容差粗糙集卫星遥感数据分类

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 11-13.

容差粗糙集卫星遥感数据分类

李利伟^1,2，马建文¹，温奇^1,2

1.中国科学院遥感应用研究所遥感科学国家重点实验室，北京 100101
2.中国科学院研究生院，北京 100049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 李利伟

Tolerant rough set on satellite remote sensing data classification

LI Li-wei^1,2，MA Jian-wen¹，WEN Qi^1,2

1.State Key Laboratory of Remote Sensing Science，Institute of Remote Sensing Applications，CAS，Beijing 100101，China
2.Graduate School，Chinese Academy of Sciences，Beijing 100049，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: LI Li-wei

摘要/Abstract

摘要： 结合粗糙集理论和遥感数据中地物光谱特征空间分布信息，提出了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，对算法分类过程进行讨论及其分类结果进行验证分析;结果表明：文中方法在可理解性和稳定性上体现出比较好的性质，能够有效处理卫星遥感数据分类中存在的不确定性因素，在具有复杂光谱特征地物分类方面具有发展潜力。

关键词: 卫星遥感, 数据分类, 光谱特征邻域, 容差粗糙集

Abstract: In combination of rough set theory and the distribution information of the land cover spectral feature space，a spectral feature neighborhood based tolerant rough set classification method is proposed to handle the uncertainty in the process of satellite remote sensing data classification.Experiment is carried out with Landsat-5 TM image of eastern Beijing.Working mechanism of the method is discussed and classification result is validated and analyzed.Outcome indicates that the proposed method is well interpretable and reliable，and can effectively handle the uncertainty in the process of satellite remote sensing classification.It is a promising tool at classifying areas with complex spectral feature.

Key words: satellite remote sensing, data classification, spectral feature neighborhood, tolerant rough set

李利伟^1,2，马建文¹，温奇^1,2. 容差粗糙集卫星遥感数据分类[J]. 计算机工程与应用, 2007, 43(20): 11-13.

LI Li-wei^1,2，MA Jian-wen¹，WEN Qi^1,2. Tolerant rough set on satellite remote sensing data classification[J]. Computer Engineering and Applications, 2007, 43(20): 11-13.

[1]	胡杰，张莹，谢仕义. 国产遥感影像分类技术应用研究进展综述[J]. 计算机工程与应用, 2021, 57(3): 1-13.
[2]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[3]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[4]	侯贝贝，刘三阳，普事业. 基于边界混合重采样的非平衡数据分类方法[J]. 计算机工程与应用, 2020, 56(1): 46-52.
[5]	张永宏，何静，阚希，夏广浩，朱灵龙，葛涛涛. 遥感图像道路提取方法综述[J]. 计算机工程与应用, 2018, 54(13): 1-10.
[6]	王雅超1，武刚1，丁丽霞2. 面向分类应用的高光谱谱段选择方法[J]. 计算机工程与应用, 2017, 53(5): 154-158.
[7]	高燕，杨小远，张美琦. 加权FCM原型空间特征提取的高光谱图像分类[J]. 计算机工程与应用, 2016, 52(1): 157-161.
[8]	刘余霞1，刘三民2，3，刘涛2，王忠群4. 一种新的过采样算法DB_SMOTE[J]. 计算机工程与应用, 2014, 50(6): 92-95.
[9]	徐雪松，王四春. 基于掩码分段匹配的否定选择数据分类[J]. 计算机工程与应用, 2012, 48(2): 26-29.
[10]	杨明凡，王炜，张茂军，陈旺，徐玮. 半自动全向图与卫星遥感图快速配准[J]. 计算机工程与应用, 2011, 47(33): 176-179.
[11]	乔健，田庆. 利用最近邻信息快速分类多标签数据[J]. 计算机工程与应用, 2011, 47(32): 138-140.
[12]	周丽娜，黄睿，李先华. 利用粒子群优化估计高光谱数据协方差矩阵[J]. 计算机工程与应用, 2010, 46(23): 203-205.
[13]	张忠元¹，章祥荪². NMF的数据分类方法在肿瘤分类上的应用[J]. 计算机工程与应用, 2010, 46(16): 245-248.
[14]	曾正良,罗可,邹瑞芝. 基于复合粒子群的数据分类方法[J]. 计算机工程与应用, 2009, 45(7): 156-158.
[15]	蒋杰，应龙，吴玲达，杨冰. 全球卫星遥感影像数据组织与WEB发布[J]. 计算机工程与应用, 2009, 45(21): 16-20.