本文選題：區(qū)間二型模糊模型 + 高分辨率　； 參考：《信號處理》2017年05期

【摘要】：高分辨率遙感影像同質(zhì)區(qū)域地物目標(biāo)異質(zhì)性增大,光譜測度空間復(fù)雜性增加使像素類屬的不確定性以及分割決策不確定性增大,引起分割精度下降。提出一種基于區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像監(jiān)督分割方法。對同質(zhì)區(qū)域構(gòu)建一型高斯隸屬函數(shù)模型刻畫像素類屬的不確定性;模糊化高斯隸屬函數(shù)參數(shù)構(gòu)建區(qū)間二型模糊模型處理分割決策的不確定性;以訓(xùn)練樣本在所有類別中的一型模糊隸屬度及上、下隸屬度為輸入,建立模糊神經(jīng)網(wǎng)絡(luò)模型并融入像素鄰域關(guān)系作為模糊決策。采用文中算法、FCM方法、HMRF-FCM及區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)方法分別對合成影像及真實高分辨遙感影像進行分割,定性與定量的對比分析驗證了文中算法具有更高的分割精度。
[Abstract]:The heterogeneity of ground objects in homogeneous region of high-resolution remote sensing images is increased, and the spatial complexity of spectral measurement increases the uncertainty of pixel genus and segmentation decision, which results in the decrease of segmentation accuracy. A supervised segmentation method for high resolution remote sensing images based on interval 2 fuzzy neural network is proposed. The uncertainty of pixel genus is described by constructing a type Gao Si membership function model for homogeneous region, and the uncertainty of segmentation decision is dealt with by constructing interval type 2 fuzzy model of fuzzy Gao Si membership function parameter. The fuzzy neural network model is established with the input of the first type of fuzzy membership degree and the upper and lower membership degree of the training sample in all categories. The fuzzy neural network model is incorporated into the pixel neighborhood relationship as a fuzzy decision. The method of HMRF-FCM and interval type 2 fuzzy neural network are used to segment synthetic images and real high-resolution remote sensing images respectively. The qualitative and quantitative analysis show that the proposed algorithm has higher segmentation accuracy.
【作者單位】： 遼寧工程技術(shù)大學(xué)礦業(yè)技術(shù)學(xué)院;遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院;遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;
【基金】：遼寧省教育廳一般項目(LJYL036) 教育部高等學(xué)校博士學(xué)科點專項科研基金資助(20122121110007)
【分類號】：TP183;TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 謝士杰;模糊神經(jīng)網(wǎng)絡(luò)在影像處理領(lǐng)域中的應(yīng)用[J];武測科技;1996年01期

2 蔣文勝;;基于模糊神經(jīng)網(wǎng)絡(luò)的大型制冷控制系統(tǒng)的設(shè)計[J];低溫與超導(dǎo);2014年04期

3 葉海旺;基于模糊神經(jīng)網(wǎng)絡(luò)的炸藥與巖石匹配優(yōu)化系統(tǒng)研究[J];爆破器材;2005年03期

4 孔凡國;基于模糊神經(jīng)網(wǎng)絡(luò)的多方案優(yōu)選方法的研究[J];五邑大學(xué)學(xué)報(自然科學(xué)版);1999年02期

5 劉國光,程青蟾;聲發(fā)射輔以模糊神經(jīng)網(wǎng)絡(luò)的質(zhì)量檢測[J];應(yīng)用聲學(xué);2004年04期

6 熱合木江，馬玉書;模糊神經(jīng)網(wǎng)絡(luò)在地質(zhì)數(shù)據(jù)分析中的應(yīng)用[J];石油大學(xué)學(xué)報(自然科學(xué)版);1996年06期

7 王益群,高英杰 ,孔祥東;基于模糊神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)故障診斷方法[J];液壓氣動與密封;2001年05期

8 石紅雁,許純新,瞿愛琴;液壓系統(tǒng)故障診斷的高階統(tǒng)計量-模糊神經(jīng)網(wǎng)絡(luò)法[J];農(nóng)業(yè)機械學(xué)報;2003年05期

9 關(guān)達可;朱棟華;;基于模糊神經(jīng)網(wǎng)絡(luò)的冷凍水泵變頻調(diào)速研究[J];科技廣場;2010年01期

10 史秀志;林大能;陳壽如;;基于粗糙集模糊神經(jīng)網(wǎng)絡(luò)的爆破振動危害預(yù)測[J];爆炸與沖擊;2009年04期

相關(guān)會議論文 前2條

1 張敬芬;趙德有;孟光;;利用噪聲和振動信息的模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法研究[A];第十屆船舶水下噪聲學(xué)術(shù)討論會論文集[C];2005年

2 張曉燕;林維正;蘇勇;袁益鏞;洪有根;;利用模糊神經(jīng)網(wǎng)絡(luò)處理超聲信號來識別墻體材料的種類[A];第六屆全國建筑工程無損檢測技術(shù)學(xué)術(shù)會議論文集[C];1999年

相關(guān)博士學(xué)位論文 前1條

1 張敬芬;基于振動的設(shè)備故障和結(jié)構(gòu)裂紋智能診斷研究[D];大連理工大學(xué);2003年

相關(guān)碩士學(xué)位論文 前1條

1 胡滔;基于模糊神經(jīng)網(wǎng)絡(luò)梁結(jié)構(gòu)主動振動控制算法研究[D];華中科技大學(xué);2014年

，

本文編號：1840722