简谈向量独立分量在遥感图像土地覆盖信息提取中运用

论文导读：离出的地物成分信息尽可能接近地表真实分布情况。遥感图像浅析结果表明，变分贝叶斯ICA策略稳定性好，分离程度较高，且分离出的各地物成分信息目视效果较好。(2)在综合考虑变分贝叶斯ICA和SVM算法以及遥感图像特点的基础上，提出了变分贝叶斯ICA和SVM相结合的遥感图像土地覆盖信息提取策略。遥感图像土地覆盖信息提取结果表明，变
摘要：近年来，在城市化历程中，城市及其周边地区土地覆盖情况频繁变化，以城市土地利用以及预防各类灾害的角度出发，如何对这些变化情况进行有效的监测，一直是科技工作者们的重点探讨方向。另外，随着遥感传感器技术的进步，遥感技术已经能够大量地获取地表土地覆盖信息，但是如何能够以这些遥感数据中精确地提取出地表土地覆盖信息则成为土地覆盖变化监测的热点和难点。独立分量浅析(independent component analysis, ICA)作为一种盲源分离技术，能够有效地以观测混合信号中分离出源信号。支持向量机(support vectormachine, SVM)能够将低维空间中难以进行线性划分的数据信息非线性映射到高维特点空间中，并通过结构风险最小化原则实现地物信息的非线性分类提取。两者在遥感图像土地覆盖信息提取中都具有巨大的运用潜力。本论文对ICA和SVM策略及其在遥感图像土地覆盖信息提取中的运用进行了深入的探讨，主要体现在以下几个方面：(1)针对传统ICA模型在遥感图像土地覆盖信息提取中的近况，提出了变分贝叶斯ICA(variational Bayesian ICA)策略。通过将贝叶斯网络引入到ICA模型中，根据贝叶斯推论来计算遥感图像中不同地物成分的后验概率分布，并利用变分近似算法进行简化，使分离出的地物成分信息尽可能接近地表真实分布情况。遥感图像浅析结果表明，变分贝叶斯ICA策略稳定性好，分离程度较高，且分离出的各地物成分信息目视效果较好。(2)在综合考虑变分贝叶斯ICA和SVM算法以及遥感图像特点的基础上，提出了变分贝叶斯ICA和SVM相结合的遥感图像土地覆盖信息提取策略。遥感图像土地覆盖信息提取结果表明，变分贝叶斯ICA和SVM相结合策略具有较强的抗噪性和普适性，且提取精度高，目视效果好。(3)将变分贝叶斯ICA和SVM相结合策略运用到重庆都市核心区遥感图像土地覆盖信息提取探讨中，分别提取出1988年和2007年的各类型土地覆盖信息，并对其时空变化进行了浅析。结果表明，城市建设用地主要向东北方向扩展。在土地覆盖信息提取运用中所采取的提取原理和技术流程对其它山区城市的土地覆盖信息提取和变化探讨具有重要的借鉴作用。关键词：独立分量浅析论文土地覆盖信息提取论文变分贝叶斯论文ICA论文支持向量机论文遥感图像论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要8-10
ABSTRACT10-14
第一章 绪论14-24

1.1 课题来源14

1.2 探讨背景和作用14-15

1.3 遥感图像土地覆盖信息提取的国内外探讨进展15-19

1.3.1 手工目视解译提取策略16

1.3.2 计算机解译提取策略16-17

1.3.3 计算机解译提取的改善策略17-19

1.4 遥感图像土地覆盖信息提取探讨中有着的不足和局限19-20

1.5 探讨内容20-21

1.5.1 变分贝叶斯 ICA 策略20-21

1.5.2 基于变分贝叶斯 ICA 和 SVM 相结合的土地覆盖信息提取策略21

1.5.3 土地覆盖信息提取的具体运用21

1.6 探讨策略和革新之处21-23

1.6.1 探讨策略22

1.6.2 革新之处22-23

1.7 论文组织结构23-24

第二章 遥感图像土地覆盖信息提取论述基础24-45

2.1 引言24

2.2 独立分量浅析24-33

2.1 独立分量浅析概述24-26

2.2 独立分量浅析的相关概念26-28

2.3 独立分量浅析的独立性测度28

2.4 独立分量浅析算法28-33

2.3 独立分量浅析策略在遥感中的运用33-34

2.4 变分贝叶斯策略34-39

2.4.1 贝叶斯网络34-37

2.4.2 变分贝叶斯学习37-39

2.5 变分贝叶斯策略在遥感中的运用39-40

2.6 支持向量机基本原理40-44

2.6.1 结构风险最小化原则40-41

2.6.2 VC 维论述41-42

2.6.3 支持向量机的最优分类超平面42

2.6.4 支持向量机模型42-43

2.6.5 支持向量机算法43-44

2.7 支持向量机策略在遥感中的运用44

2.8 本章小结44-45

第三章 变分贝叶斯 ICA论文导读：信息提取81-874.4本章小结87-88第五章独立分量浅析在遥感图像土地覆盖信息提取中的运用——以重庆都市核心区为例88-1185.1引言885.2探讨区概况和数据准备88-915.2.1探讨区概况88-905.2.2数据准备90-915.3遥感图像土地覆盖信息提取91-985.3.1遥感图像预处理91-955.3.2不同时相土地覆盖信息提取95-965.3.3精度评价9
算法45-67

3.1 引言45

3.2 变分贝叶斯 ICA 算法45-53

3.

2.1 贝叶斯 ICA 网络45-47

3.

2.2 变分贝叶斯 ICA 模型47-53

3.3 变分贝叶斯 ICA 策略的遥感图像浅析53-66

3.1 TM 多光谱遥感图像分离54-57

3.2 HSI 高光谱遥感图像分离57-61

3.3 IKONOS 高分辨率遥感图像分离61-64

3.4 结论与讨论64-66

3.4 本章小结66-67

第四章 变分贝叶斯 ICA 和 SVM 相结合的遥感图像土地覆盖信息提取策略67-88

4.1 引言67-68

4.2 基于变分贝叶斯 ICA 和 SVM 相结合的遥感图像土地覆盖信息提取策略68-69
4.3 基于变分贝叶斯 ICA 和 SVM 相结合的遥感图像土地覆盖信息提取探讨69-87
4.

3.1 TM 图像的土地覆盖信息提取70-76

4.

3.2 HSI 图像的土地覆盖信息提取76-81

4.

3.3 IKONOS 图像的土地覆盖信息提取81-87

4.4 本章小结87-88
第五章 独立分量浅析在遥感图像土地覆盖信息提取中的运用——以重庆都市核心区为例88-118

5.1 引言88

5.2 探讨区概况和数据准备88-91

5.

2.1 探讨区概况88-90

5.

2.2 数据准备90-91

5.3 遥感图像土地覆盖信息提取91-98
5.

3.1 遥感图像预处理91-95

5.

3.2 不同时相土地覆盖信息提取95-96

5.

3.3 精度评价96-97

5.

3.4 土地覆盖信息统计97-98

5.4 土地覆盖信息时空动态变化浅析98-112
5.

4.1 土地覆盖信息的数量变化98-104

5.

4.2 土地覆盖信息的空间变化104-111

5.

4.3 土地覆盖信息变化引起的不足111-112

5.5 城市建设用地变化的驱动机制浅析112-117

5.1 经济因素与建设用地扩展的联系112-113

5.2 人口因素与建设用地扩展的联系113-114

5.3 自然地理因素与建设用地扩展的联系114-115

5.4 行政因素与建设用地扩展的联系115-117

5.6 本章小结117-118

第六章 结论与展望118-121

6.1 结论118-119

6.2 展望119-121

参考文献121-136
作者在攻读博士学位期间公开发表的论文136-138
作者在攻读博士学位期间所作的项目138-139
致谢139-140