多边形裁剪算法的完善

针对Visual C++环境下多边形裁剪算法实际应用中出现的问题,分析了其产生的原因,给出了具体的解决方法.同时指出可以通过判断矢量多边形面积的正负值将多边形的顶点按照顺时针或逆时针方向排序.     

面向应用的高光谱影像分类方法

提出了一种面向应用的高光谱影像分类方法,旨在从根本上、全方位地削弱各种不利因素对该类影像分类精度的影响.主要包括利用IEM算法获取更为精确的类别分布信息,采用Tabu搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签.实验表明,按照该方法进行高光谱影像的分类处理,可以得到很高精度的分类结果.     

高光谱影像处理方法的改进

介绍了高光谱遥感的发展概况及通用数据处理流程,着重分析了数据处理过程中的Hughes现象,指出可以通过对传统的处理方法进行适当的改进来有效地抑制Hughes现象,提高高光谱影像分类精度。     

基于Tabu搜索的高光谱影像特征选择

在高光谱影像的分类过程中,如何有效地降低特征空间的维数,又能保证原始数据所包含的丰富地物信息,是一项十分重要而繁琐的工作。在分析了传统降维方法所面临问题的基础上,将禁忌(Tabu)搜索算法引入到高光谱影像的特征选择研究,指出由于Tabu搜索算法所具有的良好全局寻优能力,因而在该类影像的降维研究中有着广阔的应用前景。实验表明,将Tabu搜索算法获取的波段进行高光谱影像分类,在求解的时间和分类结果的精度上都可达到令人满意的效果。     

面向应用的成像光谱数据分类技术

提出了面向应用的成像光谱数据分类技术,旨在从根本上、全方位地削弱各种不利因素对分类精度的影响。该项技术主要包括利用IEM算法获取更为精确的类别分布信息,采用禁忌搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

面向应用的高光谱影像分类方法

提出了一种面向应用的高光谱影像分类方法,旨在从根本上、全方位地削弱各种不利因素对该类影像分类精度的影响。主要包括利用IEM算法获取更为精确的类别分布信息,采用Tabu搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签。实验表明,按照该方法进行高光谱影像的分类处理,可以得到很高精度的分类结果。     

组合分类器及其在高光谱影像分类中的应用

多分类器组合问题一直是模式识别和机器学习领域的研究重点.由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果.将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略.实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果.     

基于仿射变换的新型遥感传感器成像模型

从平行投影的几何关系分析、投影性质的转换、严格仿射变换数学模型的建立等方面,研究基于仿射变换的传感器成像模型,给出实验结果和分析结论。实验结果表明,该方法可以产生一个精度高并且稳定的模型定向结果。     

高光谱影像分类及组合分类器的应用

高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘。组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能。将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念。实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果。