题目：遥感图像云识别方法研究

遥感图像云覆盖是影响遥感图像质量及其实际应用的重要因素之一，因此对遥感图像进行云识别和云量统计具有重要的研究意义，是遥感图像处理和模式识别中的重要内容之一。论文首先对遥感图像的特征和结构进行了分析，并重点介绍了本文的主要处理对象——ETM图像的构成和数据结构。接着针对云的光谱和空间特征进行了详尽的阐述，将已有的光谱模式识别方法和空间模式识别方法应用于遥感图像的云识别研究中，最后提出了新的遥感图像云识别解决方案，并设计和实现了该方案的各模块和程序。本文的主要工作，是对遥感图像的云识别方法的研究与实现。文中详细地介绍了光谱云识别和空间纹理云识别方法的原理、流程和方法实现。针对光谱云识别方法，详细介绍了光谱特征的提取，分类判别方法比较和选择，分类结果的误差分析。在分析光谱云识别的不足的基础上，引入了空间纹理云识别方法，重点阐述了纹理特征的提取、神经元网络分类判别和误差分析。经过这两种云识别方法的原理和试验对比，提出了遥感图像的云识别方案。利用局部空间纹理云识别方法对整体的光谱云识别方法进行了必要的补充，从而在不影响云识别的总体速度的基础上，提高了分类精度。经过19幅多光谱图像和1800幅单波段测试小图像的分类实验，该方案在保持云类的用户精度（User Accuracy）89%不变的基础上，将生产者精度（Producer Accuracy）从81%提高至87%。实验结果验证了该方案对于遥感图像云识别的有效性和优越性。在云识别的基础上，本文还对遥感图像地表粗分类进行了研究和试验，将光谱模式识别方法进一步用于地表的粗分类，取得了较好的分类效果，试验结果表明，分类的总精度85%，水体的分类精度达到90%以上，陆地和山地的分类精度达到80%以上。