共查询到17条相似文献,搜索用时 106 毫秒
1.
基于SVM的遥感影像的分类 总被引:5,自引:0,他引:5
传统的遥感图像的分类方法包括统计模式识别、句法模式识别、以及神经网络、遗传算法、模拟退火算法等。分析了统计模式识别的方法的优缺点,提出了使用SVM的方法进行遥感图像分类的设想,通过实验证明该方法是有效的和稳健的。 相似文献
2.
本文提出了一种基于知识的遥感图像模糊分类方法,在传统的模糊分类方法中加入了从GIS数据库中发现的知识,用它来辅助进行遥感图像分类,实验结果表明,分类的精度与传统的模糊分类方法相比有了较大程度的提高,是一种较好的遥感图像分类方法。 相似文献
3.
刘少创 《武汉测绘科技大学学报》1994,19(1):45-51
在分析了基于光谱特征的统计模式识别方法用于遥感图像的计算机分类的不足之后,探讨了进一步提高遥感图像分类结果精度及可靠性的途径,指出了在遥感图像的计算机自动分类过程中,综合利用遥感图像多光谱特片及光谱特征以外的辅助信息对遥感图像进行分类是解决上述问题的有效方法,并通过笔者研制的草场资源分类专家系统GES说明了专家系统技术用于遥感图像分类能够有效地解决分类过程中综合利用各种辅助信息的问题。 相似文献
4.
刘少创 《武汉大学学报(信息科学版)》1994,(1)
在分析了基于光谱特征的统计模式识别方法用于遥感图像的计算机分类的不足之后,探讨了进一步提高遥感图像分类结果精度及可靠性的途径,指出了在遥感图像的计算机自动分类过程中,综合利用遥感图像多光谱特征及光谱特征以外的辅助信息对遥感图像进行分类是解决上述问题的有效方法,并通过笔者研制的草场资源分类专家系统GES(GrasslandResourcesClassificationExpertSystem)说明了专家系统技术用于遥感图像分类能够有效地解决分类过程中综合利用各种辅助信息的问题。 相似文献
5.
6.
7.
模糊技术由于能处理不确定性中的模糊性,因而在遥感图像处理中得到了很好的应用。本文就模糊技术在遥感图像增强、遥感图像边缘检测和遥感图像分割这三个方面的应用进行分析与归纳,并研究了模糊技术在这三个应用方面存在的问题进行了研究。 相似文献
8.
随着遥感技术的发展,将会有更多不同时间、空间分辨率的遥感图像数据应用于各个领域的工程中,遥感图像的模式识别便成为当前遥感图像应用研究领域中一个很重要的研究方向。人工神经网络(Artificial Network Networks,ANN)是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。基于神经网络的遥感图像识别是遥感图像处理领域这几年的研究重点。本文首先介绍了人工神经网络和模式识别算法的基本理论知识,然后利用人工神经网络在Matlab工具箱环境中进行高空间分辨率的遥感图像识别。 相似文献
9.
采用保护区域二次细化算法、围线法追踪边界、分裂法折线化以及模糊连接等手段对二值地图图像进行了矢量化预处理,处理过程中逐步消除噪声,再运用模糊模式识别方法对地图图形的图元进行识别并矢量化,得到比较满意的结果。 相似文献
10.
11.
12.
为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各... 相似文献
13.
通过分析传统的遥感变化检测方法存在的问题,提出了面向对象的遥感变化检测方法。本文利用某地ETM+两个时相的遥感影像,将面向对象和传统变化检测方法进行定性定量的比较,从而得出面向对象的遥感变化检测方法的优势。该方法采用了基于相邻影像区域合并异质性最小的面向对象的多尺度分割方法和模糊分类的方法对变化检测图像进行处理,从而提高了变化检测结果的精度。最终得到较理想的实验分析结果。 相似文献
14.
高分辨率遥感影像超像素的模糊聚类分割法 总被引:1,自引:0,他引:1
传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。 相似文献
15.
一种模糊聚类的遥感影像分析方法研究 总被引:1,自引:0,他引:1
针对传统模糊聚类的遥感影像分析方法的不足,重点研究基于模糊ISODATA聚类的遥感影像分析。通过Matlab软件编程实现基于迭代自组织数据分析技术、模糊C均值聚类、模糊ISODATA算法对合成图像、纹理图像及真实遥感影像的分类,并对其分类结果进行讨论。通过实验数据对比,评价FISODATA算法的优越性。实验结果表明:ISODATA算法及FISODATA算法都能够实现变类,而FCM算法只能在固定聚类数下进行分类,但是,ISODATA算法分类机制不稳定,不能每次都确定正确聚类数。在迭代过程中,将FISODATA算法引入模糊集理论,便能够快速准确的实现聚类数的确定。 相似文献
16.
针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析(CVA)和直觉模糊C均值聚类算法(IFCM)的多时相遥感影像变化检测方法. 首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价. 选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据. 实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法. 研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估. 相似文献
17.
非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强 总被引:2,自引:0,他引:2
针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。 相似文献