIRS接收站LGN白天晚上DAY條帶號124行編號41太陽高度35.3470太陽方位角155.6864日期信息獲取時間2014-12-16開始時間2014-12-1603:03:07.0結(jié)束時間2014-12-1603:03:39.0云量信息平均云量7.4空間信息中心經(jīng)度111.5488中心緯度27.4312本文使用的遙感影像原始數(shù)據(jù)是從地理空間數(shù)據(jù)云網(wǎng)站（/）中下載的Landsat8衛(wèi)星影像，永州地區(qū)2014年12月16日的衛(wèi)星影像，3.研究實例處理流程圖原始影像研究區(qū)圖分類樣本波段融合、裁剪訓(xùn)練樣本灰色關(guān)聯(lián)分類器常用分類器灰色分類結(jié)果圖最大似然結(jié)果圖最小距離結(jié)果圖支持向量機結(jié)果圖馬氏距離結(jié)果圖神經(jīng)網(wǎng)絡(luò)結(jié)果圖最大似然最小距離支持向量機馬氏距離神經(jīng)網(wǎng)絡(luò)精度評價對比對比分析結(jié)果3.研究實例分類結(jié)果對比圖灰色關(guān)聯(lián)分類馬氏距離分類最大似然分類最小距離分類支持向量機分類神經(jīng)網(wǎng)絡(luò)分類3.研究實例分類結(jié)果精度對比分類方法總體精度Kappa系數(shù)最小距離62.6775%0.4698灰色關(guān)聯(lián)70.1826%0.5491馬氏距離73.2252%0.5749神經(jīng)網(wǎng)絡(luò)75.0507%0.5902支持向量機76.0649%0.6027最大似然76.0649%0.6233通過對總體精度和Kappa系數(shù)的比較，發(fā)現(xiàn)灰色關(guān)聯(lián)方法分類效果與馬氏距離方法相近，優(yōu)于最小距離，低于神經(jīng)網(wǎng)絡(luò)和支持向量機總結(jié)3.總結(jié)總結(jié)和展望