1、遙感技術(shù)通過(guò)不同的空間平臺(tái)(如飛機(jī)、衛(wèi)星)上的傳感器(包括可見(jiàn)光、紅外、微波、激光等傳感器)從空中遠(yuǎn)距離被動(dòng)或主動(dòng)地獲取地球表面大量數(shù)據(jù)。這些數(shù)據(jù)只有經(jīng)過(guò)處理和解譯才能變成有用信息。而當(dāng)前最突出的是缺乏快速有效的各種專(zhuān)題信息提取的技術(shù)和方法，如何從遙感大量影像數(shù)據(jù)中，快速有效的獲取有用的信息，以適應(yīng)各種基礎(chǔ)信息系統(tǒng)建立的需求。介于此，本文深入探討了應(yīng)用粗糙集理論對(duì)遙感影像中各種專(zhuān)題信息的特征屬性分析，從影像中對(duì)特定村鎮(zhèn)建設(shè)區(qū)、水體、農(nóng)田

2、、林地、裸地等專(zhuān)題信息的快速提取，初步建立了專(zhuān)題信息提取的遙感信息系統(tǒng)。 不同傳感器獲取的不同分辨率遙感影像特性是各不相同的?！巴锂愖V，同譜異物”現(xiàn)象的廣泛存在，使得各種地物專(zhuān)題的正確區(qū)分變得非常困難。這種不確定性運(yùn)用粗糙集理論進(jìn)行分析探討，并做了一些算法設(shè)計(jì)與試驗(yàn)分析的工作，得到了良好的提取結(jié)果。 因此，本文主要圍繞通過(guò)遙感數(shù)據(jù)機(jī)理探究，解析專(zhuān)題信息提取中的不確性及如何結(jié)合粗糙集來(lái)解決遇到的問(wèn)題。 粗糙集理論

3、是一門(mén)新興的不確定性處理理論和工具，它特別適合于不完整、不確定知識(shí)和數(shù)據(jù)的表達(dá)、學(xué)習(xí)和歸納。遙感信息從其數(shù)據(jù)獲取開(kāi)始，就始終伴隨著不確定性的存在，應(yīng)用不確定性理論和方法研究遙感專(zhuān)題信息提取是當(dāng)前遙感信息智能處理領(lǐng)域的主流研究趨勢(shì)之一． 專(zhuān)題信息提取，每種專(zhuān)題都有一種特定的模式。文中詳細(xì)分析了村鎮(zhèn)建設(shè)區(qū)，水體、道路、農(nóng)田這些“模式”是如何形成的。文章就人工智能、模式識(shí)別理論與遙感圖像專(zhuān)題信息提取之間的關(guān)系進(jìn)行詳細(xì)探討。專(zhuān)題信息的知

4、識(shí)是怎么表達(dá)的，通過(guò)建模進(jìn)行特定專(zhuān)題信息的知識(shí)表達(dá)及機(jī)器識(shí)別。 各專(zhuān)題地物信息的知識(shí)表達(dá)抽象且模糊，怎樣進(jìn)行有效的分析引入粗糙集理論，其特點(diǎn)為以不完全信息或知識(shí)去處理一些不明晰現(xiàn)象的能力，或者說(shuō)依據(jù)度量到的某些不精確的結(jié)果而進(jìn)行數(shù)據(jù)區(qū)分的能力。遙感專(zhuān)題信息中含有的較強(qiáng)空間復(fù)雜性和相關(guān)性，處理過(guò)程中存在不完整性和不確定性，所以借助善于處理不確定性信息的粗糙集理論具有比一般的硬計(jì)算方法可以獲得更好的性能。 本文的主要工作與創(chuàng)

5、新性成果包括： 1、研究特定專(zhuān)題信息知識(shí)表達(dá)的空間建模技術(shù)。不同遙感影像中待提取的特定專(zhuān)題地物的多種特征或?qū)傩钥蛇\(yùn)用粗糙集來(lái)進(jìn)行重要關(guān)鍵的特征屬性挑選，而不需要采用諸如模糊隸屬度函數(shù)、概率分布密度等先驗(yàn)知識(shí)，同時(shí)不會(huì)受到前提條件的約束。由此得到的遙感圖像專(zhuān)題的典型描述，對(duì)提取工作起指導(dǎo)性作用。 2、從圖像數(shù)據(jù)的不確定性出發(fā)，闡明圖像分割與分類(lèi)的聯(lián)系以及它們與圖像專(zhuān)題信息提取的密切聯(lián)系。從分析不確定性出發(fā)，研究并開(kāi)發(fā)了一種

6、普適性較好的影像中自動(dòng)提取道路專(zhuān)題的方法，且在多種遙感影像數(shù)據(jù)的道路專(zhuān)題提取中得到成功應(yīng)用。 3、提出遙感影像信息決策表的表達(dá)形式，并開(kāi)發(fā)出基于變精度粗糙集(VPRS)的遙感數(shù)據(jù)特征選擇算法，變精度粗糙集中β對(duì)提取規(guī)則特征集的影響及β的穩(wěn)定區(qū)間的解決，使得算法能得到一致穩(wěn)定的結(jié)果。 4、將遙感數(shù)據(jù)表達(dá)成特征向量形式，由于對(duì)大量特征進(jìn)行有效降維能提高提取效率，于是創(chuàng)造性提出基于RgPCA的遙感影像特征降維方法，該方法能克服

7、干擾，并在相同精度下比常規(guī)PCA提取的主成分個(gè)數(shù)更少。 5、遙感影像的專(zhuān)題劃分可以通過(guò)聚類(lèi)來(lái)完成?？紤]到不確定因素，提出了Roughk-means聚類(lèi)方法對(duì)遙感數(shù)據(jù)向量進(jìn)行劃分以提取出專(zhuān)題，從誤差矩陣的分析結(jié)果看，Roughk-means聚類(lèi)自動(dòng)提取專(zhuān)題的方法效果要更好一些。而且將Roughk-means聚類(lèi)方法成功應(yīng)用于大范圍遙感影像中。 6、不確定性為誤差概念的延拓，為比誤差更一般的度量，是被量度對(duì)象知識(shí)缺乏程度的描