| 题名 | 基于光谱角分类的遥感影像属性不确定性分析 |
| 作者 | 梁继 |
| 学位类别 | 硕士 |
| 答辩日期 | 2004 |
| 授予单位 | 中国科学院寒区旱区环境与工程研究所 |
| 授予地点 | 中国科学院寒区旱区环境与工程研究所 |
| 导师 | 王建 |
| 关键词 | 光谱角分类 混合像元 终端单元 误差矩阵 属性不确定性 保守偏差 |
| 其他题名 | SAM-based Analysis of the Thematic Uncertainty of Remote Sensing Image |
| 中文摘要 | 遥感数据是地学空间数据的重要组成部分，在社会经济建设中所起的作用也越来越大，但遥感数据的质量问题制约着遥感的应用效果。地理知识的不完备性、概率的模糊性与数据的衍生性，使得空间数据具有不确定性特征。本论文深化了属性不确定性的理论与模型，并提供了一套计算方法，使遥感产品尽可能附有质量指标。论文主要内容及结论如下：①SAM的遥感影像分类方法。影像几何纠正的RMS为0.806的基础上，采用2-Dplot、MNF、PPI、N-D维空间旋转、SAM等光谱分析方法，寻找各地物的ROIs并纯化ROIs。MNF根据特征值与特征向量来分离噪声波段；PPI以终端单元的纯净光谱形式来分解混合像元；而SAM则依赖光谱匹配技术，估计像元光谱与样本光谱、或像元光谱与混合像元中终端单元光谱的相似性，以区分各像元的光谱曲线达到分类的目的。地物的类别中值由纯化的ROIs生成，同时设光谱角弧度闽值为 0.1，做12类地物的影像分类。②误差矩阵的不确定性评估方法。从研究区的现状出发，分析属性的不确定性来源，即：辐射校正与少七何校正的影响；空间尺度与混合像元的影响；分类时SAM算法与步骤的影响。分类属J性的精度常用误差矩阵的模型描述。本论文用野外采集的样本点作分类图像的验证，二者生成混淆矩阵，得到分类图像的总体精度为77.96％，Kappa系数为71.39％。同时，文中也分析了误差矩阵在四个方面的不足，即：采样问题、定位精度、参考数据、误差严重程度。③“外部检验法”进一步估算分类属性不确定性的真值区间。外部检验模型是以概率论、数理统计为基础，以方差、协方差为精度指标，以X2为非参数假设检验的方法。本文在原外部检验模型的基础上，增加模型的制约条件x≤p。与地面场硬数据单点比较，影像正确分类的百分比即为p，文中p取值90％。二同时在95.5％的置信水平下，本研究原“外部检验模型”得到的属性数据真值置信区间为（78.35％，95.72％），修正后“外部检验模型”得到的属性数据真值置信区间为（78.35％，90.0％）。④本文由”误差矩阵模型”得到总体精度、kappa系数的属性精度指标，又由“修正外部检验模型”得到属性数据的真值置信区间。总体精度、kapPa系数分别与真值区间比较，即：总体精度＜真值区间，Kappa系数＜真值区间，说明了误差矩阵的保守性偏差估计。本文基于各属性精度指标间的比较结果，进一步分析了研究区保守性偏差估计产生的可能性原因，即：参考数据的误差；几何位置的误差。同时在分类的过程中提交了详细的分类细节报告，以便用户能评估潜在的属性不确定性。⑤设计了一套评估遥感产品属性不确定性精度的流程。 |
| 语种 | 中文 |
| 公开日期 | 2013-08-22 |
| 页码 | 63 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.casnw.net/handle/362004/21994]  |
| 专题 | 寒区旱区环境与工程研究所_研究生学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 梁继. 基于光谱角分类的遥感影像属性不确定性分析[D]. 中国科学院寒区旱区环境与工程研究所. 中国科学院寒区旱区环境与工程研究所. 2004. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论