排序方式: 共有11条查询结果,搜索用时 31 毫秒
1.
2.
高光谱遥感影像分类研究进展 总被引:4,自引:0,他引:4
随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。 相似文献
3.
基于龙岩市多时相Landsat TM/ETM+数据,应用最大似然、决策树及支持向量机分类方法对龙岩市景观类型进行分类.从3种分类方法的比较得知,支持向量机分类方法表现出较高的性能,分类精度明显高于其他的分类方法.因此选择最佳的支持向量机分类结果,并结合景观生态学方法,分析了1992-2008年龙岩市新罗区景观格局及其动态变化信息.结果表明,1992-2008年新罗区主城区农业用地大幅度降低,相应转化为建筑用地,但是却保持着良好的森林覆盖率.同时城市景观组分经历了由扩散式增长过程到粘合式集聚增长过程的转变,城市形态由不稳定形态逐步向稳定形态演化.整体上而言,城市景观呈现出破碎度变小、多样性降低和聚集度升高的发展趋势,建筑用地是龙岩市新罗区的主要景观类型. 相似文献
4.
利用流形学习进行高光谱遥感影像的降维与特征提取 总被引:4,自引:1,他引:3
基于最新的非线性降维方法——流形学习的理论,从高光谱遥感数据内在的非线性结构出发,采用全局化的等距映射(Isomap)方法进行降维,取得了优于常用的MNF方法的结果。把光谱角和光谱信息散度与测地距离相结合用于Isomap算法,结果在冗余方差和光谱规范化特征值方面优于采用传统欧氏距离计算邻域的Isomap方法。实验表明,流形学习是一种有效的高光谱遥感数据特征提取方法。 相似文献
5.
6.
基于随机森林的国产小卫星遥感影像分类研究 总被引:5,自引:0,他引:5
近年来随着小卫星数量与传感器类型的快速增加,急需研究和发展快速可靠的小卫星遥感影像分类方法。针对分类方法各具局限性、具体应用中最优分类器选取困难等问题,本文基于多分类器集成学习的思路,引入随机森林(Random Forests)方法用于小卫星遥感影像分类。采用灾害监测预报小卫星(HJ-1)、北京1号小卫星(BJ-1)两种国产小卫星多光谱遥感影像进行试验,并与传统分类方法进行比较,结果表明,随机森林比最大似然分类器(MLC)、支持向量机分类器(SVM)等具有更好的稳定性、更高的分类精度和更快的运算速度,具有很好的适用性。 相似文献
7.
8.
9.
北京一号小卫星数据的城市景观格局监测分析——以徐州市城区为例 总被引:1,自引:0,他引:1
为了推进北京一号小卫星遥感数据在城市景观生态研究中的应用,针对其全色影像4m分辨率、多光谱影像32m分辨率的特点,试验分析北京一号小卫星影像在城市景观格局变化中的应用效果和特点。通过对不同分类器的比较,选择支持向量机分类器对多光谱影像、全色影像、全色与多光谱融合影像三个数据集进行景观组分分类,结果表明,全色与多光谱融合影像的分类精度最高。利用多时相、多光谱遥感数据统计分析了城市景观组分与格局变化,表明32m空间分辨率的多光谱影像可以用于城市景观格局变化和土地覆盖变化分析。本文全面试验和分析评价了北京一号多分辨率数据在城市景观格局研究中的应用效果。通过对同一年份全色影像和多光谱影像计算的景观格局指标的分析表明,全色数据能更有效地描述景观详细信息,多光谱数据可展现城市景观的整体格局,而融合后对景观格局分析能够获得优于单一数据的效果。试验和分析表明,北京一号小卫星4m全色高分辨率影像和32m多光谱数据的波段组合,能从不同尺度揭示城市景观格局和变化过程。 相似文献
10.
合成孔径雷达(SAR)因其对地观测全天候、全天时优势,成为多云多雨天气限制下洪水动态监测中不可或缺的数据来源之一。由于GEE(Google Earth Engine)云计算平台的兴起和短重访Sentinel-1数据的可获取性,洪水监测与灾害评估目前正面向动态化、广域化快速发展。顾及洪水淹没区土地覆盖变化的复杂性和发生时间的不确定性,基于时序Sentinel-1A卫星数据提出了针对大尺度范围、连续长期的汛情自动检测及动态监测方法。该方法首先,利用图像二值化分割时序SAR数据实现水体时空分布粗制图,逐像素计算时间序列中被识别为水体候选点的频率。然后,利用Sentinel-2光学影像对精度较粗的初期SAR水体提取结果进行校正,得到精细的水体分布图。最后,针对不同频率区间的淹没特点,采用差异化的时序异常检测策略识别淹没范围:对低频覆水区利用欧氏距离检测时序断点,以提取扰动强度大、淹没时间短的洪涝灾害区;对高频覆水区利用标准分数(Z-Score)检测时序断点,以提取季节性水体覆盖区。在GEE平台上利用该方法,实现了2020-05—10长江中下游地区全域洪水淹没范围时空信息的自动、快速、有效监测,揭示了不同区域汛情发展模式的差异性。本文提出的洪水快速监测方法对大尺度下的汛情动态监测、灾害定量评估和快速预警响应具有重要的现实意义。 相似文献