通过对传统数学的模糊延伸,利用光谱数 据模拟和量化生物理( (biophysical)类别 分类前后的一一空间对应关系 简化模型 图像软分类 (多对一专题关系 (如模糊推理) 多光谱综合模型 (原始图像数据) 简化模型二 多对多专题关系)
通过对传统数学的模糊延伸，利用光谱数 据模拟和量化生物理 (biophysical) 类别 图像软分类 (如模糊推理) 多光谱综合模型 （原始图像数据） 简化模型一 （多对一专题关系 ） 简化模型二 （多对多专题关系） 分类前后的一一空间对应关系
应用之一:监督分类的模糊光谱培训 ●如何改善多光谱遥感资料的分类精度? 地物类别光谱印记的提取是整个过程的关键 光谱培训是提取光谱印记的主要手段 提高光谱印记质量在于如何改善培训过程 光谱培训的模糊处理是方向之 传统方法缺乏学习机制,对数据同一性要求高,不 能利用或处理非确定性。 模糊化旨在上述方面的改善,以提高印记质量
应用之一：监督分类的模糊光谱培训 ⚫ 如何改善多光谱遥感资料的分类精度？ ⚫ 地物类别光谱印记的提取是整个过程的关键 ⚫ 光谱培训是提取光谱印记的主要手段。 ⚫ 提高光谱印记质量在于如何改善培训过程。 ⚫ 光谱培训的模糊处理是方向之一 ⚫ 传统方法缺乏学习机制，对数据同一性要求高，不 能利用或处理非确定性。 ⚫ 模糊化旨在上述方面的改善，以提高印记质量
基于传统集合论及布尔逻辑的 多光谱遥感图像监督分类方法流程图 “同类”培训区 像元分配 专题分类图 地物类别 地物类别 光谱印记 监督培训 基于概率论(实质为 明确定义的湿地 布尔逻辑)的逻辑推 生物理概念 理过程
基于传统集合论及布尔逻辑的 多光谱遥感图像监督分类方法流程图 明确定义的 湿地 生物理概念 基于概率论 (实质为 布尔逻辑) 的逻辑推 理过程 “同类”培训区 专题分类图 地物类别 监督培训 像元分配 地物类别 光谱印记
监督分类过程的模糊化处理 “同类像元” 培训区 模糊类别 像元分配 隶属度矩阵 地物类别 地物类别 光谱印记 监督培训 基于模糊数学的逻 辑推理过程 明确定义的 生物理概念 湿地
监督分类过程的模糊化处理 明确定义的 “湿地” 生物理概念 “同类像元” 培训区 模糊类别 隶属度矩阵 地物类别 监督培训 像元分配 地物类别 光谱印记 基于模糊数学的逻 辑推理过程
模糊隶属函数对比硬特征函数 Por u 1.0 特征函数 0.5 4(-隶属函数 0.0 100 45 0(%非渗透性) (CBD) (SUBURBAN ( RURAL)
模糊隶属函数对比硬特征函数 (% 非渗透性) 0.5 1.0 0.0 x 45 (SUBURBAN) 100 (CBD) 0 (RURAL) P or P(x) – 特征函数 (x) – 隶属函数