應用數學(xué)畢業(yè)論文開(kāi)題報告范文
開(kāi)題報告是開(kāi)題者在確認論文主題之后，對論文初步確定內容的撰寫(xiě)，下面是小編搜集整理的應用數學(xué)畢業(yè)論文開(kāi)題報告范文，歡迎閱讀參考。
題目：基于模糊三I算法的遙感影像聚類(lèi)分析關(guān)鍵技術(shù)研究
1、選題的依據和目的
遙感技術(shù)經(jīng)過(guò)40多年的發(fā)展，無(wú)論在光譜分辨率、空間分辨率、時(shí)間分辨率等方面都有著(zhù)極大的進(jìn)步，己經(jīng)形成高光譜、高空間分辨率、全天時(shí)、全天候、實(shí)時(shí)的對地觀(guān)測能力。隨著(zhù)各種類(lèi)型空間傳感器的大量應用及其分辨率的迅速提高，高分辨率遙感影像可以提供越來(lái)越多的地表物體的形狀結構與紋理信息。因此，充分利用高分辨率衛星遙感影像，結合數學(xué)理論、計算機圖形學(xué)、計算機視覺(jué)、模式識別、人工智能等科學(xué)技術(shù)，研究目標的自動(dòng)提取有著(zhù)十分重要的理論和現實(shí)意義。
遙感影像是對地面特征的綜合，在對遙感影像的研究和應用中，人們往往對影像中的某些部分感興趣這些部分常稱(chēng)為目標或前景(其它部分稱(chēng)為背景)它們一般對應圖像中特定的、具有獨特性質(zhì)的區域。為了辨識和分析影像中的目標，需要將這些有關(guān)區域從影像中分離提取出來(lái)，在此基礎上才有可能對目標進(jìn)一步利用，如進(jìn)行地物的利用詳查和地物的識別等。
遙感影像聚類(lèi)就是指把影像分成各具特性的區域并提取出感興趣目標的技術(shù)和過(guò)程，而這里的特征指的就是遙感影像特征，可以是顏色灰度、紋理等，目標可以對應單個(gè)區域，也可以對應多個(gè)區域。遙感影像聚類(lèi)是遙感影像分析的一個(gè)重要內容。從遙感影像中自動(dòng)提取各類(lèi)地物或其它建筑物類(lèi)別等是攝影測量與遙感領(lǐng)域的難題和重點(diǎn)，它對于攝影測量和遙感影像分析自動(dòng)化起到至關(guān)重要的作用。
在過(guò)去的三十多年里，地物提取在攝影測量界和計算機視覺(jué)界受到了廣泛的重視，針對不同的影像類(lèi)型、不同的影像分辨率、不同區域的影像和不同的道路類(lèi)型，人們提出了許多從航空和遙感影像中提取地物的方法。
隨著(zhù)遙感衛星數據獲取技術(shù)的不斷發(fā)展，遙感影像空間分辨率不斷增高，已經(jīng)達到甚至突破米級，如IKONOS和QUCIKBIRD影像。遙感影像中存儲著(zhù)極為豐富的信息，影像特征結構復雜，既包括地形、植被、水文這樣的自然特征，又包含房屋和道路這樣的人工地物。隨著(zhù)影像分辨率的提高，影像細節特征越來(lái)越豐富，地物目標也越來(lái)越多，許多較混合的在低分辨率影像上難以辨別的地物也能分辨出來(lái)�？墒�，隨之而來(lái)的是影像上細小目標、陰影等非目標噪聲也更越來(lái)越多，利用目前已有方法來(lái)自動(dòng)提取高分辨率影像地物特征則比較困難。因此，如何有效地利用高分辨率影像的高分辨率特性提取地物，是非常具有現實(shí)意義的。
2、國內外的研究現狀
遙感影像聚類(lèi)就是將遙感影像中具有某些共同特征的像元聚集到同一類(lèi)別去的過(guò)程。遙感技術(shù)的新方法、新技術(shù)不斷出現，從目視判讀、計算機自動(dòng)解譯和人機交互等環(huán)節不斷完善遙感影像的聚類(lèi)。
近些年來(lái)，越來(lái)越多的研究人員開(kāi)始關(guān)注高分辨率遙感影像的聚類(lèi)技術(shù)。目前，很多國內外的文獻中都闡述的是利用一些傳統的聚類(lèi)方法加以改進(jìn)類(lèi)進(jìn)行高分辨率遙感影像的聚類(lèi)。比如傳統的聚類(lèi)方法總的可以概括為監督聚類(lèi)和非監督聚類(lèi)方法(Toll 1984; Xia 1996)。
監督聚類(lèi)算法包括如基于最小錯誤概率的Bayes聚類(lèi)算法、極大似然法、Fisher線(xiàn)性判別法、最小距離法和BP神經(jīng)網(wǎng)絡(luò )聚類(lèi)法等。這些方法就是首先根據類(lèi)別的先驗知識確定判別函數和相應的判別準則，其中利用一定數量的己知類(lèi)別的樣本(稱(chēng)為訓練樣本)的觀(guān)測值確定判別函數的中待定參數的過(guò)程稱(chēng)之為學(xué)習或者訓練，然后將未知的樣本的觀(guān)測值代入判別函數，再根據判別準則來(lái)對該樣本的所屬類(lèi)別作出判斷。這種方法如果在聚類(lèi)過(guò)程中注意訓練區的質(zhì)量，可以達到較好的聚類(lèi)效果。但是以極大似然聚類(lèi)法為例，這種方法要求利用先驗知識及概率，并且樣本呈正態(tài)分布、具有良好的統計性等條件，有時(shí)無(wú)法滿(mǎn)足，得不到足夠的訓練信息。尤其對于非高斯分布的樣本數據會(huì )導致聚類(lèi)精度的大大降低。
非監督聚類(lèi)包括ISODATA算法、k均值、改進(jìn)的模糊k均值算法以及前些年發(fā)展起來(lái)的一種嶄新的全局優(yōu)化算法-----遺傳算法(Genetic Algorithm，GA)，它借用了生物遺傳學(xué)的觀(guān)點(diǎn)，通過(guò)自然選擇、遺傳、變異等作用機制，實(shí)現各個(gè)個(gè)體的適應性的提高(Sanghamitra，Bandyopadhyaya，2002;Mind-Der Yang，2004)。還有些通過(guò)在基于像素的傳統的聚類(lèi)器中結合紋理和上下文信息來(lái)提高聚類(lèi)的精度(Gong & Howarth 1990，1992;Sali & Wolfson 1992;Karathanssi et a1.2000;Debeir et a1.2002)。這幾種方法聚類(lèi)簡(jiǎn)單、易操作。但是，這些方法的缺點(diǎn)在于需要事先確定各個(gè)類(lèi)別的初始聚類(lèi)中心和聚類(lèi)數目(遺傳算法可不設定聚類(lèi)數目)，自動(dòng)設置各類(lèi)別中心到現在為止還沒(méi)有一個(gè)切實(shí)有效的方法，而且從肉眼觀(guān)察很難獲得一幅遙感圖像中類(lèi)別的數目。
雖然近幾年來(lái)也發(fā)展了諸如人工神經(jīng)網(wǎng)絡(luò )、模糊聚類(lèi)、決策樹(shù)聚類(lèi)、專(zhuān)家系統聚類(lèi)法以及其他一些紋理聚類(lèi)算法。這些算法能較好地改善中、低分辨率遙感圖像聚類(lèi)精度，但是仍存在一些問(wèn)題。而在實(shí)際的應用中，只能結合具體的情況，選擇較為合適的聚類(lèi)方法。
3、研究的主要內容及創(chuàng )新點(diǎn)
本論文的研究?jì)热菖c創(chuàng )新點(diǎn)主要體現在以下幾個(gè)方面：
1、 提出一種比較適用的影像聚類(lèi)算法---基于模糊Bayes-Gauss判別的遙感影像聚類(lèi)算法，該算法綜合運用了模糊集理論的知識，通過(guò)對模糊隸屬度函數的確定來(lái)修正傳統Bayes算法中的先驗概率，獲得了比較滿(mǎn)意的高分辨率遙感影像的聚類(lèi)算法。
2、 將灰色度理論應用于樣本均值的求解中，克服了傳統的利用簡(jiǎn)單求和取平均來(lái)求樣本均值的缺陷，即各樣本元素所取的權值均相等。利用灰色度理論求出來(lái)的均值向量不受噪聲的影響，從而使得均值向量更能合理地表示出樣本的特性，更有利于影像的聚類(lèi)。
3、 基于有監督聚類(lèi)樣本的采集較為片面，或者采集的樣本塊非常大，不利于影像的聚類(lèi)。結合Fuzzy邏輯推理中的三I算法，提出了模糊熵三I算法。該算法綜合運用了有監督聚類(lèi)和Fuzzy邏輯推理的知識，改善了傳統監督聚類(lèi)的單樣本的缺點(diǎn)，使得獲得的樣本信息更為全面，不僅可以克服同類(lèi)本身顏色的差異，而且還可以克服異類(lèi)間顏色相近的聚類(lèi)難題。
4、研究方案、進(jìn)度安排、預期到達的目標
1)研究方案
在研究中把模糊數學(xué)的知識應用到影像聚類(lèi)中，并且希望找到非經(jīng)典數理邏輯中的三I算法與影像聚類(lèi)的結合之處，然后再運用模糊推理的知識，綜合已經(jīng)獲取的各類(lèi)多樣本信息特征對影像元素進(jìn)行聚類(lèi)判別。
2)進(jìn)度安排
20XX.08 ---- 20XX.09，進(jìn)一步完善資料的收集，加深對影像模糊聚類(lèi)知識的理解;
20XX.10 -----20XX.11，細閱讀文獻，探索利用模糊邏輯學(xué)進(jìn)行影像聚類(lèi)的創(chuàng )新點(diǎn);
20XX.12 -----20XX.01，綜合分析材料，著(zhù)手撰寫(xiě)論文框架內容;
20XX.02 -----20XX.03，畢業(yè)論文的撰寫(xiě)、錄入以及排版;
20XX.04 -----20XX.05，論文送審與答辯。
3) 預期達到的目標
通過(guò)對傳統Bayes算法的改進(jìn)，運用模糊數學(xué)的知識，提出模糊Bayes-Gauss聚類(lèi)算法，以達到改善聚類(lèi)的效果。然而，改進(jìn)的模糊Bayes-Gauss聚類(lèi)算法中存在特征提取的不合理性以及單樣本特征的狹隘性，致使算法的精度不是很高。為改進(jìn)單樣本監督特征提取的缺陷性以及特征向量權值的不合理性，運用模糊邏輯的三I算法，并結合灰色關(guān)聯(lián)度理論對模糊Bayes-Gauss聚類(lèi)算法進(jìn)行改進(jìn)，更好的改善了聚類(lèi)效果、提高聚類(lèi)精度。
5、完成課題已具備和所需的條件及經(jīng)費
經(jīng)過(guò)三個(gè)學(xué)期自己努力勤奮的學(xué)習，同時(shí)在導師的悉心指導下，本人已初步掌握了對該課題的研究所涉及基本問(wèn)題的方法和手段，并且在此基礎上有了自己一定的想法。同時(shí)，學(xué)院建有好的實(shí)驗環(huán)境，給論文的撰寫(xiě)提供了方便。
6、研究的重點(diǎn)和難點(diǎn)，以及擬采取的解決方法
(一)研究過(guò)程中的重點(diǎn)
1) 對于改進(jìn)后的模糊Bayes-Gauss聚類(lèi)算法，要使其盡可能少的受到外界條件的干擾，比較好的提取出完整的各類(lèi)地物;
2)各地物類(lèi)別的特征提取及特征提取中權值如何分配;
3)具體選用地物哪些特征信息作為聚類(lèi)判別的依據;
4)在對遙感影像的聚類(lèi)過(guò)程中，對提取出來(lái)的地物特征以何種方式來(lái)進(jìn)行聚類(lèi)判別，以及尋找模糊推理與非經(jīng)典數理邏輯的結合點(diǎn)是研究的關(guān)鍵部分。
(二)研究過(guò)程中的難點(diǎn)
1)對于改進(jìn)的模糊Bayes-Gauss聚類(lèi)算法，要讓其盡可能少的受到外界條件的干擾，提高聚類(lèi)的精度。目前的影像聚類(lèi)算法中，均還不能很好的適應各種環(huán)境條件，使得聚類(lèi)精度不高。因此，要構造能適應各種環(huán)境的算法是一大難點(diǎn);
2)在影像聚類(lèi)中，由于影像中可能存在同一類(lèi)別顏色具有很大的差異，導致傳統的有監督聚類(lèi)算法不可再有用，如何僅根據顏色特征來(lái)進(jìn)行聚類(lèi)亦是研究的一大難點(diǎn);
3)目前的特征提取中，類(lèi)別特征是利用已知的樣本信息獲得的，且各樣本元素的權值相同，若同類(lèi)樣本中包含個(gè)別異類(lèi)元素，權值也取一樣會(huì )導致特征的誤差性。從而，如何合理地分配各樣本元素的權值也是研究的難點(diǎn);
4)在遙感影像聚類(lèi)的過(guò)程中，尋找模糊推理與非經(jīng)典數理邏輯的結合點(diǎn)來(lái)對提取的特征信息進(jìn)行聚類(lèi)判別;
(三)擬采取的解決方法
1)對改進(jìn)的聚類(lèi)算法，讓其盡可能少的受到外界條件的干擾
首先，對獲得的影像進(jìn)行預處理，盡量地避免因為外界因素的影像而干擾聚類(lèi);其次，盡可能多的考慮一些外界的干擾因素，并將其編寫(xiě)入自動(dòng)識別的程序中，從而使得改進(jìn)的算法能夠比較好的適應各種外界環(huán)境。
2)如何解決同一類(lèi)別包含不同顏色區域的聚類(lèi)
通過(guò)提取同一類(lèi)別的不同樣本來(lái)獲得顏色差異的特征值，以此解決因為顏色的差異而引起聚類(lèi)效果很差及精度不高的問(wèn)題;或者尋找其它的地物特征進(jìn)行地物聚類(lèi)。
3)樣本元素中權值分配的合理性取法
由于傳統的監督聚類(lèi)算法中，通過(guò)采集的樣本獲取類(lèi)別特征具有不合理性，因而尋找權值優(yōu)化方法是解決此問(wèn)題的關(guān)鍵。本文將秉承優(yōu)化原則，利用灰色關(guān)聯(lián)度理論優(yōu)化獲得的樣本中各元素的權值。
4)在聚類(lèi)判別過(guò)程中，尋找模糊推理與非經(jīng)典數理邏輯的結合點(diǎn)
查找相關(guān)資料，在研究過(guò)程中認真思考與總結，同時(shí)不斷的進(jìn)行相關(guān)性的實(shí)驗，通過(guò)大量的實(shí)驗尋找解決辦法;
7、主要參考文獻
[1] 錢(qián)樂(lè )祥.遙感數字影像處理與地理特征提取[M].北京:科學(xué)出版社,2004.
[2] Agrawal A, Kumar N, Radhakrishna M. Multispectral image classification: a supervised neuralcomputation app roach based on rough2fuzzy membership function and weak fuzzy similarityrelation [J].International Journal of Remote Sensing,2007,28(20):4597-4608.
[3] Yamazaki T, GingrasD. Unsupervised multispectral image classification using MRF models andVQ Method [J].IEEE Transactions on Geoscience and Remote Sensing,1999,37(2):1173-1175.
[4] 尹作霞,杜培軍.面向對象的高光譜遙感影像分類(lèi)方法研究[J].遙感應用,2007,4:29-32.
[5] 劉建平,趙英石,孫淑玲.高光譜遙感數據最佳波段選擇方法試驗研究[J].遙感技術(shù)與應用,2001,16(1):6-13.
[6] 于一. K-近鄰法的文本分類(lèi)算法分析與改進(jìn)[J].火力與指揮控制,2008,33(4):143-145.
[7] 楊勇,鄭崇勛,林盤(pán).基于改進(jìn)的模糊C均值聚類(lèi)圖像分割新算法[J].光電子?激光, 2005,16(9):1118-1122.
[8] 萬(wàn)建,王繼成,基于ISODATA算法的彩色圖像分割[J].計算機工程,2002,5(28):135-136.
[9] 尹軍梅,楊明.一種面向單個(gè)正例的Fisher線(xiàn)性判別分類(lèi)方法[J].南京師范大學(xué)學(xué)報(工程技術(shù)版),2008,8(3):61-65.
[10] 付麗, 孫紅帆,楊勇,谷欣超,孫爽滋.基于貝葉斯分類(lèi)器的圖像分類(lèi)技術(shù)[J].長(cháng)春理工大學(xué)學(xué)報(自然科學(xué)版),2009,32(1):132-134.
[11] 邊肇棋,張學(xué)工.模式識別[M].北京:清華大學(xué)出版社,2001.
[12] 陳水利,李敬功,王向公.模糊集理論及其應用[M].科學(xué)出版社,2005.
[13] Luca D A , Termini S. A definition of non-probabilistic entropy in the setting of fuzzy sets thoery [J ]. Inform. Con-t rol, 1972, 20: 301～ 312.
[14] 王國俊.非經(jīng)典數理邏輯與近似推理(第二版)[M].科學(xué)出版社,2008.
[15] 郭方芳,陳圖云,夏尊銓.基于極大模糊熵原理的模糊推理三I算法[J].模糊系統與數學(xué),2003,17(4):55-59.
[16] Laviolette M,Seaman J W,Barrett J D,et al. A probabilistic and statistical view of fuzzy methods[J].Technometrics,1995,37(3):249-261.
[17] 苑飛.基于模糊熵三I算法構造的模糊系統的概率表示及其逼近性能[J].海南師范大學(xué)學(xué)報(自然科學(xué)版),2008,21(4):472-477.
[18] Kiran R.Bhutani,Abdella Battou.An application of fuzzy relations to image enhancement[J]. Pattern Recognition Letters,1995,16:901-909.
[19] 陳丹峰,林陪,汲長(cháng)遠.子組織網(wǎng)絡(luò )與模糊規則結合在遙感土地覆蓋分類(lèi)中的應用[J].中國土地科學(xué),1998,12(5):42-44.
[20] DOMN, VETTERLIM. The contour let transform: An efficient directional multi resolution image representation[J ]. IEEE Transaction Image Processing ,2005 ,14 12 :2091-2106.
[21] 洛建承,周成虎,楊艷.具有部分監督的遙感影像模糊聚類(lèi)方法研究及應用[J].遙感技術(shù)與應用,1999,14(4):37-43.
[22] 王文宇,李博.基于eCognition的高分辨率遙感圖像的自動(dòng)識別分類(lèi)技術(shù)[J].北京 建筑工程學(xué)院學(xué)報,2006,22(4):26-29.
[23] 杜鳳蘭,田慶久,夏學(xué)齊,等.面向對象的地物分類(lèi)法分析與評價(jià)[J].遙感技術(shù)與應用,2004,19(1):20-24.
【應用數學(xué)畢業(yè)論文開(kāi)題報告】相關(guān)文章：
數學(xué)與應用數學(xué)畢業(yè)論文開(kāi)題報告模板12-06
數學(xué)與應用數學(xué)本科畢業(yè)論文開(kāi)題報告03-29
應用數學(xué)本科畢業(yè)論文開(kāi)題報告12-07
數學(xué)專(zhuān)業(yè)畢業(yè)論文開(kāi)題報告11-27
數學(xué)本科畢業(yè)論文開(kāi)題報告范文12-01
精選手機應用開(kāi)題報告12-04
畢業(yè)論文開(kāi)題報告要求03-18
畢業(yè)論文開(kāi)題報告的范文03-19
畢業(yè)論文開(kāi)題報告封面03-18
銀行畢業(yè)論文開(kāi)題報告03-08