遥感图像数据挖掘体系结构的研究.pdf

遥感图像数据挖掘体系结构的研究 ， 1 何月顺1 2 丁秋林 (1. 南京航空航天大学，江苏，南京 210016 2. 东华理工大学，江西，南昌 330013) 摘要：数据挖掘对象与挖掘目标不同，数据挖掘的体系结构有所不同；本文对遥感图像数据特征 进行了分析，遥感图像数据是连续的、典型的非结构化数据，具有很强的时间性、空间相关性， 难以分解和组合等特征，在分析传统的数据挖掘流程和体系结构的基础上，提出了适合遥感图像 数据挖掘的流程和体系结构；以ERDAS Imagine生成特征库为例，对设计的流程和体系结构进行 验证，达到了预期的挖掘速度与效果。 关键词：遥感图像；数据挖掘；非结构化；体系结构 Research of the system structure for the remote sensing imagine data mining He Yue-Shun1, 2 Ding Qiu-Lin1 (1.Nanjing University of Aeronautics and Astronautics, Nanjing, JS, 210016 2.East China Institute of Technology, Nanchang, JX, 330013) Abstract: The system structure of Data Mining was different because of its object and purpose; Remote sensing data was analyzed in the paper, the characters of it were sequential and typical non-structure and timeliness and space relativity, and it was difficult to decompose and assemble. The flow and system structure of the remote sensing image data mining were advanced based on conventional. It was validated by the character database from the ERDAS Imagine, the speed and purpose of data mining was perfect. Keywords: remote sensing imagine; data mining; non-structure; system structure 0 引言 00 引引言言 遥感图像特征提取与模式识别技术的发展，使得有可能将非结构化的遥感图像数据组织 成一组相互关联的结构化数据，遥感图像的挖掘不同于一般的关系型数据的挖掘，在遥感图 像与传统数据库、数据仓库、数据挖掘系统的界面上，存在着许多没有解决的理论和技术问 [5][6] 题，如在遥感图像数据挖掘的体系流程和体系结构、结构化建模等等 。 遥感图像数据挖掘系统的设计目标，首先要能从遥感图像数据中提取原始像素或特征，并将这些 像素值和特征值存储到对象——关系型特征数据库中；第二是能基于空间数据仓库技术的抽取、 清洗、转换、装载功能，为基于内容的OLAP和挖掘提供数据准备；第三是能通过函数级或对象 级API调用各种数据挖掘算法进行数据挖掘；第四是能将挖掘出的分类规则运用到图像分类专家 系统中，以进行规则指导的图像分类。上述这些目标的实现涵盖了关系型数据挖掘、数据仓库、 遥感图像特征提取与模式识别、图像数据库、图像信息系统、基于内容的图像查询技术与Web等 多个复杂的技术领域，这些技术的相互融合和发展为遥感图像数据挖掘系统的开发提供了可供借 鉴的思路和技术基础。然而，将这些技术集成到一个系统框架中，是一件具有挑战性的工作。系 统的结构受制于系统所处理的数据类型和系统设计的目标任务，同时也决定系统的功能、可维护 [5] 性和易用性等。本文将重点探讨遥感图像数