随着遥感技术的发展,遥感数据的类型越来越丰富、数据量日益剧增,海量的遥感数据在同一地区形成了多时相遥感影像序列数据。遥感影像时间分辨率的提高,使得遥感数据中蕴含的时间维度信息越来越丰富。遥感影像时间维度信息的增加拓展了遥感数据的应用领域,如何利用或借鉴目前成熟的技术方法,挖掘海量遥感数据所蕴含的丰富信息(特别是时间维信息),提高多时相遥感图像地物分类识别精度始终是遥感应用领域研究人员无法回避的难题。论文针对这一难题,以中国南海北部湾地区为研究区,在借鉴多分类器融合算法、随机森林算法和指纹识别技术等理论的基础上,重点研究了如何利用多时相遥感图像中蕴含的丰富信息的方法,从两种算法构建思路(即改善优化现有遥感图像分类算法和借鉴相关领域技术构建全新遥感图像分类识别算法)出发,构建了多时相遥感影像分类与识别算法。具体来说,论文通过对多分类器融合算法和随机森林算法的分析,首先利用稳定权重加权投票法对多分类器融合算法做了相应的改进,并在借鉴随机森林算法的基础上,将改进后的多分类器融合算法应用于多时相遥感图像分类;随后借鉴指纹识别技术提出了基于像元图像指纹识别技术的多时相遥感图像分类与识别算法;最后利用研究区多时相Landsat OLI影像数据进行了算法的验证测试,算法的分类识别精度达到了预期效果。论文的研究结论和创新点包括:(1)构建了基于稳定权重加权投票的多分类器融合算法。在借鉴前人关于多分类器融合算法相关研究成果的基础上,对比分析了基于多种投票模式的多分类器融合分类结果,提出了稳定权重的概念,改进了精度权重值的不稳定性问题,并对稳定权重进行了修正,最终构建了基于稳定权重加权投票的多分类器融合算法。该算法不仅改善了分类器的分类性能,显著提高了遥感图像分类精度,而且避免了因精度评价样本的抽样性带来的不稳定性问题。通过测试可知:算法分类结果的总体精度从各子分类器分类结果的52.76%-58.23%提升至61.54%,提升了3.31%-8.78%。(2)提出了基于稳定权重加权投票的多分类器迭代融合算法模式。利用迭代算法思想,对基于稳定权重加权投票的多分类器融合算法进行了改进,提出了基于稳定权重加权投票的多分类器迭代融合算法模式,充分挖掘了多分类器融合算法的潜力,进一步提升了分类精度。(3)提出了基于稳定权重加权投票的多训练样本集多时相影像多分类器三重融合算法模式。为了挖掘利用多时相遥感影像所蕴含的丰富地物信息(特别是时间维度信息),论文通过分析遥感图像监督分类过程中的三个主要影响因素,在借鉴随机森林算法思想的基础上,提出了基于稳定权重加权投票的多训练样本集多时相影像多分类器三重融合算法模式。该算法充分考虑了遥感图像分类过程中的影响因素,改善了因训练样本抽样特性带来的不稳定性问题,改善了不同分类器的性能差异问题,同时也在一定程度改善了单一时相遥感影像所带来的“同物异谱,异物同谱”的影响,通过算法的三次融合融合分类,极大限度地提升了遥感图像的分类精度。算法测试结果表明:总体精度从最初的42.30%-69.08%提升至83.09%,提升了 14.01%-40.39%,提升幅度显著。(4)构建了基于像元图像指纹识别的多时相遥感图像分类识别算法。在借鉴指纹识别技术原理的基础上,论文通过构建遥感多时相影像的像元图像的方法,利用Hash算法原理,提出了基于像元图像指纹识别的多时相遥感图像分类算法和基于像元图像指纹识别的多时相遥感图像目标地物识别算法。该算法充分利用了多时相遥感影像丰富的时间维度信息,有效解决了高维影像数据的数据冗余所带来的算法效率低下问题,提高了遥感图像分类精度的同时,提升了算法运算效率。通过算法最终测试可知:分类算法测试结果的总体精度可到达80%以上,而从识别算法的测试结果(红树林和桉树林)来看,识别算法对红树林和桉树林的识别正确率分别达到了 79.63%和75.54%。测试结果表明算法取得了令人满意的效果。论文利用多分类器融合思想和迭代算法思想构建了基于稳定权重加权投票的多分类器融合算法及其迭代融合算法,并将其应用于遥感多时相影像;进而构建了基于稳定权重加权投票的多训练样本集多时相影像多分类器三重融合算法模式,消弱了遥感图像监督分类过程中的各因素对分类结果的不利影响,改善了分类效果,提高了分类精度,但是该算法分类过程复杂冗长,算法效率较为低下。而论文最后构建的基于像元图像指纹识别的多时相影像分类算法,通过图像压缩技术,在提高算法效率的前提下,挖掘了多时相影像的时间维度信息,一定程度上改善了遥感图像分类效果,提高了分类精度,另外该算法经过改进,通过利用统计分析结果设定合理阈值的方式,将分类算法转化为目标地物的识别算法,使得地物类型的识别更加快速有效。基于两种算法思路构建的分类(识别)算法或者模式,各有优劣。