基于Dempster-Shafer证据理论的矿山遥感分类.pdf

2015年5月 吉林师范大学学报(自然科学版) No．2 第2期 JournalofJilinNormalUniversity(NaturalScienceEdition) Mav．2015 基于 Dempster—Shafer证据理论的矿 山遥感分类 王淑晴 ，孙翠羽 (1．中国地质大学(北京)土地科学技术学院，北京 100083； 2．华东交通大学土木建筑学院，江西 南昌330013) 摘 要：本文分析了矿山用地的特点，利用Dempster—Shafter证据理论用信任区间表示判决结果的特点，计算地 类不确定性分布图，以CBV为最大划分像元归属类别原则对遥感图像上的矿山用地进行分类．实验结果表明， D—s证据理论用于矿山用地分类的精度高于最大似然方法的精度． 关键词 ：D—S证据理论；矿山；遥感分类 中图分类号：TP79 文献标识码 ：A 文章编号：1674．3873．(2015)02-0139-04 0 引言 资源与环境是当今人类的共同主题．人类的生存和发展需要大量的矿产资源，它是经济社会发展和人 民生活的重要物质基础．目前，政府对矿产资源的开发利用状况的掌握基本采用逐级统计上报和群众举报 的模式，对矿山的开发状况及 由此引发的生态环境问题等进行全面监测的周期长、时效性差、效率低．随着 遥感技术的不断发展，商业化的资源卫星数据的空间分辨率和光谱分辨率越来越高，遥感信息处理技术的 不断进步利用 RS技术手段在一定范围内对矿业秩序混乱地区、生态环境破坏严重地区内矿产开采点的 分布状况、固体废弃物堆放情况、矿产开发引发的环境问题等进行监测已经成为可能_l刮目前遥感图像上 的矿山用地分类存在着很多种方法，现在普遍的分类方法是利用高分辨率遥感图像进行人机交互解译，再 通过野外调绘进行修改、验证和补充．这不仅对于从事遥感图像处理的相关人员要求有很多的经验，而且 工作量很大．因此，本文将结合 Dempster-Shafer证据理论对遥感图像的分类进行探索． Dempster—Shafer证据理论(以下简称D—s证据理论)是经典概率论的一种扩充形式，将证据的信任函 数与概率论的上下值相联系，用信任函数和似然度来解释多值映射，并在此基础上形成了处理不确定信息 的证据理论 ．该理论经过二十几年的发展，在理论上取得了丰硕的成果 引，被认为具有处理多源数据 的能力 J，而且能够与其他的理论相结合，满足多样的分类需求 ．在遥感的分类和识别中，由于 自然环 境的复杂性，以及 自然环境与遥感波谱相互作用的复杂性，地表信息存在不确定性，但人们总是希望从遥 感数据中提取的信息完全客观准确地反映实际情况_l．目前传统的遥感分类是以贝叶斯的主观概率理论 为代表的最大似然法，要求图像数据呈现正态分布，而且不能反映知识的不确定信息．本文将利用 D．s证 据理论用信任区间表示判决结果的特点，给出地类不确定性分布图，以CBV为最大划分像元归属类别原 则对遥感图像上的矿山用地进行分类并进行精度对比分析． 1 D-S证据理论 D—S证据理论属于不确定性推理方法之一，该理论是 由Dempster于 1967年提出的，后 由Shafer加以 扩充和发展．D—S证据理论是 Bayes方法的扩展，在 Bayes方法 中，所有缺乏信息的前提环境 中的特征指定 为一个等价的先验概率．当传感器的有用附加信息或未知前提的数 目大于已知前提的数 目时，已知前提的 概率变得不稳定 “．在D．s方法中，可以通过提高不指定未知前提的先验概率来避免这个问题．实际上， 关于证据的本质就是基于观测对不同的假设赋予权值的一种方法． 收稿 日期：2015-02-21 基金项 目：国家 自然科学基金资助项 目 第一作者简介：王淑晴(1975一)，女，云南省玉溪市人，现为中国地质大学(北京)土地科学技术学院讲师，博士．研究方向：遥感信息处理与地 理信息建模． · 139 · D．s理论中的组合规则提供了组合两种证据的规则．设 m 和m 是2u上的2个相互独立的基本概率 赋值，应用定义 1确定组合后的基本概率赋值：m=m m