共查询到20条相似文献,搜索用时 109 毫秒
1.
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
2.
3.
基于混合像元的遥感图像分类技术 总被引:13,自引:0,他引:13
本文提出了混合像元的概念,研究了基于混合像元的遥感图像分类问题,根据最小二乘法的原理导出了混合像元的分类算法。实验表明:在多光谱图像分类中考虑混合像元的客观存在,可以大大提高遥感图像的分类精度。 相似文献
4.
5.
6.
高光谱遥感图像的监督分类 总被引:1,自引:0,他引:1
图像分类是高光谱遥感图像分析与应用的重要手段。总结了目前用于高光谱图像监督分类的主要方法,包括最小距离法、最大似然法、神经元网络法和支持向量机法,分析了上述方法的特点,并探讨了高光谱遥感图像分类方法的发展趋势。 相似文献
7.
一种简单加入空间关系的实用图像分类方法 总被引:10,自引:0,他引:10
遥感图像分类是遥感图像处理的一项基本内容,也是遥感应用中关键的一步。为了提高分类的精度,一方面是对光谱信息的合理利用;另一方面,可以加入新的信息源,即进行多源数据处理,并加入地学知识,尤其是对空间信息的利用是至关重要的。但是由于地学知识的复杂性及空间信息利用的难度以及数据源的限制,尚无公认的实用方法。该文提出了一种简单加入空间关系的分类方法,在没有其它数据源的情况下,利用空间关系特性,在分类中构造两个空间关系波段,实现空间约束,部分消除仅依赖光谱数据分类而引起的同物异谱和同谱异物造成的分类错误。简单实用,同时也验证了空间关系在分类中的重要性。 相似文献
8.
遥感图像分类与后处理综合技术研究—基于约束满足神经网络方法 总被引:3,自引:0,他引:3
遥感图像计算机分类的精度问题是阻碍计算机遥感信息处理系统实用化的一个关键问题。将分类后处理中的分类结果平滑过程模型化为约束优化问题,采用神经网络方法把分类结果平滑过程与遥感图像分类过程结合起来,提出了基于约束满足神经网络的遥感信息分类与后处理综合技术。实验表明该方法可明显提高森林类型划分、土地利用调查等遥感应用专题的分类精度。 相似文献
9.
10.
11.
12.
13.
14.
基于ASTER数据的决策树自动构建及分类研究 总被引:6,自引:3,他引:6
在对ASTER原始9个波段数据进行各种变换处理的基础上,采用数量化指标平均可分性方法确定参与分类的最佳特征组合; 结合研究区8种主要地物类型训练数据集,分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类,提取主要地物的空间分布专题信息。经过379个野外样点的验证,结果表明: 决策树算法分类性能最优,神经网络算法次之,最大似然法效果最差; 与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较,基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点。 相似文献
15.
地理信息系统支持下的山区遥感影像决策树分类 总被引:6,自引:2,他引:6
山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法(C 4.5算法)自动提取知识,基于知识建立决策树用于山区影像分类,并结合研究区土地利用类型与DEM空间统计关系的先验知识,在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比,该方法极大地改善了山区地表覆被分类的精度,得到试验区较为可靠的遥感分类图像。 相似文献
16.
17.
18.
19.
本文叙述应用计算机自动识别分类技术在航天遥感图像中对森林资源进行分类的一些探索研究。本文介绍了采用自编程序“地理坐标系和图像坐标系的精密仿射变换”、“识别型增强技术”、“多光谱信息的特征提取”、“多光谱模糊算法聚类分析”等一系列算法后所取得的分类图像结果,与实地及目视解译相比较,森林分类相对精度达90%。 相似文献