基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告.docxVIP

基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告

一、选题背景与意义

土地利用是指人类在土地上的各种活动所形成的利用方式，是城市化、工业化等人类活动的重要基础，对于生态环境、经济发展等都有着不可或缺的作用。遥感技术具有观测范围广、时间频次高、信息更新快等优点，因此被广泛应用于土地利用研究中，通过对遥感图像进行分类可以实现对土地利用类型的监测和分析。但是，遥感图像分类过程中存在着多源数据、复杂地物类别、分类精度等问题，因此如何提高遥感图像土地利用分类的精度和效率是当前研究的热点和难点。

二、研究内容与目标

本研究旨在探究基于FNEA（特征选择和邻域扩展算法）与D-S证据理论的土地利用遥感分类方法。具体研究内容包括：

1.建立遥感土地利用分类系统，包括土地类型、分类精度等方面的指标定义；

2.对遥感图像进行预处理，包括图像增强、噪声去除等步骤，以提高分类精度；

3.采用FNEA算法进行特征选择，提取遥感图像中的有效特征，降低分类误差；

4.采用D-S证据理论进行遥感图像土地利用分类，将不确定性引入到分类过程中，并通过DSm分数计算出每个分类结果的可信度；

5.验证所提出方法的有效性和实用性，进行实验分析，与传统分类方法进行比较。

三、研究方法和技术路线

本研究采用的方法主要包括遥感图像预处理、特征选择、分类算法等。具体技术路线如下：

1.收集研究区域的遥感图像数