高分辨率遥感影像分割：多特征与模糊偏好关系结合

"这篇论文是陈烜、刘晓燕、赵泉华和李玉共同发表在《控制与决策》期刊2020年第35卷第4期的文章，标题为‘结合多特征和模糊偏好关系的高分辨率遥感影像分割’。文章探讨了一种新的高分辨率遥感影像分割技术，该技术综合了光谱特征和纹理特征，并运用模糊偏好关系来提高分割精度。" 文章详细介绍了一种创新的高分辨率遥感影像分割方法，旨在解决如何从复杂影像中提取精确信息的问题。高分辨率遥感影像不仅具有丰富的光谱信息，还包含了复杂的纹理特征，这些特征对于准确识别地物至关重要。作者首先通过像素光谱测度来定义多种统计特征，如平均值、标准差、对比度等，以此为基础提取特征影像并分别进行初步分割，生成模糊决策矩阵。 接下来，文章引入了模糊偏好关系的概念，用于衡量不同特征之间的相对重要性。通过对像素级别的特征进行比较，可以构建一个模糊偏好关系矩阵，这个矩阵反映了特征间的相对优势。通过计算这些关系，可以确定每个特征对最终分割决策的权重。加权模糊决策矩阵能强化有益特征的影响，同时减少不理想特征的干扰，从而优化分割效果。 经过上述处理后，通过反模糊化过程，将加权模糊决策矩阵转化为清晰的分割决策，最终得到最优的影像分割结果。实验证明，该方法在合成影像和实际高分辨率遥感影像上的应用，取得了极高的分割精度，总精度达到了99.8%，Kappa值为0.998，这充分证实了该算法在高分辨率遥感影像分割中的有效性。 文章中提到的其他几篇相关文献，如基于新排序函数的直觉模糊双边匹配决策方法、基于概率犹豫模糊熵的多属性决策方法、参数自适应的可变类FLICM灰度图像分割算法以及双论域上的犹豫模糊语言多粒度粗糙集及其应用，均涉及到模糊理论和决策方法在不同领域的应用，显示了模糊系统和多特征融合在解决问题时的强大潜力。 这篇文章为高分辨率遥感影像的处理提供了一个新的视角，通过融合多种特征并利用模糊偏好关系进行决策，实现了高精度的影像分割，这对于遥感图像分析、地物识别以及环境监测等领域具有重要的实用价值。