基于CBR的遙感地面特征信息提取方法研究的開(kāi)題報(bào)告

基于CBR的遙感地面特征信息提取方法研究的開(kāi)題報(bào)告一、選題背景和意義：遙感技術(shù)在礦產(chǎn)勘查、城市規(guī)劃、農(nóng)業(yè)、環(huán)保等多個(gè)領(lǐng)域擁有廣泛應(yīng)用，而遙感圖像中的地面特征信息提取是遙感技術(shù)應(yīng)用的重要步驟。目前，基于傳統(tǒng)的圖像分類算法開(kāi)展遙感圖像分類研究已經(jīng)成為一個(gè)比較成熟的研究領(lǐng)域，但是一些復(fù)雜的場(chǎng)景和遙感圖像雜波比較嚴(yán)重的情況下，這些算法的分類精度卻并不能滿足實(shí)際應(yīng)用需求。由于遙感數(shù)據(jù)量大、信息復(fù)雜以及所涉領(lǐng)域的多樣性，基于知識(shí)管理技術(shù)的遙感圖像分類方法——基于案例推理技術(shù)成為了一種研究熱點(diǎn)。因此，在遙感地面特征信息提取中，采用CBR（案例推理）算法進(jìn)行分類，對(duì)于提高分類的精度、降低誤判率，具有重要的意義。二、研究目的：本文的主要研究目的是設(shè)計(jì)一種基于CBR算法的遙感地面特征信息提取方法，用于實(shí)現(xiàn)遙感圖像的自動(dòng)分類。通過(guò)分析遙感圖像中的特征信息，并訓(xùn)練和選擇支持向量，建立一個(gè)合適的案例庫(kù)，并基于案例推理的方法進(jìn)行實(shí)現(xiàn)，從而提高分類的準(zhǔn)確率和分類精度。三、研究?jī)?nèi)容：（1）遙感地面特征信息提取方法研究：主要針對(duì)遙感圖像數(shù)據(jù)預(yù)處理、圖像特征提取和數(shù)據(jù)集構(gòu)建方法進(jìn)行分析，了解在這些方面應(yīng)該使用哪些最新的技術(shù)和算法。（2）CBR算法原理研究：分析基于案例推理技術(shù)的CBR算法原理，探究案例庫(kù)的建立方法和案例表示方法。（3）基于CBR的遙感地面特征信息提取方法設(shè)計(jì)：在深入了解了CBR算法原理和遙感地面特征信息提取方法后，設(shè)計(jì)基于CBR算法的遙感地面特征信息提取方法。（4）實(shí)驗(yàn)設(shè)計(jì)：在設(shè)計(jì)好的算法和方法的基礎(chǔ)上，對(duì)案例庫(kù)進(jìn)行訓(xùn)練和選擇支持向量，對(duì)比CBR算法和傳統(tǒng)圖像分類算法的分類精度。四、技術(shù)路線和實(shí)驗(yàn)方案：（1）技術(shù)路線1.圖像數(shù)據(jù)預(yù)處理2.圖像特征提取3.數(shù)據(jù)集構(gòu)建4.CBR算法原理分析5.案例庫(kù)建立6.基于CBR的遙感地面特征信息提取方法設(shè)計(jì)7.實(shí)驗(yàn)設(shè)計(jì)（2）實(shí)驗(yàn)方案1.獲取真實(shí)三線地圖和遙感影像數(shù)據(jù)，并采用ENVI等軟件進(jìn)行圖像預(yù)處理和特征提取。2.采集訓(xùn)練樣本，并構(gòu)建遙感地面特征信息提取數(shù)據(jù)集。3.建立基于CBR算法的遙感地面特征信息提取方法，并分析不同參數(shù)對(duì)分類精度的影響。4.對(duì)比CBR算法和傳統(tǒng)圖像分類算法的分類精度。五、初步結(jié)論：基于CBR算法的遙感地面特征信息提取方法在分類精度方面相較于傳統(tǒng)圖像分類算法有所提高，但是在某些復(fù)雜場(chǎng)景下，分類精度