论文部分内容阅读
遥感图像的大量产生和普遍应用，迫切需要在图像数据管理和分析的思路、技术、算法方面有新的突破。人们往往需要从海量遥感数据中获取不同层次分类知识，并将这些知识应用到遥感图像分类中，以加快遥感图像分析处理的速度和准确性，最终建立以遥感图像为基本数据源的智能GIS。本文系统研究了遥感图像数据挖掘所涉及的若干关键技术，主要工作总结如下： 1．在遥感图像数据挖掘体系方面，提出了基于空间数据仓库的遥感图像数据挖掘流程，在此基础上提出一个遥感图像数据挖掘集成框架，以实现遥感图像数据挖掘过程中所涉及到的数据准备、建立数据仓库、数据聚焦、创建数据挖掘模型、训练模型和使用模型进行预测分类等技术环节。 2．在面向数据挖掘的遥感图像数据建模及特征提取技术方面，提出了遥感图像多层信息抽象数据模型，以作为将非结构化的遥感图像数据结构化、建立遥感图像特征数据库和数据仓库的理论基础。建立了多层信息抽象数据模型的高层视图和特征数据库模式，为特征提取提供技术依托。 3．在遥感图像数据仓库与OLAP方面，针对关系型数据仓库数据模型----关系型多维数据模型及其OLAP技术处理空间数据的不足，对关系型多维数据模型进行扩充，向传统多维数据模型中引入空间维度、空间度量聚合索引以及空间算子集合，提出了空间多维数据模型。基于ORACLE SPATIAL对象关系模型和微软立方体构建技术提出了矢量型空间度量指针交集物化算法的改进算法，以解决矢量型视觉特征的物化问题。设计、实验了一个用于评价各专题要素在多波段遥感图像分类中作用的遥感图像数据立方体，并基于该立方体对各专题要素在分类中的作用进行了OLAP分析。 4．在遥感图像数据挖掘模型与实现方面，提出了遥感图像数据挖掘模型结构。基于该模型进行创建、训练和预测。基于MS OLE DB for Data Mining规范提出了开放式数据挖掘算法的设计与实现要点。探讨了ERDAS IMAGINE专家分类器与数据挖掘原型系统的集成，以解决ERDAS知识工程师在知识获取与表达方面的瓶颈。设计、实验了RSDMM决策树分类模型，通过与ERDAS专家分类器、Hopfield模型分类过程和效果的对比，表明RSDMM决策树分类模型充分考虑了空间关系及其它上下文信息，知识驱动，知识获取、表达与应用的自动化程度高，且具有较高的分类精度。