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.pdf

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据，并进行预处理，包括图像增强、

噪声去除等；

2.提取遥感图像的特征向量，并采用FNEA算法进行特征选择，降

低分类误差；

3.采用D-S证据理论进行土地利用分类，将不确定性引入到分类过

程中，计算出每个分类结果的可信度，并生成分类图像；

4.对分类结果进行评价，包括分类精度、分类混淆矩阵等；

5.对比传统分类方法和本文方法的分类效果，分析优缺点并进行总

结。

四、研究预期成果

本研究预期达到以下成果：

1.建立基于FNEA与D-S证据理论的土地利用遥感分类方法，提高

分类精度和效率；

2.研究出最佳特征向量组合，为土地利用分类提供数据支持；

3.实验验证并评价所提出方法的有效性和实用性，为土地利用类型

的监测和分析提供支持；

4.为进一步研究遥感图像土地利用分类提供参考和借鉴。