基于相容粒度空间的高分辨率影像多层次分类

自IKONOS、Quickbrid 等高空间分辨率影像出现以来，传统的影像分类技术就面临着许多挑战。近年来，许多考虑地物空间特征的遥感影像分类方法迅速发展，在分类过程中，考虑了影像地物的纹理、形状、尺寸等空间特征，以提高分类精度。本课题基于相容粒度空间的原理与方法，针对高分辨率遥感影像特征进行多层次的分析研究，充分利用高空间分辨率影像中地物的空间和几何结构信息，提取影像的几何、图论和纹理特征，并综合运用这系列特征生成影像特征信息粒，通过机器学习得到基于影像特征相容粒度空间的分类模型，最终实现影像的自动分类。

相容粒度空间是一种基于相容关系构建的粒度计算模型，该模型的优势在于对现有知识、资源和信息能进行不同层次和不同粗细程度的粒化并构建粒之间的关系，从而更好地发掘这些知识和资源所包含的有用信息，并提供一种对其本质更好的洞察力。.本项目在学习和研究粒计算基本理论与技术的基础上，重点分析了相容粒度空间原理和基于相容粒度空间的规则提取算法，并将其应用于高分辨率遥感影像分类和模式识别领域；充分考虑了高分辨率遥感影像地物的纹理、形状、尺寸、结构等空间特征，并研究了图像特征提取、相容信息粒的构建、图像特征相容信息粒的处理、以及图像特征相容信息粒之间的运算等；通过分析研究不同粒度的图像特征相容信息粒所形成相容粒度空间，提出了基于图像特征相容信息粒度空间的分类器；对未利用地、农业用地、工业用地和商住用地四种不同地类样本的QuickBird遥感影像数据进行了分类实验，实验结果表明所提出的基于相容粒度空间的图像分类器是有效的。